5小时前 具身智能的 “数据买卖”：从“数据荒”到“淘金热”的全景透视

作者：李文泉    出品：机器人产业应用

交易什么？——具身智能数据的“全模态”内容

具身智能数据与传统AI数据最大的不同在于：它不是单一的文本或图片，而是一套覆盖“感知—决策—动作”完整闭环的多模态信息。以一条“机器人叠衣服”的数据为例，它通常包含以下五类信息：

视觉数据：机器人摄像头实时拍摄的RGB-D深度视频，记录衣服的形态变化。

本体感知数据：机械臂各关节的电流、角度、力矩、速度等实时状态参数。

触觉与力觉数据：手指施加的压力、滑觉、六维力反馈。这是传统视觉数据最缺乏的部分。

动作轨迹数据：从抓取到折叠的完整运动路径。

语音与文本指令：“把这件T恤叠好”等自然语言命令。

用一句话来说，具身智能数据就是“机器人与物理世界交互的全过程记录”——它把人类做一件事时的所见、所感、所为，全部转化成机器可以学习的数字信号。

没有这些数据，机器人就像一个只有眼睛没有触觉、只有指令没有身体记忆的“半成品”：它能看见衣服，却不知道用多大力去抓；它能识别杯子，却不懂得手腕如何旋转避开障碍。

正因如此，高质量、多模态的真实交互数据，成了训练一个“真正能干活的机器人”不可或缺的燃料。而这类数据目前极度稀缺、采集成本高昂，供需之间的巨大缺口，恰恰催生了具身智能数据交易这一新兴市场。

目前，市场上已经出现了一批高质量数据集产品。例如，帕西尼感知推出的OmniSharing DB，是国内首个融合多维触觉、视觉、关节角度、动作轨迹、语音和文本的全维度数据集。

国家地方共建的人形机器人创新中心（国地中心）发布的白虎-VTouch数据集，规模超过6万分钟，覆盖家居家政、工业制造、餐饮服务、特种作业四大类真实场景、380多种任务类型。

而行业内具身智能机器人的核心数采路径，主要分为两大核心赛道，每一类都对应着机器人 “学习” 的不同阶段与能力边界：

1、仿真数据（合成数据）：机器人的「启蒙训练场」

仿真数据是机器人快速入门的 “虚拟训练场”，通过数字孪生、物理引擎生成的合成数据，能低成本、大规模覆盖各类场景与操作，帮助机器人完成基础动作的预训练，快速建立对物理世界的初步认知，是模型迭代的 “低成本燃料”。

但仿真数据始终存在 “仿真 - 真实鸿沟”：虚拟环境无法 1:1 还原真实世界的物理不确定性、物体形变、环境干扰。因此，越来越多的企业将重心转向真实数据，用真机场景的高价值数据补全仿真的短板，实现模型从 “虚拟会做” 到 “真实做好” 的跨越。

2、真实数据：机器人的「实战进阶课」

真实数据是机器人从 “会做” 到 “做好” 的核心，又可以细分为三大落地路径：

1）视觉数据：机器人的「基础感知工具」

是机器人认知物理世界的第一步，能让它快速识别物体属性、判断周围环境 —— 比如分清眼前是易碎的鸡蛋还是坚硬的钢球，是光滑的瓷砖还是粗糙的地毯，为后续的精准操作、路径规划提供核心前提，是所有真实交互的基础。

2）遥操作：机器人的「手把手示教课堂」

就像 “老师手把手教学生”，由专业人员远程操控机器人完成精细动作，每一次操作都自带高质量专家标注，让机器人精准复刻动作逻辑与操作细节，为机器人积累标准化的基础操作经验，是快速落地特定场景的高效路径。

3）可穿戴设备：破解数据瓶颈的「终极破局方案」

从 2024 年 5 月起，以动捕服、外骨骼、UMI（通用操作接口）为代表的可穿戴设备，成为行业大规模破局数据瓶颈的核心路径。工作人员佩戴集成多传感器的设备，完整复刻人类操作的全流程动作，机器人就能像素级同步这份 “人类手感”、力反馈与操作习惯，直接获取最贴合真实场景的高价值真机数据，是目前最能打通 “人类能力→机器人能力” 的数采方式。

标准与质量：让数据“说得清、比得了”

没有标准，数据就是孤岛。不同厂商的机器人，本体结构、传感器配置、动力学模型各不相同，同一个叠衣服任务采集出来的数据格式千差万别，买方买回去根本无法直接使用。因此，标准化是数据交易的前提。

国内标准建设已有重要突破。2025年9月，上海发布了人形机器人数据集标准。这套标准解决了从底层定义到传输接口的全流程治理问题。

2026年3月，工信部正式发布《人形机器人与具身智能标准体系（2026版）》，这是我国首个覆盖全产业链的标准顶层设计，其中“类脑与智算”板块专门规范了数据全生命周期管理。

同时，质量评估也从“静态”走向“动态”。国家数据发展研究院提出了“静态检测+动态验证”的综合评测体系。静态检测从保真度、完备性、均衡性、可用性等六个维度打分（共106个三级指标）；动态验证则是将数据集投入实际任务中，量化它带来的效率提升。

