70座训练场背后，具身智能开始算真账

训练场解决了数据'有没有'，但评测平台开始追问'行不行'。

智元联合NVIDIA及多所高校推出的世界模型评测平台WorldOracle正式上线，用335条真实操作轨迹给7款世界模型做了一次公开摸底考试。结果不体面：模型能还原机械臂动作，却预测不准物体状态，长时序预测更是明显掉链子。

同一周，另一条消息 quieter 却更重要：监管部门对具身智能公司IPO的窗口指导收紧，一级市场上遍地都是想卖老股的投资人。

一边是数据工厂热火朝天，一边是资本叙事迅速降温。这两件事叠加在一起，意味着中国具身智能行业正式跨过了一个分水岭——故事讲完了，账要真算了。

📊 一场摸底考，撕开世界模型的遮羞布

先说这场考试。

WorldOracle最狠的设计，不是测模型会不会动，而是测模型能不能'预知后果'。335条真实操作轨迹里，约四成交互片段包含失败或次优操作——也就是说，考卷里故意塞满了'翻车现场'，看模型能不能提前预测到杯子会倒、零件会滑落。

对7款世界模型的测试结果，业内其实早有心理准备：部分模型能较准确还原机械臂的动作轨迹，毕竟模仿运动模式是这类模型的强项；但对物体状态的预测仍存在较大偏差——机械臂动了，杯子到底有没有被抓稳、会不会摔，模型心里没数。长时序预测的表现下降更明显，几步之后预测就开始'自由发挥'。

“一位接近评测团队的人士私下评价：现在的世界模型，不少是'动作模仿秀'，离真正的物理理解还差着量级。

这个结果戳中了具身智能当前最核心的软肋。大语言模型可以从互联网获得约300万亿词元的现成语料，而机器人要学的视觉、动作、力觉、触觉数据，互联网上几乎没有，只能从零采集。没有海量高质量数据，世界模型的物理直觉就是空中楼阁。

WorldOracle这类评测平台的价值在于：它把'模型能力'从发布会PPT上的演示视频，拉回到真实执行结果的标尺下。评测开放提交，意味着行业第一次有了一个相对中立的'月考'机制。对买方——那些真金白银投训练场、投数据的产业方——这是判断钱该往哪投的第一个可信参考系。

🏭 两年建了70座训练场，数据从作坊变工厂

评测揪出了模型的问题，而问题的解药，行业过去两年一直在造——训练场。

上海浦东的一座数据采集工厂里，数十台人形机器人每天重复同一批动作：抓起杯子，放到指定位置，再抓下一个。采集员通过遥操作设备一遍遍纠正轨迹，机器视觉、关节角度、力控反馈的数据汇入后台。同一时刻，成都、无锡、南昌、苏州、天津、深圳等几十个城市，类似的场景同步上演。

这道算术题的起点是数据缺口。中国信通院测算：机器人要迎来自己的'ChatGPT时刻'，需要千万小时级真实数据，而目前全球可用的高质量真实数据只有数十万到百万小时级——缺口在十倍以上。

而供给端产能已经不是问题。今年上半年，我国人形机器人出货量超过4万台，全球占比97%，'造出来'已经不是问题，卡在'用起来'的数据关上。

于是训练场成了全行业的答案。截至2026年6月底，全国已建成启用超过70家具身智能训练场，另有46家在建或规划，覆盖18个省级行政区，形成长三角、京津冀、珠三角三大集群。

两年时间，训练场首先解决的是'有没有'的问题。北京人形机器人创新中心的数据基地里，6000平方米实训空间铺开家居、快递分拣、化学实验等30多个场景，每一次采集都有标准化任务拆解和流程定义，数据经清洗、标注、校验、质检后进入训练，训练出的模型部署回真机，真机暴露的问题再回流数采系统——闭环跑通了。

这张定位图能看清格局：创新中心类机构和主机厂自建训练场站在技术和商业价值的双高区，第三方数采服务商靠规模和成本吃饭，而纯众包遥操作模式正在被挤向角落——没有闭环和质量体系的数据，正在贬值。

