70座训练场背后，一场工业AI的路线分野

同一周里，工业圈发生了两件看似不相关的事。

大洋彼岸，施耐德宣布以约226亿美元（企业价值口径）收购美国工业软件公司PTC（信源：施耐德电气2025年11月官方公告，路透社、彭博社同步报道），工业软件巨头并购整合期正式开场；家门口，据行业媒体不完全统计，全国已建成启用的具身智能训练场超过70家，在建、规划的还有40余家（信源：科创板日报、机器之心等多家行业媒体2025年汇总统计；需要说明的是，该数字为媒体口径，官方尚无统一披露，使用时请注意统计时点）。

一个在买『记忆』，一个在攒『经验』。这两条线交汇的地方，就是未来五年工业AI的主战场之一。本文不打算给出唯一答案，而是把两条路线的事实摆出来：一条是用资本买工业软件沉淀，一条是用基建攒真机数据。至于中国该押哪条，交由读者基于事实自行判断。

🏗️ 训练场，成了具身智能的新基建

没有数据的机器人，就是一台昂贵的展品。

先看一个场景。据深圳本地媒体及行业媒体报道，深圳依托实训数据训练出来的轮臂式人形机器人，已经能完成开关电柜、启闭工业阀门这类作业——注意，这不是展会上的遥操作表演，而是投入真机训练应用后的实际能力（信源：2025年深圳特区报、南方都市报相关报道）。

电柜开关、工业阀门，听起来平平无奇，但这些都是典型的高危、高频、强规程工业场景。机器人能在真机上把这些活干明白，背后是训练场大规模实训数据归集在支撑。

数字摆在这里：今年以来，据行业媒体不完全统计，全国已建成启用70多家具身智能训练场，在建、规划的还有40余家，长三角、京津冀、珠三角三大核心集群已经成形。其中已有可查证的标杆案例：

• 北京：北京具身智能机器人创新中心（国地中心）在亦庄建成训练场地，并发布开源真机数据集RoboMIND，收录约10.7万条操作轨迹，覆盖479种任务、112类物体，涉及6种机器人本体（信源：国地中心2024年12月发布信息）；
• 上海：国家地方共建人形机器人创新中心（浦东张江）建成开放的具身智能训练场，配套真机数据采集与共享机制（信源：上海市及浦东新区2025年公开信息）；
• 深圳：2025年3月发布《深圳市具身智能机器人技术创新与产业发展行动计划（2025—2027年）》，提出到2027年具身智能机器人产业规模达1000亿元以上（信源：深圳市政府官网）；
• 企业侧：智元机器人开源的AgiBot World数据集，官方称规模达百万级，覆盖100余种真实场景（信源：智元机器人官方开源发布）；优必选Walker S系列已进入比亚迪、极氪等车企工厂开展搬运、分拣、质检实训（信源：优必选官方通稿及合作方公开报道）。

对具身智能略有了解的人都明白，数据是这个行业最硬的瓶颈。算法开源化了，算力可以买，唯独真机在真实物理环境里跑出来的操作数据，既不能凭空生成，也没法从论文里抄。仿真可以解决一部分问题，但sim-to-real的鸿沟，最终还是要靠真机一遍遍碰出来的数据去填。

成本也可以粗算一笔账：按行业普遍估算，遥操作采集一条真机轨迹的人工成本在百元量级，单台工业级人形机器人整机价格在数十万至上百万元区间（消费级参照系：宇树G1售价9.9万元起，信源：宇树科技官网）。以此推算，一个规模化训练场年运营成本即达数千万元级——这解释了为什么训练场普遍以政府引导加企业共建的方式落地，而不是纯市场化自发生长。

训练场，本质上就是具身智能的『驾校』加『数据工厂』：机器人进场练车，练车的副产品——海量真机操作数据——回流给模型。

这个飞轮一旦转起来，先发优势是滚雪球式的。70多座已启用加40多座在建，意味着中国正在用基建的方式解决数据问题——这非常『中国式』，也非常务实。但先发不等于领先，数据能不能互通、标准能不能收敛，才是决定飞轮转速的关键变量（下文详述）。

💰 226亿美元，买的是机器人的『记忆』

巨头买软件，买的从来不是代码，是工业知识的地契。

再看另一条线。施耐德以约226亿美元收购PTC，市场普遍将其解读为『国产替代警钟』，但这个解读其实浅了一层。先看交易本身的可量化信息：

• PTC 2024财年收入约23亿美元，其中经常性收入占比超过80%（信源：PTC 2024财年年报）——226亿美元的对价约为市销率的10倍，市场为的不是当期利润，而是长期订阅的现金流和沉淀数据；
• 施耐德在公告中明确将PTC的CAD（Creo）、PLM（Windchill）、ALM（Codebeamer）产品线与自家自动化硬件协同，作为『从设计到运营』一体化战略的支点（信源：施耐德电气收购公告）；
• 交易预计2026年完成交割，尚待各国监管审批（信源：施耐德电气公告）。

用『工业Agent=脑子+记忆+手脚』这个框架去拆这笔交易：

脑子，是模型和决策能力，大模型时代各家都在补；手脚，是机器人和执行器，正是训练场在喂数据的部分；而记忆——CAD、PLM这些沉淀了数十年产品数据的数字主线——才是最贵的。

PTC的价值就在『记忆』这一格。工业软件巨头并购整合期不是偶然：当工业AI走到落地阶段，光有会思考的脑子不够，还得知道这个零件三十年间改过多少版图纸、这条产线的历史工艺参数是什么。这些记忆不在大模型的参数里，在PTC这类公司几十年的客户合同里。参照系是西门子：其数字化工业软件业务年收入在百亿欧元量级，是全球工业软件全栈化的既有样板（信源：西门子年报）。

施耐德买PTC，就是把『记忆』焊进了自己的『脑子』和『手脚』。多位接近产业的人士判断，这笔交易之后，海外工业巨头会加速朝『全栈一体化』方向收敛——一个供应商包圆从设计到执行的所有环节，也就是第二个西门子的打法。这一判断目前是推演而非事实，能否成立，要看ABB、罗克韦尔等同行后续的并购动作。

问题来了：这条路，中国该跟着走吗？

🗺️ 要不要第二个西门子？——一个需要事实检验的问题

需求结构不同，答案可能就不同。

这是本篇想展开讨论的判断，它是一种观点而非定论，支撑它的是几组可核验的数据。

欧洲制造业的痛点是流程、合规、可追溯——所以西门子式的全栈巨头有生存土壤，一家供应商提供从PLM到自动化的一揽子方案，客户省心。

中国制造业的痛点是另一回事：场景碎、迭代快、极致效率导向。一个做3C的工厂和一个做阀门电柜的工厂，需求几乎没有交集。这种碎片化的需求结构，天然不适合全栈巨头，反而适合生态打法。产业基础数据也侧面印证了场景的密度差异：据国际机器人联合会（IFR）统计，2023年中国制造业机器人密度达每万名工人470台，位居全球第三（信源：IFR 2024年11月发布的《World Robotics》报告）——密度意味着场景，场景意味着数据的多样性。

政策端的表述同样值得对照：工信部2023年10月印发的《人形机器人创新发展指导意见》提出，到2025年人形机器人创新体系初步建立，到2027年综合实力达到世界先进水平（信源：工信部官网）；更早的《『机器人+』应用行动实施方案》（2023年1月，工信部等十七部门）则提出到2025年制造业机器人密度较2020年翻番。北京、上海、深圳三地的具身智能行动计划也均已在2025年密集出台。这些文件的关键词是『应用』『数据集』『场景』，而非『全栈一体化』。

基建领先