交汇点观察｜数据“饥荒”何解？江苏多地给机器人建“学校”

8月17日下午，记者探访位于南京市玄武区的江苏国际数据港具身智能创新中心，一个充满未来感的机器人“实训营”映入眼帘。

扫码理货、端盘送餐、快递分拣……5000平方米的开阔空间内，由江苏箸境智能科技有限公司自主研发的S1人形机器人，正在完成从“看得懂”到“拿得稳”的进化。箸境智能科技联合创始人史梦娇介绍，中心每天有50名数据采集员同时作业，在1:1复刻的商超、餐厅、分拣等真实场景中持续产出高质量训练数据。

箸境的实践，是当下具身智能数据采集产业的一个切片。当人形机器人不再满足于“表演炫技”，而是要在工厂、商场、家庭中真正“上岗”时，破解数据瓶颈成为一个关键的行业共识。去年以来，数据采集训练场席卷全国，成为一项“新基建”。那么，这些海量数据究竟怎么采？江苏的数据采集工厂布局呈现出怎样的图景？又该如何保障数据的高效与可用？

数据怎么采？

当前，业界对这一新型基础设施的称呼各有侧重，诸如“数据工厂”“数采工厂”或“训练基地”等。

对于人形机器人而言，这里兼具“学校”与“实习工厂”的双重属性。在正式踏入千行百业“上岗打工”之前，它们必须在这里经历高强度的实训，通过一遍遍的实操练习来掌握各项技能，完成从实验室走向真实世界的过渡。

走进任何一座数采工厂，最常见的场景是采集员戴着头显、握着手柄，“教”机器人干活。头显是机器人的“眼睛”，手柄是机器人的“手”，人的每一个动作都被实时同步给一旁的机器人，变成一条条结构化数据。

简单来讲，数据采集本质是采集员通过?真人演示或遥操作?产生高质量行为数据，供机器人深度学习以掌握动作技能，即“教”机器人做事。??

夹爪提起T恤衣角，手臂平稳移动后轻柔放下以折叠袖子；随后双臂移至腰线处，从缝线处捏住布料将衣服对半折叠……在苏州魔法原子数采工厂里，工作人员通过佩戴头显和手握手柄，以遥操的方式“教”机器人完成动作，从而训练机器人的决策模型与思维能力。

在苏州高新区太湖具身智能产业园内，银河通用构建了约20个高度仿真的模拟场景。00后曹宇飞是数据采集组长，带着二三十名训练师同时训练100台机器人，他表示，家庭场景是目前任务种类最丰富的板块，机器人需要学会叠衣服、晾衣服、捡拾地面物品等日常家务。一般每项任务需要数百小时的有效采集时长来做支撑。

采集技术本身也在迭代。过去是1.0遥操作，现在正向5.0“物理AI”时代跃迁，也就是在视觉基础上融入触觉感知：物体是否滑移？表面软不软？力度合不合适？这些信息直接决定了机器人能不能稳稳抓取、精准装配。

更大的变化发生在采集模式上。今年5月，京东与宿迁联合打造全国首个具身智能数据采集社区，居民戴上轻量化设备，做家务时就顺便采数据。“平时做家务顺便就把数据采了，感觉自己也参与了机器人的‘成长’。”宿迁湖滨社区的王芳正在收拾桌面，头上一款仅220克的JoyEgoCam实时记录着她的上肢轨迹。

如今，数据采集场景还在不断扩展——果农绑枝、缝纫工穿针引线、护工扶老人起身，都被完整记录下来。宿迁已在4个区设立采集站点，京东计划两年内发动超10万名内部员工及50万名外部人员，完成超1000万小时数据采集。

玩家都有谁？

长三角是国内数采工厂最密集的区域，其中江苏是核心板块。

南京跑出了自己的节奏。2025年底，箸境智能在江苏数据交易所完成全国首单具身智能数据集交易，办公、商超、餐饮、家政四大场景约2.5万条结构化数据创下纪录。今年8月，众擎机器人江苏创新中心与擎安机器人数据采集平台在南京河西揭牌，近千平方米采集大厅里，商超货架、交通路口、快递分拣等场景1:1搭建。“采集的视觉、力觉、姿态等多源数据，正是让机器人从实验室走向真实应用场景的‘口粮’。”江苏擎安副总经理张铁监说。

南京雨花台区走特种机器人路线，天创机器人“江苏省具身智能特种机器人数据采集训练中心”2025年12月已正式投入使用，今年6月其组建的南京市具身智能机器人重点实验室通过认定。

苏州的打法是“虚实结合+工业场景”。高新区太湖具身智能产业园内，银河通用中心建筑面积约1.1万平方米，100台机器人同时在20个仿真场景里训练，99%以上的数据靠虚拟生成，一周就能产出十亿级操作数据集，成本只有实采的百分之一。吴中区则主攻“非结构化工业场景”，魔法原子数采工厂每天产出约1.6万条有效数据，真实数据占比超80%；苏州市具身智能机器人综合创新中心已吸引18家企业入驻训练，累计采集高质量数据超140万条。鹿明机器人自研无本体采集系统，把单条数据采集时间从50秒压缩到10秒，效率提升5倍，综合成本降低80%，已在吴中区建成150多个数采工位，覆盖40多类应用场景。