💰 账本摊开：275元一小时，但离千万小时还很远

训练场这门生意，成色到底几何？账得一笔笔算。

第一笔，质量账。北京人形机器人创新中心基地的数据合格率，从建设初期的50%左右，用三个月优化到95%以上——说明数据生产是可以被工程化驯服的，这本身就是行业成熟度的标志。

第二笔，产能账。该基地年产能18万小时，已对外交付近3万小时高质量数据。对照信通院'千万小时级'的需求，18万年产能意味着：一座头部基地满产运转，也要干半个多世纪。

第三笔，成本账。真机遥操作数据规模化运营后，单小时有效数据成本降到约275元，而在小规模采集阶段，这个数字可能是每小时数千元——降了接近一个数量级。

275元/小时听起来便宜了，但乘上千万小时的缺口，就是2750亿元级别的数据生产总盘子——这还只是采集，不含标注、算力和模型迭代。这就是为什么训练场必须规模化、标准化、集群化：单一作坊模式在这个量级面前毫无经济性可言。

而WorldOracle的评测结果恰恰提醒了一件事：钱花了，数据有了，模型是否真的学到了物理规律，还另说。如果长时序预测和物体状态理解始终不过关，那数据采集的方向本身可能需要修正——不是'越多越好'，而是'越对越好'。这也是为什么行业开始出现一种声音：下一步的训练场，要为评测指标而采集，而不是为凑时长而采集。

⚠️ 资本退潮：IPO窗口收紧，老股开始打折甩卖

产业在算技术账，资本在算退出账，两本账现在对不上了。

今年外滩大会上的一次群访耐人寻味：自我介绍环节，至少三家知名机构的AI方向投资人都主动表示，具身智能是机构主要投资方向之一。直到有人提起'监管已收紧具身智能公司上市'的传闻，现场气氛几乎一下尬住——投资人开始检讨，确认行业还在非常早期、技术尚未收敛。

就在当天，监管机构的非正式'窗口指导'内容流出：把具备经常性收入能力、处于亏损收窄轨道或已实现真正的技术创新，列入人形机器人IPO审批的范围。翻译一下：光有估值和故事，上不了市。

在此之前的这一年，行业经历的是烈火烹油。仅2026年上半年，国内具身智能赛道融资总额就超过900亿元，是2025年同期的5倍；半年内催生出超过20家估值破百亿的公司。

（资金流向为行业结构示意）

然后，两件事接连戳破了泡沫。5月，优必选'仅成年人购买'的伴侣机器人发布，人形机器人与情趣擦边，戳破了人们对具身智能产品的想象力；8月，宇树登陆A股后，经历五个交易日，市值接近腰斩，又戳破了估值的想象力。

两件事看似独立，但当泡沫内部张力太大，先后发生就成了必然。据多位投资人证实，预期持续下调后，一级融资市场开始降温，'遍地都是想卖老股的投资人'成了行业新常态——在风险发生前提前兑现收益，是这轮周期里最诚实的动作。

对训练场和数据这门生意而言，资本退潮未必是坏事。900亿融资大水漫灌时，训练场建设带着明显的跑马圈地色彩；当钱变贵，只有单小时成本、合格率、交付量这些硬指标能继续融资。WorldOracle们提供的评测标尺，会反过来决定哪些数据资产真正值钱。

冰山之上是产能和规模，冰山之下才是这门生意真正的护城河——闭环、标准与评测体系。泡沫退去后，能留下的恰恰是冰山下面那部分。

小结：从讲故事到算真账，行业才刚上路

WorldOracle上线、训练场过百、IPO收紧、老股甩卖——四件事在同一段时间里发生，勾勒出中国具身智能的2026：供给端已经工业化，评价端开始讲真话，资本端重新定价。

这未必是坏消息。大模型行业也是在泡沫破裂后才等来了真正的技术收敛。对具身智能而言，接下来两年的胜负手很明确：谁能把数据成本继续压下去、把评测指标跑上去、把经常性收入做出来，谁就能穿越周期。世界模型预测不准物体状态？没关系，至少现在，全行业终于知道自己差在哪了——这比发布会上的完美Demo，值钱得多。