上半年融資935億元，缺口仍超99%；教機器人幹活的人，在吉林的廚房和山西的出租屋裏。
今年6月，年輕人小遠刷到一條網絡招聘帖，成了一名兼職數據採集員。設備不只有較沉重的頭戴攝像頭，兩只手還要套着模擬機器人抓握動作的機械抓夾。他每天採集約3小時，頭不能大幅度晃，否則採集無效；手臂長時間懸空保持姿態，同一個動作重復幾十甚至上百遍後，胳膊酸脹發麻、手部酸痛。“這份辛苦確實超出了我的預期。”小遠說。
在吉林白城，62歲的王小華退休後報名成了採集員。一枚輕巧的頭環交到手上，廚房炒菜、擦桌疊衣、水池邊刷鍋洗碗，全成了採集場景，她跟老姐妹調侃自己是“帶薪做家務”。家有兩個孩子的寶媽李女士工作日採集約6小時，周末休息，一個月能拿到四千多元。
他們有個官方職業名稱——“具身智能數據採集員”，更準確的說法是：給機器人當老師的人。2026年，當宇樹科技登陸科創板、上半年322起融資935億元湧入具身智能時，這個行業最稀缺的不是電機，不是關節，而是像小遠和王小華這樣的人，一幀一幀“做”出來的真實動作數據。
數採員與機器人影子概念示意圖，圖片由AI生成
硬件不再是瓶頸，大腦才是
2026年被業內視爲具身智能“量產落地元年”。宇樹科技8月19日登陸上交所科創板，成爲“A股人形機器人第一股”；智元機器人7月啓動赴港上市，進展已明顯放緩，公開報道稱其年內完成IPO的可能性正在降低。
一個共識正在形成：機器人的“小腦”和硬件進展極快，行走、跑步、抓取、搬運已相當利索，“大腦”——理解復雜世界並自主決策的能力——卻明顯更慢。
市場的錢給出了答案。中國信通院《具身智能發展報告（2026年）》援引IT桔子統計：2026年上半年，國內具身智能領域融資322起、約935億元，同比增長5倍。從細分流向看，錢正在明顯向“大腦”和數據基礎設施遷移。
50萬小時對千萬小時
據中國信通院等機構測算，截至2026年初，國內可合規用於模型訓練的真實物理交互數據約50萬小時；訓練一個具備通用泛化能力的具身模型，業內普遍認爲至少需要千萬小時級，高階智能更需億小時級別，缺口超過99%。基元智航董事長高少龍給出的參照更極端：行業共識是需要100億小時，而國內合規可用的僅50萬小時。
兩個數字差了三個數量級——不同機構與從業者對所需數據量級的測算差異如此之大，本身就說明行業對“夠用”這條線尚未統一。但無論按哪種口徑，缺口都大到無法靠現有供給填補。
與大語言模型“喫”互聯網現成的文字不同，具身智能“喫”的是物理世界裏的動作。擰瓶蓋背後的材質、螺紋、摩擦力、力度控制，互聯網上從沒儲存過，必須一條一條在真實場景中“做”出來、錄下來、標清楚。真機遙操作數據市場價約500到1000元/小時，仿真合成數據雖可壓到20到50元/小時，卻始終面臨“虛擬與現實”的遷移鴻溝。
50萬小時不是實驗室裏跑出來的。拆開看，是王小華在吉林的廚房裏炒菜擦桌，是李女士在家疊衣服鋪牀單，是小遠套着抓夾、重復幾十上百遍同一個動作直到胳膊發麻。機器人要變得像人一樣幹活，先得有人像機器人一樣，把活幹一遍。
姚卯青那句話，殘酷在後半句
智元合夥人、高級副總裁，覓蜂科技董事長兼CEO姚卯青在WAIC“智啓具身論壇”上說了一句話，值得原樣引用：“模型決定起點，數據定義終局。”
殘酷之處在於後半句。模型可以靠論文、開源和人才追趕，數據不行。姚卯青多次補充過一個判斷：物理AI要規模化，必須突破三道“牆”，第一道就是數據牆。覓蜂科技成立半年完成三輪融資，定位“一站式物理AI數據服務平臺”。一個做模型出身的人，把下一階段的賭注押在數據基礎設施上，本身就是信號。
戴盟機器人的路徑更具體。2026年8月，這家孵化於香港科技大學團隊、總部位於深圳的觸覺公司完成數億元戰略融資，螞蟻集團領投。4月15日，戴盟聯合GoogleDeepMind、中國移動、清華大學等數十家機構發布Daimon-Infinity數據集，首批1000小時真實世界數據上線阿裏魔搭社區，開源規模將達10000小時，覆蓋16大行業、80餘個真實場景、超2000類任務；據戴盟方面及媒體報道，上線後累計下載量已突破850萬次。這個數字比任何融資新聞都更能說明：行業對高質量物理交互數據的飢渴，是真實的。
湖南郴州，戴盟與中國移動落地的“具身數據採集5S店”首期投放1000套設備——市民在移動營業廳領設備、培訓後回家，在日常家務中完成採集，滿產狀態下每年可產出100萬小時真實場景數據。
賣出去，不等於真幹活
資本湧入不等於商業閉環。
