中信证券研报指出，随着全国各地数采工厂的拔地而起，对于具身智能数据匮乏的现状，我国具身智能产业链已经交出了独特的答卷——以真实数据为底、构筑模型训练长期优势。在此过程中，数据要素的循环流通不仅使得下游模型开发者得到了持续的语料，也使上游整机厂得到了“半商业化”阶段时期的订单出口。尤其相比于海外昂贵的用工成本，国内实现数据采集规模化的潜能更为充分，数据积累有望成为国内具身智能产业的宝贵资产。看好具身模型进一步成为产业发展的焦点，将数据采集的重要性推向新高度，建议重点关注在数据要素、模型训练及本体构型环节具备横向贯通潜力的标的。
全文如下
具身智能机器人｜真实数据筑基，具身商业新引擎
随着全国各地数采工厂的拔地而起，对于具身智能数据匮乏的现状，我国具身智能产业链已经交出了独特的答卷——以真实数据为底、构筑模型训练长期优势。在此过程中，数据要素的循环流通不仅使得下游模型开发者得到了持续的语料，也使上游整机厂得到了“半商业化”阶段时期的订单出口。尤其相比于海外昂贵的用工成本，国内实现数据采集规模化的潜能更为充分，数据积累有望成为国内具身智能产业的宝贵资产。我们看好具身模型进一步成为产业发展的焦点，将数据采集的重要性推向新高度，建议重点关注在数据要素、模型训练及本体构型环节具备横向贯通潜力的标的。
▍缘起为何？真实数据不可或缺且总量匮乏。
具身智能的发展正面临大规模训练数据匮乏的挑战。大型语言模型的成功得益于互联网对海量知识的沉淀，自动驾驶可以在实际运营场景中进行大规模、连续性的数据采集。但在训练具身模型的过程中，却缺乏大量可直接利用的有效数据资产，且数据采集的过程也依赖于受控的实验室环境。目前业界将具身模型训练的数据类别定义为“数据金字塔”，尽管合成数据和互联网数据的规模化潜力得到广泛重视，但金字塔顶层的真实数据不可缺少，其物理真实属性及标注内涵具备重要价值，也使其成为解决具身数据挑战的“牛鼻子”。
▍空间多大？数采工厂孕育本体及数据的新商业。
2025年来，各地纷纷投建数据采集工厂，其中智元等占据主要位置。地方性***与整机厂合资成立数采工厂的案例持续增多。合作模式多以：1）***招标采购机器人本体，并提供后续场地支持；2）企业投标供给数采本体，并提供持续性技术支持。对于具备百台级别的数采工厂而言，其年产有效数据规模可达数万小时，具备千万元级别数据销售收入的潜能。暂不具备本体量产能力的大模型企业是当下具身数据的主要需求方。群核科技、帕西尼感知等已在国内主流数据交易所上架数据产品。而从成本侧角度，国内数采人员用工成本显著低于北美，成为国内规模化发展数据采集的优势。尽管无法通过数据销售实现快速回本，但各地数采工厂有望发挥桥头堡作用，成为整机厂遍布全国的潜在经销网络、抑或是人才吸引及品牌建设的高地。我们预计2025年国内产出70+万小时真实数据，到2028年国内累计数采用本体数量将接近8,000台。
▍何以竞争？制订行业标准同参与行业同样重要。
行业现存较明显的数据孤岛问题，主要体现为：1）数据集标准不统一；2）技术路线差异导致数据割裂；3）产业生态的封闭性。行业亟需规范化标准及代表性案例的出现。事实上，部分整机厂以国地中心开放互通的生态为抓手，已经获得了一定的先发优势。2025年5月，国家地方共建人形机器人创新中心携手诸多整机厂共同成立具身智能数据联盟。9月，国内首个人形机器人数据集标准发布，智元机器人、库帕思作为数据质量管理标杆，获得CR认证首批证书。库帕思是在上海市***鼓励下诞生的专业数据语料公司，旨在降低行业数据获取成本。数据语料类玩家的出现也值得长期加以关注。
▍风险因素：
机器人技术进步速度低于预期、机器人应用场景的发展潜力低于预期、技术路线变动风险、政策实施力度不及预期、行业竞争加剧风险、法律法规风险、国际地缘***风险。
▍投资策略：
具身智能产业发展如火如荼，在资本、政策、企业、人才的协同共振下，产业飞轮以超乎寻常的速度旋转。训练数据是由“半商业化”走向“全商业化”的关键一环。我们建议额外重视掌握数据话语权的标的，尤其重视在数据、模型及本体三大要素上皆有阶段性成功布局之企业。此外，从商业化进程角度而言，相比于具身模型企业，作为AI时代的卖铲人，数据语料公司的商业化变现步伐明显更快，这类企业也值得重点关注。结合我们此前的外发报告《具身智能机器人专题报告—具身模型规模化发展：模型架构融合与数据样方优化的双重挑战》（20250822），我们建议关注以下：1）整机厂；2）数据赋能；3）动捕设备；4）资本布局者；5）算力及云计算。
（文章来源：第一财经）