【浙商计算机】物理AI——数据采集方值得关注 具身智能正从算法驱动转向数据驱动，高质量数据正成为行业竞逐的基础性战略资源。与文本模型不同，机器人训练需要可映射到
- 序号：427
- 星球链接：打开网页
- 附件：图片 0，音频 0，文档 0
- 音频文件：无音频
图片
无图片
正文
【浙商计算机】物理AI——数据采集方值得关注
具身智能正从算法驱动转向数据驱动，高质量数据正成为行业竞逐的基础性战略资源。与文本模型不同，机器人训练需要可映射到感知与控制链路的交互数据，而当前高质量具身数据明显不足：全球研发端需求约120万小时，但全行业每月产出仅25万—30万小时，训练高质量模型至少需要千万小时量级数据，而成熟数据集只有几十万小时。
现阶段具身智能数据主要来自四类方式：真机遥操作、动作捕捉、人类行为视频和仿真合成数据。真机遥操作数据质量高，但成本高、效率低；动作捕捉和人类视频更易规模化，但需要解决人机重定向、力反馈和触觉缺失等问题；仿真合成数据可控、可扩展，但仍存在Sim-to-Real差距。
世界模型和物理仿真基础设施正在成为缓解具身智能数据瓶颈的关键路径。世界模型能够学习环境运行规律，在虚拟环境中生成大规模、低成本、可控且可重复的数据，并对机器人动作结果进行预测，从而显著提升数据生产效率和模型迭代速度。同时，世界模型还能够覆盖危险场景、极端工况和低频任务等真实世界难以获取的数据，为具身智能提供更广泛的训练分布。
一级市场已开始为具身智能数据基础设施定价。2026年5月光轮智能完成新一轮融资，估值超20亿美元，2个月内实现估值翻倍；海外公司Applied Intuition 2025年6月完成6亿美元F轮融资，估值达150亿美元；Skild AI 2026年1月完成14亿美元Series C融资，估值超140亿美元。
投资标的：海天瑞声、慧辰股份、拓尔思、索辰科技、奥比中光
风险提示：仿真到真实迁移存在误差，行业标准和数据合规仍不确定，相关公司融资、估值和订单兑现存在波动。
总体总结
主题正文
- 与文本模型不同，机器人训练需要可映射到感知与控制链路的交互数据，而当前高质量具身数据明显不足：全球研发端需求约120万小时，但全行业每月产出仅25万—30万小时，训练高质量模型至少需要千万小时量级数据，而成熟数据集只有几十万小时。
- 世界模型能够学习环境运行规律，在虚拟环境中生成大规模、低成本、可控且可重复的数据，并对机器人动作结果进行预测，从而显著提升数据生产效率和模型迭代速度。
- 同时，世界模型还能够覆盖危险场景、极端工况和低频任务等真实世界难以获取的数据，为具身智能提供更广泛的训练分布。
- 2026年5月光轮智能完成新一轮融资，估值超20亿美元，2个月内实现估值翻倍；
- 海外公司Applied Intuition 2025年6月完成6亿美元F轮融资，估值达150亿美元；
- Skild AI 2026年1月完成14亿美元Series C融资，估值超140亿美元。
- 投资标的：海天瑞声、慧辰股份、拓尔思、索辰科技、奥比中光
- 风险提示：仿真到真实迁移存在误差，行业标准和数据合规仍不确定，相关公司融资、估值和订单兑现存在波动。