01 产业链全景图
02 物理AI-数据采集 简介
随着人形机器人四肢硬件方案的逐渐定型，行业瓶颈已转移至机器人大脑。在 AI 与具身智能快速发展的推动下，大脑能否感知环境、理解指令、自主规划并完成任务，决定了产业的后续发展空间。2023年11月，工信部发文明确，打造机器人大脑的核心是搭建大模型训练库，积累高质量多模态数据。
02-1 物理AI的数据采集
物理AI（如人形机器人、自动驾驶）的数据采集与大语言模型截然不同。打个比方：训练 ChatGPT 就像让它“读万卷书”，将互联网上的文字、图片全部喂给它；而训练物理 AI，则需要让它“行万里路”，教它在真实世界里如何走路、抓取物体以及摔倒后爬起来。因此，物理 AI 数据采集的核心在于采集“带物理规律的交互数据”。具体来说，主要采集以下三个方面：
1. 看什么（视觉）；
2. 摸到什么（触觉/力觉）；
3. 怎么动（空间与动作）。
02-2 为什么重要
数据采集与人形机器人的发展相互促进。数据是机器人大脑的核心训练原料，直接决定了落地效果，目前已成为订单中占比最高的赛道，在 2025 年千万级订单中占比高达 31.25%。优质数据能提升模型能力，而智能机器人又能产出更多高质量数据，从而形成正向循环。目前，数据缺口大、采集成本高是主要瓶颈。机器人动作数据采集难度远高于图文数据，行业所需百万小时真实交互数据，现有存量不足 5%。因此，各家厂商纷纷布局数据采集，试图通过高质量数据争夺大脑性能优势。
03 上游产业链-设备端数据采集
采集设备包含机器人整机、第一视角相机、UMI 相机、IMU、触觉传感手套、麦爪等。从数据结构看，第一视角这类无实体数据占比 40%-50%，真机操作数据占 30%，剩下的是仿真与故障数据。由此可见，第一视角相机、UMI 相机、IMU 的市场需求最高。
03-1 机器视觉
以奥比中光为例，作为深度相机领域的龙头企业，它同步提供标准件与定制件，推出了 EGO、UMI、Hub 等多款数采设备。依托 3D 视觉技术，奥比中光既能提供标准化的采集方案，也可以按需定制，凭借强大的制造能力与产品生态拓展市场。深度相机技术迁移性强，奥比中光掌握多种深度视觉底层技术，包括自研芯片、算法及软硬件一体化能力，在移动机器人赛道市占率超 70%。此外，它将 3D 视觉与 2D 相机技术结合，成功切入非本体的数据采集场景。
03-2 IMU
IMU（惯性测量单元）就像设备的“内耳”，通过感知加速度和旋转角度，让机器在没有 GPS 或外部网络信号的情况下，也能清楚自己是在直行、转弯还是倾斜。当前，所有依靠摄像头采集数据的方案，都要搭配 IMU，它决定了数据的准确性、时间同步性以及易用性。在遥操用的动捕服、手套、VR 头显中，每个点位都装有 IMU。在 UMI 夹爪、EGO 头戴设备里，摄像头记录画面，IMU 记录动作姿态，解决了被遮挡、快速移动时画面数据丢失的问题。IMU 按精度分为消费、工业、战术、导航四个等级，相关企业可以关注华依科技、芯动联科。目前国内 IMU 市场基本被海外大厂把控，高端产品差距尤其突出。霍尼韦尔、ADI 等外企占据主要份额，国内 MEMS 加速度计市场前四名全部是国外品牌，合计份额接近七成；IMU 市场前五名也都是外企，合计占比高达九成，国产厂商还有很大的追赶空间。
03-3 触觉/灵巧手
灵巧手可以理解为机器人的仿生手，模仿人手的形态与功能，能够抓取、操作各类大小、轻重不一的物体，适配多样任务场景。特斯拉灵巧手目前已经迭代到第三代，性能持续优化。它复刻人手结构，依靠多指节、多关节、多自由度设计，复刻人手的捏、握等精细动作。灵巧手集成了驱动、传动、感知三套系统，和普通夹爪相比自由度更高，可以实现更复杂的操作；但代价是成本更高，可靠性、维护难度不及夹爪，同时对算法的场景泛化能力也提出了更高要求。据机构测算，2024 年到 2030 年，全球多指灵巧手市场年均增速 64.6%，到 2030 年规模会突破 50 亿美元，行业即将迎来快速扩张。国内方面，2024 年灵巧手销量 0.57 万只，2024 至 2030 年年复合增速达到 90%，预计 2030 年国内总销量超过 34 万只，其中供人形机器人使用的就有 32.5 万只。全球灵巧手市场，亚太地区拿下了最大份额（37.9%），北美（32.6%）和欧洲（25.3%）紧随其后。美国企业目前占据先发优势，但中国企业正加速追赶，因时机器人、傲意科技等已具备较强竞争力。从玩家阵容看，海外有 Shadow Robot、Festo 等老牌巨头，国内评出的最具竞争力前十名里，因时机器人、傲意科技和帕西尼感知位列其中。
04 中游产业链–数采服务
