国家数据局召开具身智能座谈会，高质量数据集进入决赛圈

机器人赛道正在迎来一场轰轰烈烈的“数据大考”。

第一财经援引IT桔子数据显示，2026年上半年，国内具身智能赛道融资322笔，总额达到935亿元，同比增长约5倍，其中超百亿流向数据采集赛道。资本疯狂加码背后，是行业绕不开的"数据荒"，谁先抢占高质量数据的供给端，谁就更容易掌握行业话语权，也就更容易锁定下游客户。

9月10日，国家数据局召开具身智能专题座谈会，会议提出，将适时推动具身智能数据领域标准体系建设，积极支持企业加大数据投入，更好赋能具身智能发展。

市场认为，国家数据局在当前召开具身智能相关会议，为当下火热的具身智能赛道按下“加速键”，这些举措将有力补齐物理AI产业的数据短板。

数据交易网调研发现，目前已有共识——真实物理交互数据，就是具身智能发展的核心引擎。

亮数据中国区负责人对数据交易网表示，“具身智能是人工智能从虚拟数字世界走向真实物理世界的核心载体，天生高度依赖数据驱动。无论是人形机器人、工业物理AI，还是各类服务机器人，都离不开大规模、多样化、高真实度、标准化的高质量数据集做支撑。”

回看AI行业的发展，通用文本大模型的竞争，已经步入存量博弈阶段。各家在模型参数、算力、基础算法上的差距不断缩小，单纯靠文本大模型想要实现弯道超车，难度越来越大。

于是，能够让AI“感知世界、落地实操、自主决策”的具身智能，成为全行业公认的下一代AI革命核心，也是人工智能产业化落地的黄金赛道。

和传统语言大模型不一样，具身智能的终极目标，是打通“感知—认知—决策—执行”的物理闭环，让AI不再只会聊天思考，更能上手干活、适应复杂环境、包容操作错误。

过往很多AI研发团队陷入误区，盲目上马海量原始数据，却忽略了数据的真实性、结构化精度与场景适配性。随着具身智能产业逐步走向规范化，仅包含理想成功案例的原始数据，已经无法支撑高精度物理AI模型的训练迭代。

市场上已经有不少企业嗅到趋势，开始布局具身智能数据基建。

早在今年4月，京东发布首个覆盖“采集、存储、标注、训练、评估、仿真、测试”全流程的具身智能数据基础设施，并同步推出自研超高清采集终端、具身大模型及数据交易平台。

今年9月初，智元机器人开源的AgiBotWorld第三期数据集，首批开放11430条真实交互轨迹，覆盖工业、家居等真实场景，包含网线插接、钥匙开门等14类交互任务和过去只收录完美示范动作的数据集不同，这版开源内容加入大量失败操作、环境干扰等真实样本，还原物理世界的不确定性。

这也意味着，具身智能数据的核心竞争力，已经告别单纯拼数量的时代，转向数据质量与场景价值的较量。那些能够覆盖长尾场景、容错场景、真实工况的结构化数据，成为行业硬通货。

但多数AI研发企业普遍面临三重核心痛点，短期内还难以自己解决。

成本高企，重基建玩不起。自研数据成本极高，具身数据需要真机采集、多模态同步、精细标注等全流程工程化操作，数据交易网此前调研发现，EGO/UMI等一小时有效数据的采集治理成本动辄上百元，一小时真机采集成本动辄大几百元甚至上千元，中小AI团队根本无力承担。

开源数据集“不好用”。网上公开数据集场景单一、样本同质化严重，缺少工业精密操作、复杂居家环境、动态干扰等高价值垂类样本，还经常出现元数据缺失、模态不同步、标注混乱等问题，没法直接拿来训练高精度模型。

合规风险如影随形。不少公开数据来源模糊，权属划分不清，缺少完整溯源和脱敏流程。不仅不能支撑商业化，还极易侵犯版权和隐私，难以适配数据资产登记、模型合规审计等行业新要求。

产业竞争的底层逻辑从来都是“谁能补齐短板，谁就能抢占先机”。

面对全行业的具身数据供给困境，亮数据中国区负责人表示，依托多年AI数据集领域的技术和工程积累，企业已经完成技术、流程、资源储备，具备服务各类AI模型训练的数据服务能力，做好了切入具身智能新赛道的准备。

长期以来，亮数据深耕AI训练数据基建。沉淀了面向机器人和物理AI应用的大规模多模态数据集，这些经过整理的数据集包含超过40亿条结构化记录，涵盖视频流、音频记录、传感器读数、运动数据和环境背景信息。

同时，在AI与LLM专属数据集产品线中，亮数据目前提供215套以上数据集，总记录数超过170亿条，覆盖图像、视频、文本、语音等类别，可用于大模型预训练、指令微调等场景。

公司创始之初，亮数据搭建了全流程标准化的数据生产与质检体系，建立了从数据采集、筛选、清洗、结构处理、脱敏到审计溯源的全链路闭环机制。数据管道符合GDPR和CCPA标准，并遵循ISO 27001、SOC 2、SOC 3和CSA STAR等行业安全标准。

目前亮数据已为全球超过5万家客户提供数据服务，其中包括14家全球头部AI实验室中的多家。

据透露，亮数据已经把具身智能、物理AI相关数据定为下一阶段核心战略方向，为物理AI产业落地赋能。

未来公司将重点深耕真实物理场景数据建设，针对性打造细粒度、专业化的具身多模态数据产品。区别市面上的通用数据集，产品会大量纳入真实工况下的环境干扰、操作失误轨迹、人工修正流程、长尾异常案例，解决现有数据脱离现实、容错差、场景局限的痛点，还原真实物理世界的复杂逻辑。

同时针对VLA视觉-语言-行动模型、世界模型、机器人强化学习训练的专属需求，强化多模态时序对齐、动作细粒度标注、场景特征提取、无效样本智能剔除等能力，做到交付的数据开箱即用，企业不用二次加工，直接提升模型训练效率与落地效果。

AI产业的上半场，算力是核心壁垒，企业比拼硬件储备与算力调度能力，迈入具身智能主导的物理AI下半场，高质量、场景化、合规化的数据底座，才是真正的护城河。

硬件可以快速迭代，算法可以持续优化，但AI对真实物理世界的感知、理解与适配能力，只能靠源源不断的真实物理交互数据慢慢打磨。

属于具身智能的数据竞速赛，已经进入白热化。

行业已经形成共识：未来，那些可以持续输出完备具身智能数据产品体系的企业，会迎来发展红利。补齐物理AI的数据短板，依托数据基建打破模型落地桎梏，将成为行业参与者共同的使命。