易观分析-具身智能行业：中国具身智能数据产业分析报告2026

中国具身智能产业在经历科研探索、产业起步、技术融合与场景示范阶段后，于2026年正式进入市场验证期。多种形态的具身智能机器人已开启量产，逐步批量进入真实场景。在此进程中，决定产业天花板的核心要素已从硬件制造能力转向高质量数据的供给规模与闭环效率。具身智能数据作为物理世界交互的多模态记录，正从模型训练的副产品转变为产业发展的核心燃料。

具身智能产业发展阶段与核心优势

中国具身智能产业的发展呈现出明确的阶段性特征。2010年以前为科研探索期，以高校和科研院所为主，聚焦基础理论与机器人样机研发；2010至2021年为产业起步期，深度学习带动机器人感知能力提升，工业机械臂及服务类机器人开始进入商业和家庭场景；2022至2025年为技术融合与场景示范期，大模型技术突破带动人形机器人创新体系初步建立；2026至2030年进入市场验证期，政策与市场强力驱动下，产品开始批量进入真实场景并跑通PMF（产品市场契合度）。多个国家政策规划将2030年视为未来产业进入成熟期的分水岭，规划至2035年实现具身智能全面普及。

在产业快速推进的过程中，中国制造能力、产业链协同与市场驱动构建了三大核心优势。制造业已形成高度成熟的模块化生产体系，能够在设计尚未完全固化的情况下迅速推进试制、迭代与小批量量产，这种“边设计、边制造、边优化”的能力使机器人单机成本持续下降。产业链方面，具身智能在执行器、减速器、丝杠、电机、传感器等核心硬件领域形成国产化闭环，且新能源汽车产业链与机器人产业链高度重合，可实现技术复用。市场端则表现为应用场景需求扩张直接拉动技术迭代，部分工业用人形机器人获得数亿元级订单并进入量产，带动了上游关节模组、电池、灵巧手等部件的快速放量。

数据瓶颈：量、质、异构的三维结构性制约

尽管具身智能的硬件门槛正在被快速跨越，本体量产、成本下降、运动控制逐步成熟，但真正制约产业规模化落地的首要瓶颈在于数据。当前数据瓶颈已从单纯的总量不足演化为“量、质、异构”三个维度的结构性制约。

在“量”的维度，要实现具身智能能力的涌现，至少需要百万小时级来自真实世界的物理互动数据，而目前行业积累的数量还不到需求的5%。其根因在于“高质量、大规模、低成本”的不可能三角未被打破：真机数据质量高但单小时成本达500至1000元；无本体数据便宜但需重定向且缺乏力觉信息；仿真数据产量无限但存在Sim2Real偏差；互联网视频规模大但无动作标签。

在“质”的维度，斯坦福HAI《AI Index Report 2026》显示，机器人操控在仿真中成功率达89.4%，在真实家庭场景中骤降至12%，形成77个百分点的鸿沟。仿真与真实的物理偏差导致“仿真成功、真机失败”，同时行业数据集过度干净，系统性丢弃失败样本与长尾场景，且数据质量缺乏评估标准，标注粒度不统一，导致不可审计、不可回归。

在“异构”维度，数据被硬件锁死导致资产无法沉淀。各家机器人的关节数、坐标系、控制频率不同，一家本体采集的数据无法直接用于训练另一家本体的模型。同时，JSON、Parquet、ROS bag等格式并存导致跨平台不可拼接，全国各训练场数据尚未连接，核心高价值数据因护城河与合规顾虑难以流通，无法形成公共数据底座。

破局路径：“造治用通”协同驱动数据闭环

针对上述三维制约，产业界正构建“造、治、用、通”协同推进的系统工程。以“造数据”扩大规模供给，本体厂商依托量产机器人在真实场景中持续采集物理交互数据以锚定质量基线，仿真厂商则构建高保真物理引擎与场景资产库，以合成数据覆盖长尾与极端场景实现低成本放量。两条路线互补，共同扩大高质量数据的总供给。

以“做对数据”筑牢质量根基，数据从采集完成到可训练可用，需经过标注、清洗、质量评估等环节。行业正逐步建立统一的标注规范与质量认证标准，明确合格数据的定义，并通过自动化评测工具对数据可训练性进行量化评估，确保进入模型的数据干净、对齐、可回归。

以“转飞轮”驱动闭环进化，训练场作为数据与模型的中转站，将采集数据转化为模型能力，再将模型部署到本体上验证，执行中产生的新数据回流至数据集，形成“采集、训练、部署、回流”的闭环飞轮。以“通数据”打破本体壁垒，通过建立跨本体、跨平台的数据格式标准与接口规范，结合数据交易平台与合规机制，促进高价值数据流通，推动公共数据底座建设。

数据采集三线并行与技术路线协同

数据采集是具身数据价值链的物理入口。2026年，产业正从单点真机遥操作走向“真机基准+无本体规模+仿真增广”三维融合格局。

真机遥操作依赖真实机器人本体，通过VR、动捕、力反馈手柄等方式由人类远程操控，记录本体状态、视觉、力觉等全量数据。该路线提供最高质量的物理真实数据，具备真实的物理交互、摩擦力、碰撞动态，无需复杂的跨本体映射，是模型后训练与最终落地的金标准。但其成本最高，受限于本体数量、场地与人力，边际成本难降，主要适用于复杂精细操作及最终场景验证。

便携/无本体采集脱离完整机器人本体，通过可穿戴设备采集人体动作，实现长尾场景与规模化数据获取。人穿戴设备直接记录动作，成本降至真机的三分之一左右，结合众包模式走向伴随化采集。该路线场景真实，但存在人体到机器人的跨本体重定向鸿沟，需算法弥补，适用于大批量日常操作预采集与动作轨迹快速录制。