随着行业内数据标准的确立，数据交易的市场也将迎来更良性的发展。

湖北人形机器人创新中心与智元创新的交易就是一个典型例子：买方用卖方提供的数千小时训练数据训练后，人形机器人的叠衣效率从每小时20件跃升至30件，提升50%。这种“赋能效果”直接验证了数据的质量，也成为定价的重要依据。

如何定价？——从“按小时计费”到“数据飞轮”估值

具身智能数据交易目前尚处于定价模式的探索期，没有统一标准。从已发生的案例来看，存在以下几种定价方式：

按小时定价：湖北交易中，数千小时训练数据的成交价约为“每小时数百元”，高于行业平均水平。

按条（样本）定价：南京首笔数交所交易中，约2.5万条结构化数据（每条10秒左右），按样本数量计价。

按场景/任务复杂度定价：覆盖的场景越多、任务越复杂（比如叠衣服比简单抓取难得多），价格越高。

但更有意思的变化正在发生——业界开始重新思考具身智能数据的价值来源。

千寻智能与京东的合作给出了一个“数据飞轮”的案例：机器人在京东MALL真实场景中为顾客制作咖啡，每一次服务过程都被记录下来，同时专家的远程操作等于为数据提供了高质量的“专家标注”（目前行业内，原壤 Humanlaya、Surge AI就是专项聚焦于专家级数据生产高价值评测基准构建的企业）。

这就形成了“场景即矿场、服务即挖掘、遥操作即标注”的闭环。数据不是在采集完成后就固定了价值，而是在持续的服务中动态增值。

基于这一逻辑，国家数据发展研究院正在推动“基于效能提升的价值评估体系——数据集不再仅仅根据自身质量定价，而是根据它让机器人提升了多少效率来确定市场价值。湖北交易中叠衣效率提升50%，就是一个直接的价值锚点。

传统硬件估值公式（销量×单价×市场渗透率）对具身智能已部分失效，其价值会随数据积累和时间推移复利式增长。数据的定价，本质上是对这种“复利潜力”的定价。

怎么交易？——场内、场外、共建、开源四路并进

目前具身智能数据的交易方式呈现多元化格局，各有适用场景。

场内交易（数据交易所）是最规范的路径。

2025年底，江苏箸境智能科技的具身智能数据集在江苏省数据交易所上架并完成交易，成为全国数交所领域的“零突破”，产品“上架即售出”。

该数据集覆盖办公、商超、餐饮、家政四大场景，经过深度清洗和严密标注，买方买回去可直接用于模型训练。随后，帕西尼OmniSharing DB在北京国际大数据交易所上架，填补了高精度触觉 + 视觉融合的具身智能实采数据集细分领域空白。场内交易的优点是合规、公信力强，缺点是上架流程较慢、品类有限。

企业间直接交易更加灵活。

2026年1月，湖北人形机器人创新中心与智元创新达成全国首笔企业间具身智能数据交易，出售涵盖拿杯子、抓盘子、叠衣服等复杂场景的数千小时训练数据。

更关键的是，湖北创新中心的35个高质量数据集获得了数据知识产权登记，成为全国首个同时手握数据知识产权确权并完成商业交易的“双认证”主体，彻底打通了“采集—处理—确权—交易”的全商业闭环。

合作采集/共建模式解决了“一次性买卖”不可持续的问题。

湖北创新中心建成了超市、餐厅、工厂等23个高仿真训练场，部署上百台训练机器人，年采集数据能力超千万条。千寻智能与京东的合作则通过遥操作模式，将真实服务场景持续转化为训练数据。这种模式的优点是数据质量可控、来源可持续，缺点是前期投入大、周期长。

开源社区与去中心化网络代表了一种生态化探索。

2026年3月，国内首个具身智能开源数据集社区成立，由开放原子开源基金会牵头，联合乐聚、蚂蚁灵波、宇树等十余家机构，打通“采集—开源—交易”链路。国际上则出现了Robata等去中心化数据网络，试图通过低成本采集与AI激励机制来调动长尾数据供给。

挑战与前景

尽管破冰交易已经发生，具身智能数据交易仍面临三大核心挑战。

一是仿真到现实的鸿沟短期难以完全消除，合成数据还不能完全替代真机数据。

二是高质量真实数据极度稀缺，而需求被形容为“自动驾驶的1000倍”，供需矛盾尖锐。

三是确权与合规问题在家庭、公共服务等场景中尤为复杂。

展望未来，几个趋势已经清晰。

1.混合策略将成为常态——真机数据负责精度，合成数据负责规模，两者互补。

2.数据交易平台化将加速，更多数据交易所会开设具身智能数据专区。

3.公共数据底座有望出现——政府或产业联盟牵头建设开源高质量数据集，类似ImageNet但面向具身智能。

4.商业模式将从一次性买卖向订阅制、数据收益分成演进。

结语

具身智能的数据交易，表面上是买卖双方的价格博弈，本质上是在构建智能体理解物理世界、实现自主进化的“经验库”。当机器人能够通过交易获得海量高质量交互经验，它们就不再从零学起，而是站在数据市场的肩膀上快速进化。

数据交易市场的成熟速度，将在很大程度上决定具身智能产业起飞的高度。而这把钥匙，正握在今天的探索者手中。