原標題：交匯點觀察｜數據“饑荒”何解？江蘇多地給機器人建“學校”

　　8月17日下午，記者探訪位於南京市玄武區的江蘇國際數據港具身智慧創新中心，一個充滿未來感的機器人“實訓營”映入眼簾。

　　掃碼理貨、端盤送餐、快遞分揀……5000平方米的開闊空間內，由江蘇箸境智慧科技有限公司自主研發的S1人形機器人，正在完成從“看得懂”到“拿得穩”的進化。箸境智慧科技聯合創始人史夢嬌介紹，中心每天有50名數據採集員同時作業，在1:1復刻的商超、餐廳、分揀等真實場景中持續産出高品質訓練數據。

　　箸境的實踐，是當下具身智慧數據採集産業的一個切片。當人形機器人不再滿足於“表演炫技”，而是要在工廠、商場、家庭中真正“上崗”時，破解數據瓶頸成為一個關鍵的行業共識。去年以來，數據採集訓練場席捲全國，成為一項“新基建”。那麼，這些海量數據究竟怎麼採？江蘇的數據採集工廠佈局呈現出怎樣的圖景？又該如何保障數據的高效與可用？

　　數據怎麼採？

　　當前，業界對這一新型基礎設施的稱呼各有側重，諸如“數據工廠”“數採工廠”或“訓練基地”等。

　　對於人形機器人而言，這裡兼具“學校”與“實習工廠”的雙重屬性。在正式踏入千行百業“上崗打工”之前，它們必須在這裡經歷高強度的實訓，通過一遍遍的實操練習來掌握各項技能，完成從實驗室走向真實世界的過渡。

　　走進任何一座數採工廠，最常見的場景是採集員戴著頭顯、握著手柄，“教”機器人幹活。頭顯是機器人的“眼睛”，手柄是機器人的“手”，人的每一個動作都被實時同步給一旁的機器人，變成一條條結構化數據。

　　簡單來講，數據採集本質是採集員通過‌真人演示或遙操作‌産生高品質行為數據，供機器人深度學習以掌握動作技能，即“教”機器人做事。‌‌

　　夾爪提起T恤衣角，手臂平穩移動後輕柔放下以折疊袖子；隨後雙臂移至腰線處，從縫線處捏住布料將衣服對半折疊……在蘇州魔法原子數採工廠裏，工作人員通過佩戴頭顯和手握手柄，以遙操的方式“教”機器人完成動作，從而訓練機器人的決策模型與思維能力。

　　在蘇州高新區太湖具身智慧産業園內，銀河通用構建了約20個高度倣真的模擬場景。00後曹宇飛是數據採集組長，帶著二三十名訓練師同時訓練100台機器人，他表示，家庭場景是目前任務種類最豐富的板塊，機器人需要學會疊衣服、晾衣服、撿拾地面物品等日常家務。一般每項任務需要數百小時的有效採集時長來做支撐。

　　採集技術本身也在迭代。過去是1.0遙操作，現在正向5.0“物理AI”時代躍遷，也就是在視覺基礎上融入觸覺感知：物體是否滑移？表面軟不軟？力度合不合適？這些信息直接決定了機器人能不能穩穩抓取、精準裝配。

　　更大的變化發生在採集模式上。今年5月，京東與宿遷聯合打造全國首個具身智慧數據採集社區，居民戴上輕量化設備，做家務時就順便採數據。“平時做家務順便就把數據採了，感覺自己也參與了機器人的‘成長’。”宿遷湖濱社區的王芳正在收拾桌面，頭上一款僅220克的JoyEgoCam實時記錄著她的上肢軌跡。

　　如今，數據採集場景還在不斷擴展——果農綁枝、縫紉工穿針引線、護工扶老人起身，都被完整記錄下來。宿遷已在4個區設立採集站點，京東計劃兩年內發動超10萬名內部員工及50萬名外部人員，完成超1000萬小時數據採集。

　　玩家都有誰？

　　長三角是國內數採工廠最密集的區域，其中江蘇是核心板塊。

　　南京跑出了自己的節奏。2025年底，箸境智慧在江蘇數據交易所完成全國首單具身智慧數據集交易，辦公、商超、餐飲、家政四大場景約2.5萬條結構化數據創下紀錄。今年8月，眾擎機器人江蘇創新中心與擎安機器人數據採集平臺在南京河西揭牌，近千平方米採集大廳裏，商超貨架、交通路口、快遞分揀等場景1:1搭建。“採集的視覺、力覺、姿態等多源數據，正是讓機器人從實驗室走向真實應用場景的‘口糧’。”江蘇擎安副總經理張鐵監説。

　　南京雨花臺區走特種機器人路線，天創機器人“江蘇省具身智慧特種機器人數據採集訓練中心”2025年12月已正式投入使用，今年6月其組建的南京市具身智慧機器人重點實驗室通過認定。

　　蘇州的打法是“虛實結合+工業場景”。高新區太湖具身智慧産業園內，銀河通用中心建築面積約1.1萬平方米，100台機器人同時在20個倣真場景裏訓練，99%以上的數據靠虛擬生成，一週就能産出十億級操作數據集，成本只有實採的百分之一。吳中區則主攻“非結構化工業場景”，魔法原子數採工廠每天産出約1.6萬條有效數據，真實數據佔比超80%；蘇州市具身智慧機器人綜合創新中心已吸引18家企業入駐訓練，累計採集高品質數據超140萬條。鹿明機器人自研無本體採集系統，把單條數據採集時間從50秒壓縮到10秒，效率提升5倍，綜合成本降低80%，已在吳中區建成150多個數採工位，覆蓋40多類應用場景。

