2026具身数据开源潮，核心数据集开放情况梳理（excel版）

2026年AI圈的最大惊喜，来自具身智能的数据开源。

从1月上海交大的GM-100测评集，到4月戴盟联合谷歌DeepMind推出的全球最大触觉数据集，短短四个月，十几家企业、机构密集开放核心数据，这波操作直接助推AI和具身智能行业的发展节奏。

行业数据显示，具身智能需要数百PB级物理交互数据，当前存量缺口超90%，再加上采集成本高到离谱，一套真机操作数据集动辄上千万投入，很多企业只能困在实验室里。

这波开源潮，众多具身智能公司参与其中。

戴盟开放的Daimon-Infinity数据集，首批就有10000小时含触觉的全模态数据，覆盖80多个场景，解决了触觉数据稀缺的难题，用它预训练模型，训练效率能提升10倍。智元的AGIBOT WORLD 2026数据集，5.02TB全是真实场景采集，让机器人不用再靠仿真数据“纸上谈兵”。

合成数据已被证明不能完全满足厂商训练，泛化能力差，放到真实场景就“失灵”。现在有了真实场景的多模态数据，AI能更快理解物理世界，不管是机器人精细操作，还是视觉-语言交互，都能实现质的提升。同时，更多的开源数据，让众多厂商省去了数据采集的成本，能把钱花在模型优化上，行业竞争也从“数据垄断”转向“技术比拼”。

市场反应来得比想象中更快，百度、京东赶在4月先后上线数据交易平台，百度的数据超市适配主流开源模型，京东的平台则打通了数据采集到落地的全链路，首批就开放2000小时高精标注数据。

市场的热情背后，更多是行业对突破瓶颈的迫切需求。数据集开源不是终点，如何让这些数据真正转化为技术成果，如何建立统一的数据标准，才是接下来要解决的问题。

目前来看，开源潮还在继续，行业的竞争也从硬件转向数据。至于最终能催生出多少成熟应用，还需要时间来检验，毕竟技术落地从来都不是一蹴而就的事。