04-1 数采技术
真实采集数据、仿真合成数据、互联网数据，共同组成数据金字塔：体量一层比一层更大，但成本和精度逐层降低。其中真实数据里，机器人自主工作产生的数据很少，大多靠动捕、遥操这类人机协同方式采集，本质上是采集人的动作数据；仿真合成数据、互联网公开数据以及纯人类动作数据，体量都远远超过机器人真机采集的数据。当前，数据采集的核心路径如下所示：
04-2 数据采集方式
2025 年，国内外机器人巨头都在疯狂抢数据。国内方面，宇树、智元、星海图等企业主打“降本”，纷纷推出专用于采集数据的轮式机器人本体，并配套自研软件，大幅降低硬件门槛，打通从设备到模型的训练闭环。海外巨头则财大气粗，砸重金死磕“真实环境”。比如 Figure AI 借资管巨头的 10 万套住宅，疯狂采集人类第一视角视频；特斯拉直接招募专员，让人穿动捕服、戴 VR 头显“打工”录数据。英伟达专家直言，训练机器人可能需要数百万小时的数据。现在大家拼的就是谁能用更低成本、更高效率“刷经验”，谁掌握了海量真实数据，谁就拿到了物理 AI 时代的门票。
04-3 现有数采中心
2025 年全国正密集建设至少 15 家“机器人数据工厂”，呈现出北京领头、长三角密集、中西部跟进的格局。这种工厂主要由政府牵头、科研机构和本体企业搭台，把数据采集、处理到训练做成一条龙。技术路线也分出了新旧两派：北京石景山等老牌中心多靠传统的遥操作和动捕；而天津帕西尼、宿迁京东等新玩家，已经开始主攻人类视角采集和灵巧手操作等更高阶的玩法了。
04-4 国内的核心参与者
1. 整机真实数据–智元
智元这步棋走得极重，直接砸钱建起“数据工厂”，要在具身智能赛道当最大的“卖水人”。人家底子确实厚：成立至今融了 11 轮，估值干到 150 亿，2025 年机器出货量直接破 5000 台。2024 年，智元在上海张江搞了国内首个规模化遥操作采集工厂，年底反手开源了全球首个百万真机数据集。连英伟达训练大模型用的真机数据，都有 80% 来自它。到了 2026 年，智元干脆把拼图补齐了：甩出超大规模数据集，配合升级版的仿真平台和基座大模型，甚至直接在真实的产线现场跑通了验证。从采数据、练模型到进厂干活，彻底跑通了闭环。但在他们联合创始人眼里，百亿级数据量远远不够，这盘棋的终局是万亿级。
2. 轻量化采集–京东
京东玩的是“人民战争”式的数据采集，打算拉上近 60 万人（10 万员工 + 50 万外部大众），搞一场人类史上规模最大的数据采集行动。核心武器是他们自研的穿戴终端“JoyEgoCam”，相当于把专业采集器做成了“傻瓜相机”。普通人戴上它在物流、医疗、家庭等场景里随便走，就能“即戴即采”，直接解决数据源头“不真不准”的痛点。按计划，两年内要攒够 1000 万小时的真机视频。这笔庞大的数据资产分三路走：一部分留着自己喂模型；一部分上架交易平台与同行合作；最后还向学术界开放，直接化身具身智能的“数据大亨”。
3. 仿真/合成数据–银河通用
当同行还在砸钱雇人“满世界跑”采真机数据时，银河通用选了另一条路：死磕仿真虚拟数据。它们用极其高效的“数据印钞机”（一周生成 10 亿帧），证明了纯虚拟数据预训练完全可行，效率号称是业内的 1000 倍。这硬核实力让资本疯狂买单，2024 年和 2026 年 3 月分别融了 7 亿和 25 亿。靠着海量廉价数据，银河通用开源了千万级灵巧手数据集，还联合智源发布了抓取大模型 GraspVLA。这个模型泛化能力极强，不管光线怎么变、物体怎么放，都能稳稳抓取。目前，这套基于虚拟训练的系统已在零售、汽车产线等真实场景落地，做到了用虚拟算力撬动物理商业。
4. 上市数据供应商–海天瑞声
海天瑞声作为国内最早做 AI 训练数据的“老大哥”，深耕数据采集与治理近 20 年，服务覆盖全球 70 国。如今全面发力具身智能：不仅参与发起“100 万小时超高质量真实数据计划”，还拿下了国内头部机器人厂商的真机采集订单，正稳步推进方案落地。2025 年 8 月，海天瑞声联手石景山人形机器人数据训练中心建立“训练场”。海天瑞声输出其数据资源与轻量仿人机械臂技术，配合训练中心的场地与项目优势，双方强强联手，打通具身智能从数据开发到场景应用的闭环。
05 下游产业链–应用场景
物理 AI 数采的下游，核心是把真实世界采集到的视觉、触觉和动作数据，用于机器人模型训练与迭代。目前主要落地在汽车制造、工业巡检、电力作业、仓储物流、商业服务及康养陪伴等场景。机器人在真实任务中持续回传数据，再反哺模型优化，形成“部署—采集—训练—再部署”的闭环。随着应用规模扩大，场景数据将成为提升机器人泛化能力和作业可靠性的关键资产。