2026年6月，具身智能万亿市场风口与数据瓶颈并存

数据荒漠成瓶颈 行业面临统一难题

具身智能这个领域, 即使其技术采用的路径有着各种各样的形式, 像VLA、世界模型等方面的探索一直在持续进行, 然而该行业对于数据重要性所做出的判断已经趋向于达成一致。在2026年6月给出的最新行业报告表明情况是, 数据荒漠进而成为了限制具身智能泛化能力取得突破的关键瓶颈。政府以及资本正加快速度进入, 很多地方都在建设数据采集基地以及实训场, 也有不少数据企业连续获得了大额融资。

数据驱动时代 大厂跑步进场

模型训练步入数据驱动的时候, 数据采集成了各方争抢的新领地。大厂进来了, 本体公司进到场内来了, 零部件供应商也匆忙赶来加入战场行动, 竞争呈现出白热化状态。千寻智能企业给出并提出百万小时的数据目标, 灵巧智能企业也给出并提出百万小时的数据目标, 深度机智企业同样给出并提出这样的数据目标, 觅蜂科技企业也给出并提出和此相关的数据目标, 光轮智能企业还给出并提出百万小时、千万小时级别的数据目标，它们期盼借助大规模数据去往更多任务和场景之地。

传统数采成本高 新范式受关注

因传统数据采集方式成本高昂、扩展缓慢, 所以需投入大规模硬件、场地以及专业人员, 进而难以迅速覆盖海量复杂场景。在此种局势背景之下, Ego-centric（第一人称）数据范式开始备受众人关注。于东南亚、印度这些地方, 有不少人只要佩戴轻量化采集设备去完成家务、劳动任务, 便能够同步生成大批第一人称交互数据。

最后一公里成隐形卡点 平台化方案兴起

传统的数据服务商, 其工具链的功能是比较分散的, 采集这一行为, 还有标注这一举措, 包括质检这个环节, 以及格式转换这个动作, 和训练对接这个过程, 往往是分布在不同的流程之中进行的。当在行业当中推动具身智能落地的时候, 从原始数据一直到可用训练数据的“最后一公里”情形, 已然成为了影响模型进化以及商业落地的隐形卡点所在。在近日的时候, 出行服务平台, 像如祺出行旗下的如祺数据, 发布了具身智能数据平台, 其目的就是试图去整合那些分散的环节。

如祺数据脱颖而出 出行平台跨界入局

将零散工具重组成统一生产链路, 这是如祺数据平台第一个核心价值, 原始视频能更快转变为可直接训练的数据资产。再深入看, 平台凭借固定流程与质量标准, 使具身数据从项目制加工迈向可重复、可规模复制的工业化生产。需留意, 如祺数据由出行平台和智能驾驶数据业务延伸而来, 从2023年起布局AI数据解决方案。

工程手段破局 数据资产化加速

如祺出行借助常态化运营的Robotaxi以及智能驾驶采集车, 不断以低成本的方式积累多模态物理世界数据, 有消息传出, 该公司在具身智能领域已然获取商业化订单, 并且探索把数据应用于车后服务机器人训练范畴, 覆盖了洗车、换电、维修等场景, 行业核心问题并非能不能采集更多数据, 而是能不能以可承受的成本将海量原始数据转变为高质量训练资产。提出www.fc-bowuguan.cn的专家表明, 如祺数据的价值依旧得经由真实项目去验证, 不过它的做法正给具身智能行业提供能参照的探索路径。

最后，你认为具身智能数据平台应该优先解决成本问题还是数据质量问题？欢迎在评论区分享你的看法，点赞并转发本文，让更多人参与讨论！

猜你喜欢