机器人产业正在进入一个新的阶段。过去两年，市场的关注点更多集中在机器人本体、核心零部件和大模型，但随着具身智能逐渐从实验室走向工厂、仓储和服务场景，一个新的产业瓶颈正在浮现：机器人有了，模型有了，但训练机器人的真实世界数据从哪里来？
五一视界(6651.HK)正在切入这一环节。9月2日，深圳发布《深圳市推动智能机器人产业高质量发展工作方案(2026—2028年)》，明确提出建设具身智能数据采集场，并培育第三方数据服务商，以解决行业面临的“数据荒”。
就在相关政策发布前半个月，五一视界与联合影像设立合资公司，并首发AperData具身数据底座，将其Physical AI布局从此前的虚拟仿真进一步延伸至真实世界数据采集。
从机器人本体到模型，再到真实世界数据，具身智能产业正在逐渐形成一条新的基础设施链条。
机器人可以量产，但“经验”很难复制
具身智能与传统AI最大的区别之一，在于机器人最终需要在真实物理世界中完成任务。
大模型可以利用互联网多年积累的文本、图片和视频进行训练，但机器人需要学习的却是另一套数据。
比如，让机器人完成一次零件抓取，不仅需要知道零件长什么样，还需要记录机器人看到了什么、从什么角度接近、手臂如何移动，以及最终如何完成抓取。
当物体、位置或者环境发生变化时，又会产生新的操作数据。
到了工厂、仓储等真实场景，设备状态、光照、空间环境以及任务流程的变化，又会进一步增加数据采集的复杂度。
这也是为什么，机器人本体可以通过生产线批量制造，但真实世界中的操作经验却很难同步复制。
此前人民网披露，目前国内真实物理交互场景合规数据约50万小时，而机器人商业化落地所需的数据达到数千万小时，数据缺口超过99%。
如果机器人要真正进入大规模商业化阶段，数据供给就不再只是模型公司的研发问题，而可能逐渐成为整个产业需要解决的基础设施问题。
“数据荒”开始进入产业政策视野
传统真机数据采集往往需要搭建场地、组织人员进行操作，再完成数据清洗、整理和标注。对于一些危险工况、低频场景以及复杂工业环境而言，数据采集的成本和难度更高。这意味着，随着机器人从展会和实验室走向真实工作环境，数据的规模、质量和获取效率都会成为新的产业变量。
深圳最新发布的相关产业政策，已经将这一问题单独提了出来。政策明确提出建设具身智能数据采集场，并培育第三方数据服务商，同时提出通过Ego第一人称视角、真机、外骨骼、仿真合成、UMI等多种方式采集数据。
从产业角度看，一个明显的变化正在出现：具身智能的基础设施正在从“训练模型”向“生产数据”延伸。过去，企业可能需要自己寻找场景、组织人员、采集数据;未来，随着产业规模扩大，专业化的数据采集和服务体系可能成为机器人产业的重要组成部分。
五一视界为何从仿真走向真实世界？
五一视界此次布局的一个特点，是其并不是从零开始进入机器人数据领域。
在过去的技术积累中，五一视界长期围绕数字孪生和仿真平台构建数字化场景，并在自动驾驶等领域积累了较为成熟的仿真能力。
据沙利文报告，51Sim在2025年中国端到端高阶智驾仿真及数据平台市场的占有率为53.5%。
此前，数字仿真解决的一个核心问题，是在虚拟环境中构建真实世界，并通过模拟生成数据。
随着Physical AI的发展，这条技术路线正在出现新的延伸。机器人最终需要进入真实世界，因此除了在虚拟环境中训练，还需要不断从真实的人类操作和物理交互中获得数据。
AperData正是从这一环节切入。其核心思路，是在真实任务执行过程中同步记录第一视角画面和动作轨迹，再通过AperOS进行时间对齐、清洗、质检和数据治理，最终形成可以用于机器人模型训练的标准数据集。
据五一视界官方数据，在相同成本下，该方案的数据生产效率较传统真机遥操作提升10倍以上。这意味着，五一视界正在尝试把此前在虚拟世界中积累的场景构建、仿真和数据能力，进一步延伸到真实世界。
Physical AI需要的不只是“一个模型”
从更大的产业趋势看，具身智能的发展正在改变AI基础设施的形态。过去的AI主要处理数字世界的信息，因此互联网本身就是重要的数据来源。而Physical AI面对的是物理世界。机器人需要理解空间、物体、动作以及人与机器之间的交互，因此训练数据也必须越来越接近真实的物理环境。
这使得数字孪生、仿真、数据采集和数据治理之间开始产生更紧密的联系。一方面，可以通过仿真构建大量虚拟场景，降低真实世界数据采集的成本;另一方面，又可以通过真实世界采集不断补充机器人的实际操作经验。
对于五一视界而言，AperData的出现，也让其原有的数字孪生和仿真技术路线与Physical AI之间形成了更直接的连接。从虚拟空间到真实空间，从场景构建到数据生产，技术能力正在逐步向机器人产业更底层的环节延伸。
机器人产业的下一场竞争，可能是“数据生产力”
过去两年，机器人产业最受关注的是本体和模型。但当机器人真正进入工厂、仓储和服务场景之后，市场需要解决的问题也会随之变化。
谁能够制造机器人，决定了机器人能否被大规模部署;谁能够提供更好的模型，决定了机器人能否理解任务;而谁能够持续获得足够丰富、高质量的真实世界数据，则可能决定机器人最终能够学会多少。
深圳开始从政策层面推动具身智能数据采集场和第三方数据服务商建设，也意味着具身数据正在从企业内部的研发资源，逐渐走向更加专业化、产业化的供给体系。
这也是五一视界此次布局值得关注的地方。从数字孪生到仿真，从Physical AI到真实世界数据，五一视界正在将过去积累的数字空间能力进一步向物理世界延伸。
对于仍处于产业化早期的具身智能而言，机器人本体正在快速增加，而真正稀缺的，可能是让这些机器人持续学习和进化的“经验”。当机器人开始走进真实世界，数据也正在成为另一种意义上的生产力。
