在近期举办的WAIC 2026大会上，Physical AI（物理人工智能）成为焦点议题。展区内，曾经占据主导地位的大模型演示屏大幅减少，取而代之的是大量实体机器人、机械臂和自动驾驶模拟器在真实场景中运作，展现出AI从“理解世界”到“改变世界”的跨越。
这一转变背后，是Physical AI对数据需求的根本性变化。传统AI主要依赖互联网上的文本、图片和视频数据，而Physical AI需要的是包含物理交互信息的数据，如动作轨迹、力觉反馈和时序逻辑等。这些数据无法从互联网直接获取，必须通过真实环境中的采集获得。然而，真实场景数据的采集成本高昂，涉及场地、设备、机器人和人力等多方面投入，导致行业普遍面临“数据饥渴”的困境。
除了数据采集，数据处理和模型验证也是Physical AI发展的两大挑战。原始数据需要经过标注、清洗和对齐等流程才能转化为模型可用的训练资产，但传统人工标注模式效率低下且误差较大。同时，Physical AI的验证必须在真实环境中进行，仿真测试无法完全覆盖现实世界的复杂变量，如摩擦系数、光照变化和意外干扰等。
针对这些痛点，一些企业开始探索构建专门的数据基础设施体系。以博登智能为例，该公司在WAIC 2026上展示了一套覆盖数据采集、处理和验证的全链路能力体系。通过在宁波、湖州和马鞍山建立三大具身机器人创新中心，博登智能实现了真实场景数据的规模化生产，年产50万小时真机训练数据和百万小时级Ego场景数据。
在数据处理环节，博登智能自研了BRIC数据采集平台、BASE数据标注平台和Blink数据基础设施平台，形成从采集到交付的全自动化流水线。借助超过200个自动化预标注模型，数据生产效率提升7倍，综合交付准确率超过99%，成本降低约40%。这种“自动预标注+人工校正”的协同模式，大幅提高了数据处理的工业化程度。
模型验证方面，博登智能构建了现实世界验证体系，围绕真实场景行为一致性、时序逻辑一致性、物理规则约束和长尾场景鲁棒性四大维度，对模型进行系统性评估。这一体系确保模型不仅在仿真环境中表现良好，更能在真实场景中稳定运行，解决了Physical AI从“可训练”到“可部署”的关键问题。
博登智能通过Boden Cloud统一平台，将数据采集、治理、标注、训练和验证全链路进行云化、标准化和工程化封装，实现一站式交付。客户无需分别对接多个系统，即可调用从数据采集到交付的全链路能力。这种平台化输出模式，不仅提升了服务效率，也为产业生态的构建奠定了基础。
在产学研协同方面，博登智能联合均普智能和上海交通大学MINT实验室开源了RW-RL-Dataset数据集，包含超过1000小时的真实机器人强化学习数据，为全球具身智能研究提供关键基础设施支撑。同时，该公司已参与20余项国家及行业标准制定，并牵头建设浙江省高端数据标注基地试点项目，从“技术提供者”向“标准制定者”转型。
Physical AI数据基础设施的价值，在具身智能、大模型和自动驾驶三大领域得到充分体现。具身智能需要真实环境交互数据训练机器人操作技能；大模型向多模态拓展需要跨模态真实数据提升物理世界理解能力；自动驾驶则需要海量道路场景数据覆盖长尾事件。这些领域对数据基础设施的需求是持续性刚需，而具备规模化真实场景网络、全自动化数据引擎和现实世界验证体系综合能力的企业，全球范围内极为稀缺。
随着具身智能、大模型和自动驾驶三大赛道的产业化进程加速，Physical AI数据基础设施市场正迎来爆发期。这一市场不仅规模巨大，而且需求持续增长，因为只要Physical AI在演进，就需要源源不断的真实世界数据输入和验证反馈。在这个“需求高速增长、供给高度集中”的赛道中，资源向头部集中的趋势将愈发明显。
