百座训练场狂飙两年，开始算真账

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套动作：抓杯子、放下、再抓下一个。采集员通过遥操作一遍遍纠正轨迹，同样的场景在成都、无锡、南昌、苏州、天津、深圳同步上演。过去两年，这门叫「训练场」的生意成了具身智能行业最热闹的存在。但热闹归热闹，账终究要算——造出来已经不是问题，用起来才是；而用起来的第一道坎，是数据。

📉 一道算术题：为什么数据成了新瓶颈

所有生意背后都是算术题，训练场也不例外。

大语言模型的崛起，靠的是互联网上约300万亿词元的现成语料。机器人要学的呢？视觉、动作、力觉、触觉数据——互联网上几乎没有，只能从零采集。这就是具身智能和文本AI最本质的分野：前者没有「语料的童年」，一切都要自己挣。

中国信通院测过这道缺口：机器人要迎来自己的「ChatGPT时刻」，需要千万小时级的真实数据，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。据发布会披露的行业口径，缺口超过99%。

与此同时，供给侧却在狂奔。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%——不是造不出来，是造出来之后「用不起来」。一台没有真实数据喂养的机器人，进了工厂抓不稳、进了酒店送不准，商业化就成了空中楼阁。

于是，训练场成了这道算术题的答案。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。上百座训练场，本质上是一百多个解决「从0到1」的数据工厂。

🏗️ 两年时间，从手工作坊到数据流水线

标准，是被逼出来的。

两年前，机器人数据的生产还是手工作坊状态：几台机器、几个工程师、想到什么采什么。现在走进北京人形机器人创新中心的数据基地，画风完全不同——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的任务拆解和流程定义。

这套闭环的威力，直接体现在数字上：该基地数据合格率从建设初期的50%左右，用三个月优化到95%以上；年产能18万小时，已对外交付近3万小时高质量数据。更重要的是成本曲线——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。一个数量级的降幅，就是训练场这门生意最硬的护城河。

但一位不愿具名的业内人士私下跟我说过一句话：「训练场采的是『标准动作』，工厂里要的是『糙活』。」集中式采集的场景终究有限，泡在实验室里的机器人，学不会应付油污、光线突变和手忙脚乱的人类同事。从0到1靠训练场，从1到100靠什么？这个问题，正在催生第二波数据供给模式的迭代。

💰 四百亿热钱，改变了投资人问的第一个问题

认知的迁移，比钱的流向更有意思。

IT桔子的数据勾勒了这场资本狂欢：具身赛道融资事件从2024年的105起跳升至2025年的333起，金额从95亿膨胀到406亿，分别激增217%和326%。进入2026年上半年，融资事件进一步冲到322起，几乎追平2025全年，202个披露金额的项目合计吸金超934亿元，同比增长350%。

一位2025年初在备忘录里写下「五年内不可能赚钱，但不投一定后悔」的投资人，两年里经历了行业最大的认知换挡。用他同行的说法：「这个行业最大的变化，不是钱多了还是少了，而是大家看项目时问的第一个问题一直在变。」过去问「你的技术有多牛」，后来问「这一轮融资的份额有多少」，现在问的是——「你的货发给谁了」。

转折点里被提及最多的，是2025年初的蛇年春晚：16台宇树Unitree H1参演创意舞蹈《秧BOT》，机器人当众完成转手绢、抛接手绢，火出了国门。从「看不清楚」到「不能错过」，具身智能完成了从小众赛道到主流共识的跃迁。但共识来得越快，淘汰来得越狠——业界私下流传的判断是，300家抢跑，船票可能只有20张。当投资人的问题从技术变成订单，数据能力就成了「能不能交货」的前置条件。

🌐 众包路线：把数据工厂拆进千家万户

答案之一，藏在普通人的手里。

9月23日，觅蜂科技在上海发布全球首个全品类高质量物理AI数据众包服务平台「觅蜂派」，主题定得直白：「DATA FOR AI，人人皆可为师」。董事长兼CEO姚卯青的判断是：机器人真正走进工厂、商店和千家万户，缺的不是算法与硬件，而是海量、真实的人类动作数据——叠衣、泡茶、理货这些平凡动作，就是机器人的高价值教材。

平台结构分两层：底层是MEgo系列采集设备、APP与数据后处理平台——其中MEgo View是行业首创的全感官多视角采集设备，头部多相机覆盖超300度视野，MEgo Gripper重建精度达毫米级并可选配三维触觉传感；上层是场景网络与采集员网络，普通人下载APP实名注册、申领设备后，按「接单—采集—验收—结账」四步即可结算，两分钟内到账。目前覆盖22个大类、5000余项任务类型、5万多个真实场景。内测一个月，近两万名用户注册，榜首单月收益5111元。

配套动作也密集：亿元补贴计划（5000万任务补贴、2000万设备补贴、3000万铺设40城线下网络、200万保险保障）、M1—M5五级成长体系、两年100万日活与100万机器人训练师的目标；人力资源社会保障部此前已将「具身智能机器人应用技术员」纳入新职业范畴。众包的本质，是把训练场的固定成本，变成一张弹性边际成本的网络。

⚠️ 算真账：三条路线，谁的钱最好赚

热闹看完，回到账本。数据供给目前三条路线：厂商自采、集中式训练场、众包网络（仿真合成数据作补充），各自的门槛与价值截然不同。

真账的三个关键科目：

成本。 训练场已把真机遥操作数据压到约275元/小时，但这个数字的前提是规模化运营与95%的合格率；众包按单结算，边际成本低，却要承担设备投放、补贴和验收成本——200万保险保障的出现本身就说明，这张网络的运维复杂度被业内低估了。

质量。 众包数据的动作规范度天然弱于训练场的标准化流程，合格率是生死线；这也是为什么觅蜂科技要拉上中国信通院联合编制《具身智能众包数据发展报告》，并联合国家机器人检测与评定中心、贵州大数据集团、中国电信数据发展中心共建生态，龙旗科技、华驿酒店、德济医院等12家单位首批入驻场景数据联盟——先立规矩，再扩盘子。

付费方。 最尖锐的问题：谁为数据付钱？训练场卖数据给模型公司，众包卖给头部厂商，但当下具身智能模型公司自己普遍不赚钱。业内一个广为流传的担忧是——「数据是别人的军火库，账单最后还是发朋友圈的人出」。在商业化订单真正放量之前，这门生意大概率仍由融资和补贴供养，934亿的热钱就是弹药库，但弹药总有打完的一天。

💡 换个角度看，这个行业的瓶颈结构其实很健康：硬件端中国已占全球出货97%，数据端缺口明确、路径清晰、成本曲线陡峭向下。数据基建先行，恰恰是产业成熟前的标准动作。

小结

上百座训练场，是具身智能行业的「修路期」——从50%到95%的合格率、从数千元到275元的单小时成本，两年时间解决的是数据「有没有、贵不贵」。而众包平台把采集权交还给千万普通人，解决的是「真不真、广不广」。接下来要算的真账只剩一道：当热钱退潮，数据到底能不能卖出模型公司的真金白银。机器人自己的「ChatGPT时刻」，不会诞生在发布会的大屏上，只会诞生在这些枯燥的、一小时275元的重复劳动里。