106家数采中心，开始批量露馅？

导语

两年前，几十台机器人被成批搬进新建训练场，各地签约锣鼓喧天；两年后，梅卡曼德创始人邵天兰一句“攒局”，把数采中心推上了风口浪尖。虎嗅对全国106个公开披露的集中式数采项目做了轮摸底：建设潮已过，84家投了运营，但真正能产出“有用数据”的，可能远没这个数字好看。数据是具身智能的石油，可石油要是掺了水，炼出的油就该着火了。

🔥 从每月2.7个到7.3个：一场教科书级的建设狂飙

金句开场：风口来的时候，没人觉得自己是最后一棒。

先把时间拨回2025年春天。在那之前，数采中心还是个边缘概念——2024年3月到2025年3月，全国平均每个月只有约2.7个项目启动。业内人私下开玩笑：“那时候谈数采，投资人都以为是做数据中台的。”

转折发生在2025年4月。从2025年4月到2026年1月，月均启动数量跳升至约7.3个，接近此前的三倍。训练场、数据采集基地、具身智能创新中心在各地密集落地，几十台、上百台机器人被搬进一个个新建的训练场，签约仪式的照片在朋友圈刷屏。

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2026年8月，虎嗅统计的106家集中式数采中心中，已有84家投入运营，占比79.25%。也就是说，建设潮基本结束了，行业正在从“密集开工”切换到“集中运营”。

产业逻辑很直白：具身智能模型要吃数据，VLA（视觉-语言-动作）范式的崛起让高质量真机数据成了刚需。谁手里有数据，谁就掌握话语权——地方看中了产业招商的故事，企业看中了数据的卡位价值，双方一拍即合。

但狂飙的代价也随之而来。据多位接近行业的人士透露，不少项目签约时的逻辑是“先建场子，再找买家”——场地有了、机器人到位了，可谁来买数据、采什么数据，账还没算清楚。

⚠️ 邵天兰开炮：攒的什么局？

金句开场：当裁判开始质疑选手，说明比赛进入下半场了。

前不久，邵天兰公开质疑具身智能行业里的“攒局”现象，数采中心被卷入其中。这和一年前的气氛已经明显不同——彼时大家忙着剪彩，如今开始互相拆台。

为什么？因为运营数据开始说话了。一座集中式数采中心的成本结构并不轻：场地、机器人本体、操作员人力、运维，样样都是持续支出。而收入端却高度不确定——数据采购方主要是具身大模型公司和本体厂商，这两类客户自己也在商业模式验证期。

一个训练场里上百台机器人齐刷刷叠衣服、抓杯子，画面很壮观，但模型公司真正缺的，往往不是这种千篇一律的“表演式数据”。业内流传的吐槽是：“采出来的数据看着很多，倒进模型里，增益还不如在真实产线上跑一周。”

数据质量问题的核心在于场景真实性。叠毛巾、抓积木这类实验室任务，动作分布单一、环境变量少，采一万条和采十万条的差异，可能远小于从真实物流仓、产线上采一千条。这也是为什么“数据很多但模型很笨”成了今年业内的普遍困惑。

数采中心的商业模式本质上是“重资产数据工厂”，而数据恰恰是边际成本递减不明显的行业——每条数据背后都是真人的操作时间。没有明确下游订单支撑的数采中心，投产之日就是烧钱之始。

这就是“攒局”质疑的靶心：一些项目成立的动力是地方政策补贴、产业园招商指标和融资叙事，而非真实的数据需求。当补贴退坡、资本回归理性，这批中心的日子会最先难过。

📈 900亿融资与关键拐点：行业自己也在泼冷水

金句开场：泡沫不可怕，可怕的是没人愿意承认水里有泡沫。

九月中旬，第九届中国机器人峰会在杭州未来科技城举行，主题是“智联新生态，赋能全场景”。这场峰会最有意思的地方在于：台上台下的核心议题，不再是宏大叙事，而是“能不能落地、能不能真正实现产业化”。

