机械设备行业具身智能数据采集跟踪点评：标准落地，具身数据从“量增”走向“质胜”

　　事件：

　　11 月 1 日起，多项国家级人工智能、算力与具身智能行业标准正式实施，包括《人工智能 关键基础技术 大模型推理平台技术要求》《人工智能 关键基础技术 具身智能数据集质量要求及评价方法》和《分布式计算 算力度量方法》等。

　　点评：

　　具身智能数据采集，是把机器人完成任务的过程转化为可训练、可验证的数据。以抓取或装配为例，模型除需获取视觉感知信息外，还需同步建模机器人本体状态、交互作用力、动作执行过程及任务完成结果，具体对应视觉与深度信息、关节状态与IMU数据、力触觉信号、运动轨迹、力位控制曲线以及操作结果等多模态信息。原始记录还需经过清洗、标注、质检和时间同步，才能形成可交付数据集；模型训练后再回到真实场景验证，并回流失败样本继续迭代。因此，数据采集的研究范围应覆盖“感知—采集—治理—训练—部署回流”。

　　模型训练存在千万小时级有效数据需求，供给端正由零散采集转向训练场和标准化生产。据中国信通院《具身智能发展报告（2026年）》，实现机器人“ChatGPT”时刻需要千万小时级有效数据；全国已建成启用超70家训练场，真实采集与仿真合成双线并行。需求侧的硬件基础也在扩张：国家统计局数据显示，2026年前三季度传感器、工业机器人、机器人减速器产量分别同比增长16.4%、29.1%、44.4%。上述产量并非数据采集市场规模，但反映本体与感知硬件的产业化基础正在扩大。随着机器人进厂与向柔性操作升级，深度图像、点云及力触觉/IMU反馈成为刚需。感知硬件的升级不仅直接决定了原始数据质量，叠加11月起多项行业标准的正式实施，产业竞争焦点由采集数量转向质量、治理与交付。因此，训练场数量与规划产能并不等同于有效供给，后续仍需重点观察数据验收、模型改善与客户复购情况。

　　五类数据来源各有分工，真实采集与仿真合成将长期互补。中国信通院按获取难度与成本，将数据来源划分为仿真数据、人类行为视频、UMI/触觉手套数据、遥操作数据和部署回流数据。仿真便于规模化构造长尾、危险或高成本工况，但需验证仿真到现实迁移（Sim2Real）；人类行为视频（含Ego第一视角）利于扩展场景和任务示范，但缺少完整的机器人状态与力反馈；UMI等便携式示范装置和触觉手套可补充手部动作及接触信息，仍需解决向不同本体的映射；真机遥操与目标本体对齐度较高，但受设备、人员与采集效率约束；部署回流最接近真实作业并包含失败样本，但依赖装机规模、场景开放与数据合规。从投资视角来看，具身数据标的的长期壁垒并不在于单纯的采集成本优势，而在于其能否在本体对齐度、模态完整性、跨本体泛化以及最终模型训练收益之间实现最优解。

　　基于产业链角度，价值由采集设备延伸至数据生产、治理和场景部署，商业验证应回到有效产出与收入。上游机器视觉、3D视觉、力触觉、IMU与测控设备决定原始信号质量；中游训练场和数据服务商完成采集、清洗、标注、质检与数据集交付；下游本体及场景方通过实际部署形成数据回流。国家数据局提出建设覆盖数据采集、清洗、加工、标注、质检、测评、迭代、审计等全生命周期管理服务能力，并探索订阅、定制、API调用等形态。与此同时，中国信通院提示多数产业环节仍处于“增长已成立、盈利未建立”的探索阶段。建议后续重点跟踪数据订单与复购、有效小时产出、验收率、训练场设备利用率、数据集交付及相关收入贡献。

　　投资策略：建议沿感知硬件、数据治理、场景与仿真这三条主线跟踪。（1）感知硬件与采集设备：多模态传感器与专用采集终端是具身数据获取的物理基石，直接决定原始信号质量与产能规模。关注：奥比中光（688322）、奥普特（688686）、创维数字（000810）、汉威科技（300007）、东华测试（300354）。（2）数据生产、治理与交付：中游采标服务需解决时空对齐与工程壁垒，是打通“数据到模型”的关键环节，关注商业模式向订阅及API服务升级。关注：海天瑞声（688787）、拓斯达（300607）、凡拓数创（301313）。（3）场景反哺与仿真合成：下游真实部署形成高价值长尾数据回流，叠加工程仿真与合成数据，共同拓展场景示范并填补真实数据缺口。关注：杰克科技（603337）、埃斯顿（002747）、索辰科技（688507）。相关新业务普遍处于早期，需持续核验收入贡献与持续盈利能力。

　　风险提示：标准实施与数据互认不及预期、数据对模型能力的提升不及预期、跨本体及跨场景复用不足、数据服务复购和盈利模式不清、仿真到现实迁移效果不及预期、机器人商业化与产线部署慢于预期、数据安全与隐私合规风险等