宇樹科技的招股書和科創板問詢函回復把落差攤得很清楚：2025年前三季度，其人形機器人收入中科研教育佔73.60%，商業消費佔17.39%，行業應用僅佔9.01%；在不到一成的行業應用裏，真正指向智能制造、智能巡檢等明確工業場景的收入規模更小。“人形機器人第一股”的收入結構，仍高度依賴科研教育市場。
中國信通院報告的判斷比任何媒體評論都更直接：“出貨不等於上崗，相當比例設備月均開機天數不足10天，訂單含金量低。”報告還指出，整機價格僅佔全生命周期成本的40%—60%，表演租賃日租金已跌去八至九成。機器人“賣出去”了，卻在展廳和片場之間空置。
銀河通用是觀察這個矛盾的另一個樣本。成立以來累計融資約70億元、估值突破200億元，大基金三期入場背書，第三方機構Counterpoint數據顯示其2026年上半年出貨超1100臺、居全球第三。但它的客戶結構與股東名單高度重合：寧德時代既是投資方，又是GalbotS1的最大部署方；美團是股東，機器人進了美團藥房；北汽、上汽是股東，產線上跑着銀河機器人。
對於這種“股東即客戶”的結構，廣東省社會政策研究會副祕書長高承遠表示，這些訂單是真實的，收入也經過審計確認。數據荒與落地難，本就是同一個問題的兩面。
誰在“賣教材”
數據缺口催生了新賽道。第三方數據平臺InteractAnalysis統計，截至2026年4月底，中國已有至少90個人形機器人數據採集和訓練中心處於使用或規劃建設中，其中至少64個已投用。但“純賣數據”是不是一門賺錢的生意，仍然存疑。
壓力沿鏈條層層傳導，最終落在採集員身上。高少龍透露，基元智航給採集員的有效採集時薪爲70元，部分地區疊加專項補貼；據北京晚報調查，人力公司直招崗位日薪可達200至300元，通過中介接單的從業者則大打折扣——小潘7月通過中介兼職，時薪僅15元，一天錄10小時，扣掉保險到手只有147元。“一段時間裏，我的任務就只有模擬廚房打雞蛋的操作，用豆子替代雞蛋原料，拿着打蛋器反復攪動豆子，一錄就是一整天。”
另一股力量是開源。智元2026年先後開源AGIBOTWORLD數據集，第三期8月31日開放，覆蓋工業、家居等14類交互任務、共11430條軌跡，其中包括1369條失敗軌跡——讓模型從失敗、風險和糾正中學習，被業內視爲降低行業試錯成本的關鍵信號，對商業數據服務商來說是一條鮎魚。
基礎設施也在鋪。中國信通院《具身智能訓練場研究報告（2026年）》顯示，截至2026年6月底，全國建成啓用超70家具身智能訓練場，在建及規劃40餘家。但相對千萬小時級的需求，70家遠遠不夠。
跨過三道關，才算護城河
數據不是“採出來”的，是“養出來”的。從採集、質檢、標注，到部署後真實反饋回流形成滾動閉環，是一項需要全社會動員的系統工程。一個可參照的坐標是：2026年7月，工信部批準發布首個具身智能數據集質量標準《人工智能關鍵基礎技術具身智能數據集質量要求及評價方法》，由信通院聯合行業40餘家單位起草，將於11月1日實施——行業終於開始給“教材”定標準。
對中國而言，最豐富的應用場景和最完整的制造體系，是比任何單一技術都更難復制的壁壘。但把“場景優勢”轉化爲“數據優勢”、再轉化爲“模型優勢”，中間還隔着工業化品控、閉環飛輪和數據標準三道關。跨過去是護城河，跨不過去就只是“採了很多小時”。
回到小遠。在具身智能的鏈條上，採集員處在最前端，也離最終產品最遠。他不知道自己錄下的那些抓放、插入、堆疊的動作，最終會喂給哪一臺機器人。但那些手臂懸空到發酸的重復，已經變成某個模型參數裏的一小段。
具身智能的“教材”不是寫出來的，是有人在吉林的家裏、在出租屋裏、在郴州移動營業廳領回家的設備前，一遍一遍做出來的。50萬小時聽起來是個產業數字，拆開看，是無數個普通人的日常動作。
機器人要變得像人一樣幹活，先得有人像機器人一樣，把活幹一遍。在這場關於“教材”的競賽裏，誰先跑通數據飛輪的商業化，誰才握得住下一階段具身智能的定價權。
免責聲明：本文基於公開報道、官方報告與企業披露材料梳理，數據以信通院報告、招股書、交易所文件及權威媒體報道爲準；所涉公司僅爲產業現象舉例，不構成任何投資建議。市場有風險，投資須謹慎。
本文爲新黃河科技與大健康研究院出品
相關閱讀
- Nvidia 即時更新：黃仁勳被罷免，首席財務官 Colette Kress 擔任臨時首席執行官2026-11-13
- 芒果不怕紅果？2026-11-12
- 原創 黃仁勳之後，誰最可能接管英偉達？2026-11-12
- 三星卷軸屏手機曝光，搶先華為、蘋果打造新形態，摺疊屏有望淘汰2026-11-12
- 馬斯克最喜歡的車，竟然要停產了。2026-11-12