仿真与数据合成在虚拟物理引擎中生成数据，解决真实世界难以覆盖的极端与多样化场景。遵循“99%合成+1%真机校准”的Sim2Real逻辑，前期物理引擎研发与场景资产构建投入高，但一旦搭建完成，边际成本趋零，数据产量近乎无限。其物理规律可设定，但存在迁移鸿沟，需真机数据反哺校准，适用于大规模预训练增广与算法评测。

三条路线并非孤立竞争，而是围绕数据金字塔各司其职：真机锚定质量、仿真放大规模、无本体补充真实。随着无本体设备国产化与众包网络成熟，真实数据成本持续下探，协同比例将动态调整。虚实融合闭环已成为产业共识的终局范式，硬件入口化以及数据标准化与标品化则是下一步的重要演进方向。

商业模式分化与产业生态图谱

具身智能数据行业呈现六类商业模式并存格局，包括定制化数采项目、数采硬件销售/租赁、仿真SaaS订阅、数据治理/标注服务项目、数据集产品销售/数据要素交易以及全链路服务与训练场运营。

其中，仿真SaaS订阅最为成熟，头部企业已形成“仿真引擎+场景资产库+合成数据管线”全栈能力，商业模式以年费加按调用量计费为主，边际成本极低，开启物理AI操作系统之争。定制化数采项目当前仍为主流，按小时或场景定向计费，客单价高但收入难以复制。数据治理与标注处于从传统AI标注向具身专业化转型阶段，需处理多模态时间对齐与坐标系转换，复杂度远超传统标注。数据交易与流通平台处于极早期阶段，核心高价值数据仍闭源，交易规模小且标准缺失。训练场作为转飞轮的物理载体处于起步阶段，全国已有70余座建成启用，长三角、珠三角、京津冀等地分布密集，正从单点服务向生态平台演进。

全链路数据平台是当前生态位最高、整合度最强的环节，参与者呈现垂直数据商、云大厂与创新中心的多元格局。行业不再满足于交付静态数据文件，头部玩家正构建采、存、算、标、训、评一体化平台，试图成为具身智能的数据操作系统。

典型企业发展路径与实践

在产业生态中，不同类型企业基于自身禀赋选择了差异化的发展路径。觅蜂科技由智元机器人内部孵化拆分成立，面向全行业提供数据基础设施。其技术路线构建三层数据金字塔，L3层为高精度真机遥操作轨迹，L2层为无本体采集，L1层为互联网海量常识数据。MEgo设备累计下线2万台，产出超100万小时数据，覆盖22大类场景，计划2026年实现千万小时级产能。

光轮智能定位物理AI的数据与评测基础设施，聚焦仿真合成与人类第一视角双主阵地。其自研高精度GPU物理求解器实现求解、测量、生成三位一体，并在全球7个国家500余个环境中积累超1万项任务。部分数据集已向十余家客户复售，复售倍数超10倍，2026年第一季度新增订单达5.5亿元。

无问智科以智驾测试验证基因切入，通过“世界模型×数据工厂×世界模拟器”跑通Real2Sim2Real闭环。其真实世界端通过自研多模态设备捕获行为，仿真世界端实现SimReady资产构建效率提升300倍。在线强化学习使仿真成功率从9.7%提升至79.8%，迁移至真实机器人后任务成功率提升50%，具身智能业务订单同比增长超3000%。

群核科技依托酷家乐十余年沉淀的5亿余结构化3D场景与4.8亿带物理参数3D模型，走纯仿真合成路线。通过SpatialLM与SimReady参数化管线将存量空间资产转化为具身可用数据，边际成本极低，但目前具身业务收入占总营收比重仍不足1%。

鹿明机器人以UMI无本体采集为绝对主阵地，推出首款量产全功能数采系统FastUMI Pro，单条采集效率提升5倍，成本降至传统遥操作的五分之一。其与本体解耦的设计适配市面90%以上机械臂，数据有效率从行业普遍的70%提升至95%以上，并上线了包含92个任务SKU的数据商城。

技术演进路径与产业发展趋势

具身智能技术发展路径沿三条主线演进。数据采集端，单一路线无法破解不可能三角，三线融合的本质是根据任务难度与成本约束动态配置路线占比，物理引擎与生成式AI的结合使仿真从人工搭建走向算法生成的无限任务分布。数据闭环端，Real2Sim2Real全链路闭环正在取代线性流程，真实数据提供物理基准，仿真负责批量扩增，真机验证反馈修正仿真误差。模型训练端，正从海量外购数据依赖转向少样本学习与强化学习自进化。基础设施端，仿真正从可选软件工具演变为软硬一体的基础设施。

产业发展趋势呈现三重结构性变迁。能力层竞争维度从数据规模转向数据价值，硬件入口化使得采集设备成为数据主权前哨，标准化与标品化使竞争单位从小时数转向有效信息密度，任务难度定价机制逐步确立。产业层权力格局从分散供给走向分化重构，头部买方自建数据体系与中立第三方服务商形成分化，同时行业产能军备竞赛下结构性过剩显现，原始数据加速折旧。终局资产形态将从数据商品迈向数据要素，确权、定价、入表、流通制度逐步完善，超百亿平台型企业有望涌现。

在发展机会方面，第三方评测认证、垂类场景联合工厂、多源数据采集服务等进攻性机会，与仿真基础设施、数据工程炼油厂能力、闭环训练场等整合性机会，以及数据要素流通与资产化等要素性机会交织。数据竞争的本质已从单纯售卖数据转向定义数据价值的标准，掌握物理正确性、跨本体通用性与闭环增益能力的企业将在下一阶段占据主导地位。