百座数采中心落成，考题才刚发下来

两年前，数采中心还是个边缘词；两年后，全国已经立起106家。建设潮的鞭炮刚放完，真正的考题才发到桌上——数据卖不卖得动、模型用不用得上、账算不算得平。这篇文章想回答一个朴素的问题：遍地开花的数采中心，到底是一轮真基建，还是一场大型攒局？

📈 两年百家，建设潮是怎么烧起来的

节奏的变化，比数量更说明问题。

虎嗅对全国集中式具身智能数采中心做了一轮梳理：截至2026年8月，共收录106个已公开披露的项目，覆盖有固定场地、有一定机器人部署规模的数采中心、训练场和训练基地。调研团队还与十余家机器人本体企业、数采基地运营商、数据服务企业和地方产业人士做了交叉验证。

数字背后的曲线很有意思。2024年3月到2025年3月，全国平均每月只有约2.7个此类项目启动——彼时这还是一个需要向招商部门解释半天的概念。转折出现在2025年春天：从2025年4月到2026年1月，月均启动数量跳升至约7.3个，训练场、数据采集基地、具身智能创新中心在各地密集签约落地。

建设高峰出现在2026年一季度，此后新启动项目开始减少，前一轮开工的项目陆续投入使用。从启动到投用两条曲线之间，大约隔着2到5个月——这是一座数采中心从签约、装修、设备进场到正式运行的大致周期。

截至今年8月，106家中的84家已经投入运营，占比79.25%。

pie

title 截至2026年8月项目状态

已投用 : 84

未投用 : 22

翻译一下这组数据：建设潮已经结束了，行业正从密集开工切换到集中运营阶段。盖楼的阶段看的是签约数量和落地速度，运营阶段看的是另一套完全不同的指标——数据产量、数据质量、下游愿不愿意掏钱。而后者，恰恰是前两年最热闹的时候没人愿意细聊的。

⚠️ 邵天兰开炮，攒局的生意经

风口上飞得越整齐，落地时摔得越清楚。

前不久，梅卡曼德创始人邵天兰公开质疑具身智能行业里的『攒局』现象，具身数采中心被卷入舆论中心。这话和一年前的气氛形成了鲜明反差——彼时各地还在密集开工，几十台、上百台机器人被搬进一个个崭新的训练场，签约照片里人人都在笑。

攒局的逻辑并不复杂，拆开看是一条清晰的资金链路：

在这条链路里，地方政府出场地和补贴，设备厂商出机器人，运营方出团队，各方各取所需。问题在于，链条最后一环——『模型方愿意持续为数据付费』——恰恰是最脆弱的一环。前几环靠政策驱动就能转起来，最后一环只能靠市场检验。

据多位接近行业的人士透露，不少数采中心的立项逻辑更接近招商项目而非产业项目：场地是现成的产业园区，机器人采购带来一笔可观订单，数据业务本身能不能跑通反而是次要问题。这种模式下，中心建成之日往往就是高光时刻，此后每月的折旧、人力和电费都在考验运营方的现金流。

需要说明的是，攒局不等于造假。邵天兰质疑的核心，是行业里存在大量『要素齐备但闭环缺失』的项目——有场地、有设备、有团队，唯独缺一个愿意长期买单的下游。而数采中心这门生意的本质，恰恰是B2B的数据服务，没有复购，就没有生意。

🔋 数据生意，难在稀缺性

数采中心最大的对手，不是同行，是合成数据。

具身智能为什么需要数采中心？逻辑起点很硬：大模型的上限取决于数据，而机器人操作类数据无法从互联网上爬取，只能通过遥操作真机、真场景一点点采出来。这就是集中式数采中心存在的第一性原理——把昂贵的机器人和人力集中起来，摊薄单条数据的成本。

但问题出在供给侧的确定性上。真机采集的数据要转化为模型能力，中间隔着任务设计、标注规范、质量校验好几道工序。同一批机器人、同一套遥操作设备，在不同团队手里采出的数据，价值可以差出量级。一位受访的本体企业人士的判断很直白：买数据本质上买的是数据背后的任务设计能力，而不是机器人干活的视频。

更微妙的变量是技术路线本身。仿真合成数据和真实采集数据的边界正在模糊，模型侧对真机数据的需求数量、品类、精度，本身就处于快速变化中。今天的数采中心如果按照去年的数据规格去囤产能，很可能建成即过时。

这就是为什么同样挂着『数采中心』的牌子，106家的成色可能天差地别。有的中心贴着模型团队的真实需求做定制化采集，任务颗粒度切得很细；有的中心则是标准动作摆拍，采出的数据模型方看一眼就知道用不上。数据没有稀缺性，中心就没有护城河——这条规律不因场地大小而改变。

💡 运营大考，才刚刚开始

从开工竞赛到运营竞赛，行业换了一套考卷。

84家已投用中心，构成了中国具身智能历史上规模最大的一次数据基建实验。接下来12个月，这个行业会第一次拥有足够大的样本量，来回答几个此前只能靠信念支撑的问题：真机数据到底值多少钱？集中式采集和分布式现场采集，哪种效率更高？一座中心每月采出多少条有效数据才能打平账？

据多位接近头部中心的人士透露，运营端的分化已经开始显现：有模型团队长期订单的中心排期饱满，而缺乏绑定关系的中心已经在为闲置产能发愁，一些中心开始把方向从通用操作数据转向特定工业场景的工序数据——毕竟在真实产线上采的数据，稀缺性和议价能力都高一个档次。

对设备厂商来说，这轮建设潮的采购红利已接近尾声，下一个增长故事必须从『卖机器人』切换到『帮客户采出有用的数据』。对地方产业部门来说，数采中心的考核指标也应从签约台数转向数据交付量和下游复购率，否则很容易催生一批挂着智能招牌的空转展厅。

判断一个数采中心成色的试金石其实很朴素：看它敢不敢把数据交给模型方试训，并且对效果负责。敢的，是真生意；只敢拍宣传片的，迟早露馅。

🧭 写在最后：基建热之后，是真本事

106家数采中心，是这个行业第一次如此密集地押注同一个假设——数据是具身智能的瓶颈。这个假设本身大概率没错，错的是把『建中心』等同于『产数据』，把『产数据』等同于『有壁垒』。未来一年，84家已投用中心将接受复购率和数据质量的检验，行业大概率会经历一轮静悄悄的出清。活下来的那批，未必是建得最早的，但一定是离真实场景和真实订单最近的。数采中心的下一个故事，不在签约仪式上，在模型训练日志里。

注：文中项目数据来自虎嗅截至2026年8月的公开信息统计与行业调研，部分项目公开信息有限，细分统计以可确认样本为准。