2026北京亦庄半程马拉松暨人形机器人半程马拉松赛事上，天工Ultra、松延动力“小顽童”N2、宇树H1等热门机器人选手同场竞技，引发外界对具身智能产业发展的高度关注。这场赛事不仅是一场速度比拼，更成为检验产业成熟度的关键场景。当前具身智能产业正从百亿级向千亿级规模加速迈进，而数据获取与处理能力已成为制约行业发展的核心瓶颈。
行业普遍将2026年定义为具身智能"数据元年"。上海库帕思科技有限公司语料运营总监邓思文指出，过去行业受限于算法、硬件与数据的匹配问题，今年已转向数据驱动模式。帕西尼感知科技创始人许晋诚强调，机器人商业化落地必须依赖海量真实场景数据支撑，今年全球范围内具身智能企业对数据的渴求达到前所未有的高度。这种转变促使企业加速布局数据采集基础设施，全国已建成至少15家专业数据工厂。
数据采集中心建设呈现爆发式增长态势。帕西尼感知科技宣布在江苏宿迁等四地新建超级数据工厂，加上天津基地将形成全球最大规模具身智能数据采集网络，预计年产高质量全模态数据近百亿条。有鹿机器人联合创始人谷祖林透露，其"数据三重门"战略已投入超千台机器人进行真实场景数据采集，计划年内将部署规模扩大至万台级别。这种以真实场景为核心的采集模式，正在形成"数据-产品-市场"的良性循环。
云服务商与数据交易所的入局加速了生态构建。百度智能云联合多家企业推出具身智能数据超市，首创层级化数据标签体系。深圳数据交易所通过搭建可信数据空间，为厂商提供实采与仿真数据组合服务。库帕思科技业务增速显著提升，其标准化数据解决方案已覆盖机器人制造、模型训练等全产业链环节。这种分工协作模式正在重塑行业数据生态，头部企业专注核心场景数据，专业数据商提供通用数据支持。
真实世界数据稀缺性仍是最大挑战。具身智能数据呈现金字塔结构，底层为互联网数据，顶层是真实交互数据，而当前最紧缺的正是顶层数据。智元联合创始人彭志辉表示，行业数据缺口达3-5个数量级，且需要包含物理世界接触力、摩擦力等高维参数。越疆科技创始人刘培超透露，去年行业积累的有效数据时长不足3万小时，大量低质量数据难以支撑模型泛化能力。这种供需失衡导致模型落地周期延长，商业化进程受阻。
仿真数据应用存在明显争议。英伟达Isaac GR00T方案虽能在11小时内生成78万条合成轨迹，但sim-to-real转换仍面临触觉反馈、长程任务等维度瓶颈。谷祖林指出，数采中心创造的环境本质仍是仿真场景，数据分布集中问题难以解决。行业逐渐形成共识：仿真数据可作为规模扩增手段，但无法替代真实场景数据。邓思文建议采用真机与仿真1:1的配比方案，在成本、精度与规模间寻求平衡。
数据获取成本构成新的压力。存储价格上涨推高数采中心运营成本，部分企业单条数据采集成本仍是行业均值十倍。帕西尼通过自研多维触觉传感器将成本降至百元级，其"无本体依赖"采集范式使效率提升3-4倍。但高工人形机器人研究院指出，多数数采中心尚未实现规模化交付，重资产投入与数据珍稀性之间的矛盾亟待破解。深圳数据交易所观察到，小型数采厂难以形成规模效应，导致高质量数据集产出有限。