无锡的切入点是工业数据。惠山区洛社镇，省工业数据采集与实训中心近7000平方米空间里，近百台机器人同步实训，年产上千万条工业数据。今年5月，无锡数据集团启动“千企百万小时”计划，深入上百个工业工位，联动万余名一线工人，用轻量化设备把老师傅几十年的手艺实时解算成运动轨迹，单位数据采集成本可降至传统模式的三分之一，效率提升3倍。截至6月已签约20家客户、3万小时订单。6月22日，无锡数据集团与帕西尼达成战略合作，从“复刻动作”升级到“理解物理直觉”；7月15日，开普云具身智能训练场（无锡基地）揭牌，为300台智元机器人采集生活、零售、工业场景数据，预计年有效数据产能达50万小时。

宿迁背靠京东。京东全国首个机器人数据采集中心去年10月投产，占地5000平方米，1:1还原零售商超、物流仓储等五大场景，30个采集室每天完成上百组任务。5月20日，全国首个具身智能数据采集社区运行。宿迁已构建“采集—标注—训练—验证”全流程数据流水线，标注产业园集聚近2000名从业人员，AI预标注模型“伟坦”分类精准度世界第一。

此外，常州5月投运具身智能数据实验平台，150台轮式机器人可完成超1000种任务，被业界称为“数采中心2.0版”；南通中天·智元具身智能创新中心7月揭牌；扬州4月签约共建应用创新中心；盐城有优必选江苏总装基地落户……

长三角其他城市也在纷纷加码。合肥训练场投资5895万元，83台机器人、33个场景。浙江德清有8000平方米固定场景加937平方公里开放场景，年产能超千万条。

高工人形机器人统计显示，截至目前，全国已建成或正在建设的数据采集、训练工厂至少15座，整体呈现“北京领跑、长三角集聚、中西部加速布局”的产业格局。

何以降本增效？

资本重投入、产业协同难、标准体系缺失，是当前建设具身智能数据采集工厂必须跨越的门槛，也是物理AI规模化落地的核心瓶颈。

帕西尼多模态数据负责人曾拆解过行业成本账，清晰展现了第一道硬核资本壁垒，核心投入集中在四大重资产板块：包括单台成本动辄60万至70万元的核心专业采集系统、具备产业经验的庞大专业采集团队、超万平方米的标准化物理空间，以及匹配数百PB级存储容量与极高实时算力的算力底座。

换算到产出端，单条数据的获取成本同样高昂，一条30秒的真机操作数据采集成本在10至15元之间，1小时则高达千元，有业内人士测算，凑够20万小时数据需耗资两亿元，完成百万小时真机数据的预训练，投入成本更是直奔10亿元量级。

面对高昂的成本壁垒，江苏各地从多个维度探索降本增效的破局路径。

例如无锡推出“千企百万小时”计划，将单位数据采集成本大幅降至传统模式的三分之一，苏州具身智能机器人综合创新中心则以平台共享模式降低企业门槛，入驻企业前半年完全免费，魔法原子也在南京富士康车间探索出“日夜双栖”的采集新模式，让30台机器人白天执行零件搬运任务，夜间自动切换至技能训练模式，实现了生产场景与采集场景的复用，进一步摊薄了投入成本。

各大行业玩家也在产能布局上加速跑马圈地。

京东计划两年内突破1000万小时数据，帕西尼天津工厂年产近2亿条数据，五厂联动后整体规模将迈向百亿级别，北京石景山、无锡工业中心以及鹿明机器人等也分别锚定千万级乃至百万小时的年产能目标。

但数据工厂遍地开花之后，具身智能的数据缺口并没有被真正填平。一组客观的行业数据清晰勾勒出当前行业仍深陷“数据荒漠”的现状，当前全球高质量真实物理交互数据仅约50万小时，不足大语言模型训练数据的两万分之一。

国金证券7月15日发布的深度研究报告指出，随着本体硬件逐步成熟，决定具身智能能力上限的关键变量，已从机械性能转向高质量数据，相较于算力和硬件，数据已成为物理AI时代最稀缺的生产要素，报告测算，要训练具备实际应用能力的具身智能模型，行业至少需要1000万小时的多模态交互数据，而当前全球积累的数据量尚不足需求的5%。这一巨大供需缺口，正推动数据采集中心、数据服务及采集设备加速进入新一轮建设周期。

不过，产能扩张带来的另一重隐性门槛则是行业长期缺失统一规则导致的数据质量参差不齐。

从地方实践到国家层面，一套标准化的规则框架正在加速搭建，今年2月《人形机器人与具身智能标准体系（2026版）》发布，5月国家标准计划下达，7月工信部批准发布《具身智能数据集质量要求及评估方法》并将于11月实施，这标志着数据采集正从早期的“手工作坊”迈向标准化的“工业流水线”。

2026年是业内普遍认可的具身智能数据规模化元年，真正的产业赛点已不再是比拼谁建的数据工厂多，而是谁能在数据质量、标准统一、闭环效率这些“深水区”率先破局，正如业内人士指出的，只有打通底层的数据基础设施，让中小企业“用得起数据、训得起模型”，才能让机器人真正“学得会开门、进得了工厂、回得了家庭”，迎来属于具身智能的生产力飞跃。

新华日报·交汇点记者 万晨