　　無錫的切入點是工業數據。惠山區洛社鎮，省工業數據採集與實訓中心近7000平方米空間裏，近百台機器人同步實訓，年産上千萬條工業數據。今年5月，無錫數據集團啟動“千企百萬小時”計劃，深入上百個工業工位，聯動萬餘名一線工人，用輕量化設備把老師傅幾十年的手藝實時解算成運動軌跡，單位數據採集成本可降至傳統模式的三分之一，效率提升3倍。截至6月已簽約20家客戶、3萬小時訂單。6月22日，無錫數據集團與帕西尼達成戰略合作，從“復刻動作”升級到“理解物理直覺”；7月15日，開普雲具身智慧訓練場（無錫基地）揭牌，為300台智元機器人採集生活、零售、工業場景數據，預計年有效數據産能達50萬小時。

　　宿遷背靠京東。京東全國首個機器人數據採集中心去年10月投産，佔地5000平方米，1:1還原零售商超、物流倉儲等五大場景，30個採集室每天完成上百組任務。5月20日，全國首個具身智慧數據採集社區運行。宿遷已構建“採集—標注—訓練—驗證”全流程數據流水線，標注産業園集聚近2000名從業人員，AI預標注模型“偉坦”分類精準度世界第一。

　　此外，常州5月投運具身智慧數據實驗平臺，150台輪式機器人可完成超1000種任務，被業界稱為“數採中心2.0版”；南通中天·智元具身智慧創新中心7月揭牌；揚州4月簽約共建應用創新中心；鹽城有優必選江蘇總裝基地落戶……

　　長三角其他城市也在紛紛加碼。合肥訓練場投資5895萬元，83台機器人、33個場景。浙江德清有8000平方米固定場景加937平方公里開放場景，年産能超千萬條。

　　高工人形機器人統計顯示，截至目前，全國已建成或正在建設的數據採集、訓練工廠至少15座，整體呈現“北京領跑、長三角集聚、中西部加速佈局”的産業格局。

　　何以降本增效？

　　資本重投入、産業協同難、標準體系缺失，是當前建設具身智慧數據採集工廠必須跨越的門檻，也是物理AI規模化落地的核心瓶頸。

　　帕西尼多模態數據負責人曾拆解過行業成本賬，清晰展現了第一道硬核資本壁壘，核心投入集中在四大重資産板塊：包括單臺成本動輒60萬至70萬元的核心專業採集系統、具備産業經驗的龐大專業採集團隊、超萬平方米的標準化物理空間，以及匹配數百PB級存儲容量與極高實時算力的算力底座。

　　換算到産出端，單條數據的獲取成本同樣高昂，一條30秒的真機操作數據採集成本在10至15元之間，1小時則高達千元，有業內人士測算，湊夠20萬小時數據需耗資兩億元，完成百萬小時真機數據的預訓練，投入成本更是直奔10億元量級。

　　面對高昂的成本壁壘，江蘇各地從多個維度探索降本增效的破局路徑。

　　例如無錫推出“千企百萬小時”計劃，將單位數據採集成本大幅降至傳統模式的三分之一，蘇州具身智慧機器人綜合創新中心則以平臺共享模式降低企業門檻，入駐企業前半年完全免費，魔法原子也在南京富士康車間探索出“日夜雙棲”的採集新模式，讓30台機器人白天執行零件搬運任務，夜間自動切換至技能訓練模式，實現了生産場景與採集場景的復用，進一步攤薄了投入成本。

　　各大行業玩家也在産能佈局上加速跑馬圈地。

　　京東計劃兩年內突破1000萬小時數據，帕西尼天津工廠年産近2億條數據，五廠聯動後整體規模將邁向百億級別，北京石景山、無錫工業中心以及鹿明機器人等也分別錨定千萬級乃至百萬小時的年産能目標。

　　但數據工廠遍地開花之後，具身智慧的數據缺口並沒有被真正填平。一組客觀的行業數據清晰勾勒出當前行業仍深陷“數據荒漠”的現狀，當前全球高品質真實物理交互數據僅約50萬小時，不足大語言模型訓練數據的兩萬分之一。

　　國金證券7月15日發佈的深度研究報告指出，隨著本體硬體逐步成熟，決定具身智慧能力上限的關鍵變數，已從機械性能轉向高品質數據，相較于算力和硬體，數據已成為物理AI時代最稀缺的生産要素，報告測算，要訓練具備實際應用能力的具身智慧模型，行業至少需要1000萬小時的多模態交互數據，而當前全球積累的數據量尚不足需求的5%。這一巨大供需缺口，正推動數據採集中心、數據服務及採集設備加速進入新一輪建設週期。

　　不過，産能擴張帶來的另一重隱性門檻則是行業長期缺失統一規則導致的數據品質參差不齊。

　　從地方實踐到國家層面，一套標準化的規則框架正在加速搭建，今年2月《人形機器人與具身智慧標準體系（2026版）》發佈，5月國家標準計劃下達，7月工信部批准發佈《具身智慧數據集品質要求及評估方法》並將於11月實施，這標誌著數據採集正從早期的“手工作坊”邁向標準化的“工業流水線”。

　　2026年是業內普遍認可的具身智慧數據規模化元年，真正的産業賽點已不再是比拼誰建的數據工廠多，而是誰能在數據品質、標準統一、閉環效率這些“深水區”率先破局，正如業內人士指出的，只有打通底層的數據基礎設施，讓中小企業“用得起數據、訓得起模型”，才能讓機器人真正“學得會開門、進得了工廠、回得了家庭”，迎來屬於具身智慧的生産力飛躍。（新華日報·交匯點 記者 萬晨）