《科创板日报》11月2日讯 10月28日上午，国家数据局组织召开行业高质量数据集建设链主工作座谈会，会议强调，行业高质量数据集建设要坚持“以需定供、以用促建、以评提质”原则，其中，摸清人工智能用数需求被作为重点工作提及。
会议称，链主单位要立足自身需求，主动拓展产业链上下游等外部需求，坚持需求导向，精准推进数据集建设。
此前10月20日，国家数据集团有限公司正式挂牌成立。
数据采集是为VLA等具身大模型提供训练“原料”，是构建数据飞轮、支撑商业闭环的基础。与文本大模型可以从互联网抓取语料不同，物理AI无法依靠网络爬取完成数据积累，需要建立任务指令、环境观测、机器人状态、控制动作与执行结果之间的时序关联，数据既要包含视觉、语言，也要覆盖关节位姿、力觉和触觉等信息，并满足“准、全、广、真”的要求。
随着人形机器人、物理 AI 产业快速推进，硬件本体方案持续迭代，但高质量物理交互数据供给不足，已经成为制约模型能力跃升的核心短板。
国金证券表示，行业预计成熟具身大模型所需数据至少为千万小时级，进一步迈向通用智能则可能需要亿小时量级，而当前行业高质量训练数据仅数十万至百万小时，供需缺口约90%。
据浙商证券研报，2026年初全球合规可用的真实物理交互数据距离训练单个通用具身大模型尚有20倍缺口。当前行业正受益于标准体系加速构建、数据要素市场化、数据规模工业化、资本快速涌入四大利好因素驱动，带动具身智能数据采集快速发展。
物理AI领域优质数据先行，行业头部公司正加速商业化推进。Scale AI 是全球AI 数据基础设施龙头，定位为AI 训练数据服务提供商，核心业务覆盖数据、评测和应用AI 三大领域，2026 年公司估值达290 亿美元，与人工智能公司、硬件厂商、医疗机构、政府等有订单合作。
从产业链上看，浙商证券称，上游硬件设备中性预期下预计到30年市场规模达153亿元，其多为具身智能本体复用，产业链已较为成熟，壁垒和集中度相对更高的同时，作为上游卖铲人，预计头部公司的业绩的确定性更大，建议优先关注具备刚需属性的相机和IMU环节，以及部分竞争格局较好&壁垒较高的环节；中游数据采集中性预期下市场规模预计到30年达1741亿元，26-30年CAGR203%，行业正处于从0到1的快速发展期，远期成长空间明确，弹性更大，建议关注其中的数据集供应商、具备软硬一体的数据采集商、数据后处理厂商以及仿真平台厂商。
国金证券表示，供给的缺口与尚未收敛的技术催生众多玩家入局，从商业范式看，数采设备和服务的商业模式最为清晰，是整个数据采集产业订单可见度最高，现金流最稳定的环节，龙头公司将持续受益于供需缺口的放大和路线收敛带来的格局集中。短期关注具备订单、产能和交付能力的数采服务商，中长期优选能够将数据处理平台化，并向模型评测、后训练及部署回流延伸的公司。
该机构重点关注三类公司：（1）拥有传统AI 数据服务经验的传统龙头；（2）以仿真资产为底座，构建软硬件一体平台的仿真龙头；（3）布局“数据—仿真—训练—迁移—场景”闭环的全流程平台。