1. “规模定律”在物理世界依然有效，但数据从哪来是个大问题。
2. 全国已建成超70家训练场，但同质化严重。
3. 数据采集成本不低，回本周期漫长。
4. 数据“采”出来不等于“能”用。
5. 训练场正从“采集中心”向“实景实训”演进。
6. 几点个人判断
具身智能机器人训练场研究报告(2026年)|建了100多个训练场,机器人还是“不够聪明”?这份报告说了大实话最近读了信通院联合人形机器人（上海）有限公司发布的《具身智能训练场研究报告（2026年）》，下载说明及机器人智库星球介绍感触挺深。报告盘了盘全国训练场的家底，也直面了行业当前“热闹但低效”的困境。 核心就一句话：机器人缺“动手”的数据，而现有的训练场，还没真正解决这个问题。 大语言模型靠互联网上万亿token喂出来，但具身智能需要的是视觉、触觉、力觉这些物理交互数据，以前根本没被系统记录过。报告里算了一笔账：假设要训练一个55B参数的模型，按大模型的缩放定律，大概需要1.1万亿token的数据。如果全用真机采集，按每天有效交互2小时算，需要21200台机器人连续工作一年。而当前全球可用的高质量真实数据也就几十万到百万小时级别。缺口巨大。 报告统计，截至2026年6月，全国已启用和在建的训练场超过100家，主要集中在长三角、京津冀和珠三角。86%的训练场都布置了工业制造场景，叠衣服、桌面整理这类任务扎堆。场景看着挺全，但真正深入行业关键环节的垂类训练场不到20%。大家都在抢着建“通用”能力，反而没人愿意啃细分行业的硬骨头。 一个上千平米的训练场，建设成本在数千万到上亿元。仅100台人形机器人，采购成本就得好几千万。数据售价方面，简单非定制化采集每小时百元左右，真机数据每小时数百到上千元。按年产10万小时数据、建设投入5000万估算，最理想情况下回本也要3年以上。这生意，不好做。 这是报告里我认为最有价值的部分。训练场“可采集数据规模”远不等于“可训练数据规模”。从采集到真正能用于训练，中间隔着清洗、对齐、标注、质检好几道坎。报告提到一个数据：开源数据集RoboMIND里，UR机械臂的数据有81%没有通过对齐检验。采集了一堆数据，大部分是废的，这是当前最现实的工程化难题。 报告把训练场发展分了三个阶段：建设热潮期、能力沉淀期、生态繁荣期。当前正从第一阶段向第二阶段过渡。未来的方向不是圈块地、摆几台机器人就完事，而是要走出封闭场地，把数据采集和训练能力下沉到工厂、家庭、门店这些真实场景里去。谁能在真实场景里跑通“数据采集—模型训练—应用验证”的闭环，谁才能真正建立壁垒。 第一，数据服务会先于机器人本体跑出商业模式。现阶段卖数据比卖机器人更现实，但前提是得解决数据质量标准化的问题。 第二，垂类训练场的价值会被重估。通用训练场太多，真正懂行业、能采集到高价值场景数据的垂类训练场反而稀缺。 第三，行业需要一次“数据质量”的供给侧改革。与其追求数据时长，不如先把数据有效率和标准化提上去。 今日分享：具身智能训练场研究报告（2026年）/ 56页 | 原文pdf：下载说明及机器人智库星球介绍也可私信主页底部的菜单栏点「资料下载」 声明：报告版权归原创作者所有，仅作学习分享不作商业用途。其他仅为整理时间成本