曲道奎——中国机电一体化技术应用协会会长、新松机器人创始人——在演讲中给出了一组关键背景：2026年上半年具身智能赛道融资总额已突破900亿元，人形机器人量产进程加速，央企创新联合体蓄势待发。但他同时提醒：核心部件“卡脖子”问题仍待突破，真实场景应用占比仍有短板，标准体系尚待统一。从资本狂欢走向价值兑现、从实验室演示走向规模化应用，是全行业必须共同跨越的关口。

有意思的是，并非所有人都在唱衰。珞石机器人执行董事、副总裁宋斌的观点更冷静：浪潮兴起阶段伴随泡沫属于正常现象，不能一看到泡沫就回避、停止发展——市场热度提升带来的资金和人才，恰恰是产业落地的有利条件。

这个判断和数采中心的处境对上了：106家中心里，泡沫肯定有，但建设本身确实为行业攒下了基础设施和人才队伍。问题不在“建”，而在“怎么运营、为谁运营”。

pie

title 106家数采中心运营状态

已投入运营 : 84

尚未投用 : 22

峰会上还发布了两项值得关注的成果：机器人具身智能能力评测框架，为具身智能的能力衡量与技术选型提供统一标尺；以及中国产学研合作促进会康养机器人协同创新平台的启动。前者尤其关键——评测标准的缺失，正是数据质量参差不齐的制度性根源。没有统一标尺，“什么是好数据”就只能靠各家模型公司自己说了算。

💡 场景为王：京东选珞石的理由，戳中了数采中心的命门

金句开场：真数据不在训练场里，在客户的仓库里。

宋斌在峰会上分享了一个案例，几乎是对数采中心困境的镜像回应：珞石与京东今年合作推出“苍狼”“异狼”机器人产品，而京东选择珞石的核心原因，是其拥有海量物流场景数据——这是未来搭建面向物流具身智能的大规模数据库的基础。

宋斌点出了数据的关键构成：第一人称采集数据、真机数据、Sim2Real仿真拟合数据，都是具身智能落地所需的高质量垂域数据集，而依托真机场景自动化产生的数据，才能驱动智能化迭代。

注意这句话的分量：数据产生在真机场景中，而不是在训练场里。京东有物流仓，美团有配送网络，工厂有产线——这些真实场景天然就是数据富矿，而且是“边干活边采”的自动化数据，成本结构和集中式数采中心完全不同。

珞石自己的路径也印证了这一点：从2016年发展协作机器人，到2025年下半年布局仿人机械臂场景，十年累计出货约12万台套，当前下游最大的增长点已经成为具身智能。宋斌的结论很直白：真实的场景才能带来真实的商机，真实的场景才能带来持续增长。

这对集中式数采中心意味着什么？

产业逻辑正在分化：头部场景方（电商物流、制造企业）倾向围绕自己的真机场景建数据闭环，数据资产自采自用；而集中式数采中心如果只停留在通用任务演示层面，就会被挤压成“数据代工厂”，赚辛苦钱，甚至接不到单。

出路不是没有。数采中心可以转型做三件事：一是承接本体厂商的量产前测试与数据标定，从“采数据”升级为“测产品”；二是聚焦特定垂域，和场景方共建数据集；三是配合评测框架做能力验证服务。星海图的沈鑫在峰会上谈到，这一轮浪潮之下，行业看到了很扎实的技术创新基本面——技术基本盘在，缺的是把数据、场景、评测串起来的商业化设计。

🎯 小结：从建楼到炼油

106家数采中心，是这个行业两年狂飙的纪念碑，也是试金石。建设潮已经过去，84家投运的中心正在接受最诚实的拷问：你的数据有人买吗？能进模型吗？能带来增益吗？邵天兰的“攒局”质疑、曲道奎的“价值兑现”提醒、宋斌的“真实场景”论断，说的其实是同一件事——数据的价值不在数量，而在场景密度。接下来一年，会看到一批数采中心转向垂域共建和测评服务，也会看到一批悄悄熄灯。具身智能不缺油井，缺的是炼油厂。谁能把真场景炼成真数据，谁才能留在牌桌上。

本文数据与事实来源于虎嗅对106个公开披露数采项目的统计调研，及第九届中国机器人峰会公开信息。