【摘要】针对具身智能产业量、质、异构3重数据瓶颈，基于“造治用通”闭环框架拆解5大核心产业板块与3类采集路线成本梯度，覆盖120余家市场主体生态布局，拆解合成数据成本可降至真机1/10的降本路径，给出7步工程化落地SOP与量化失效边界，为技术团队与产业决策者提供执行参考。

核心关键词：具身智能数据｜VLA数据｜Sim2Real｜造治用通 ｜ 数据采集成本｜多模态对齐｜数据标注｜具身智能训练场 ｜ 真机数据vs仿真数据｜数据要素交易｜运通链达研究｜云算力绑定

引言

2026年上半年，国内15家独立具身数据服务商合计融资约44.7亿元，数据标注市场规模预计突破150亿元，同比增速超过27%。多家头部企业宣布1万台以上量产计划，硬件门槛逐步突破，但数据供给能力并未同步跟上。

某高难度家庭场景测试中，仿真环境任务成功率达89.4%，真实场景骤降至12%，落差达77个百分点。这不是硬件性能不足，而是数据体系的系统性滞后。

文章基于《中国具身智能数据产业分析报告2026》与产业公开信息交叉分析，面向机器人算法工程师、数据基础设施架构师与产业投资方，从技术本质、产业板块、工程落地、排障指南、趋势演化五个维度展开，覆盖数据全链路环节，提供可落地的工程执行参考。

一、产业底层逻辑：从硬件驱动到数据驱动的范式切换

具身智能（Embodied AI）的核心是物理实体通过感知、决策与执行完成真实世界任务。具身智能的能力上限不由硬件参数单独决定，而由训练数据的覆盖广度与质量精度共同定义。

与互联网时代的文本、图像数据不同，具身数据绑定真实物理属性，拥有3大核心特征：物理交互性、多模态强耦合、时序连续性，无法直接复用现有AI数据体系。

当前产业的核心矛盾体现为硬件量产速度与数据供给能力的错配。本体制造已实现模块化降本，运动控制技术逐步成熟，但高质量物理交互数据的稀缺，直接导致模型泛化能力不足。

数据瓶颈已从单一的“总量不足”演化为“量、质、异构”3维制约，三者互为因果，形成“采得少、训不好、用不了”的低水平循环。

量级瓶颈是输入端的核心约束。据《中国具身智能数据产业分析报告2026》，当前全球高质量真实物理交互数据仅数十万至百万小时级，而支撑具身基础模型能力涌现至少需要千万小时级，缺口超过99%。

具身训练需要视觉-语言-动作（VLA）成对的毫秒级同步数据，这类数据无法从互联网批量抓取，必须通过物理交互采集。这是数据缺口无法像大语言模型一样靠爬取互联网内容快速填补的根本原因。

质量瓶颈是处理端的核心制约。采集到的原始数据不代表可训练数据，标注粒度不统一、多模态对齐精度不够、动作时序切分质量参差，都会导致数据无法直接用于模型训练。

国内已发布具身智能语料库建设团体标准，最新的真实数据质量国家标准已进入实施阶段，为数据质量验收提供了统一依据。

异构瓶颈是流通端的核心障碍。不同品牌、不同构型的机器人在关节空间、传感器配置、坐标系定义上存在根本差异，一家本体采集的数据无法直接被另一家使用。

单个数采中心的数据实际利用率远低于采集总量，大量数据因格式不兼容成为沉没资产。这也是重复建设、行业整体效率偏低的核心原因之一。

破局3重瓶颈需构建系统性方案，即“造、治、用、通”4位一体的数据闭环体系。“造”指通过真机采集与仿真合成扩大数据供给规模；“治”指通过标准化标注与质量评测保障数据可用性；“用”指通过训练场实现数据到模型能力的转化并形成回流；“通”指通过统一标准与交易平台打破数据孤岛。

四环节协同推动数据从碎片化企业私产，升级为行业公共基础设施。

核心结论：具身智能的规模拐点不取决于本体产量，而取决于数据闭环能否把Sim2Real迁移率从60%级提升到80%级，并把真机数据边际成本压到仿真数据的10倍以内；该判断适用于VLA模型主导的通用操作任务，不适用于纯结构化产线专机。

Q：具身数据和传统计算机视觉、NLP数据的核心差异是什么？

A：具身数据必须绑定力、触觉、形变等真实物理属性，且视觉、姿态、力觉等多模态信号需在时间轴上精确对齐，最终以状态-动作序列的轨迹形式存储。传统AI数据不包含物理交互信息，无法直接用于具身模型训练。

Q：为什么仿真数据不能完全替代真机数据？

A：高保真物理仿真仍无法100%还原真实世界的摩擦、形变、接触响应等细节，会产生Sim2Real迁移偏差。极端场景与长尾任务可通过仿真覆盖，但核心垂直场景的最终验证与模型微调必须依赖真机数据锚定质量基线。

二、5大产业板块的定位与成熟度分层

《中国具身智能数据产业分析报告2026》梳理了120余家市场主体，将具身数据产业链划分为5大核心板块。不同板块对应“造治用通”闭环的不同环节，成熟度、商业模式与竞争格局存在显著差异。

闭环环节	对应产业板块	核心瓶颈	核心指标	成熟度	商业闭环状态
造	真机采集、无本体采集、仿真与数据合成	总量供给不足	单小时成本、生成效率	高（仿真）/中（真机/无本体）	已验证
治	数据治理与标注	质量标准不齐	标注精度、自动化率	中	已验证
用	训练场、全链路数据平台、模型训练评测	转化效率偏低	Sim2Real迁移率、闭环迭代速度	中/起步	部分验证
通	数据交易与流通、全链路平台对外接口	统一标准缺失	交易规模、标准覆盖率	极早期	探索期

（一）仿真与数据合成：从工具到物理AI底座

仿真与数据合成是当前商业成熟度最高的板块。据《中国具身智能数据产业分析报告2026》，头部企业已形成“物理仿真引擎+场景资产库+合成数据管线”的全栈能力，商业模式以SaaS订阅为主，包含年费、按调用量计费与一体机硬件三种形态。

合成数据的生产成本可降至真机遥操作的1/10以内，单条真机演示数据可通过域随机化生成百倍规模的合成数据，是当前突破百万小时级数据需求的核心引擎。

技术演进已走过两个阶段：第一阶段是纯数据生成工具，解决“有没有”的问题；第二阶段是数字孪生训练底座，结合世界模型能力支撑“研发-仿真-训练-验证”全流程。

仿真能把数据量堆到百万小时级，但堆不出接触瞬间的力觉真值；未来18个月内，没有一家能仅靠仿真通过高精度接触类操作任务的真机验收。

物理引擎精度持续提升正在缩小Sim2Real鸿沟，但无法完全消除。行业正在向第三阶段演进，即从“卖仿真软件”升级为“卖物理AI全栈底座”。

Sim2Real数据闭环的工程路径如下：

头部企业参与主流开源物理引擎的标准共建，加速生态壁垒形成；云厂商通过“仿真+算力”一体化方案切入市场，绑定算力基础设施。

核心结论：在物理引擎精度达到摩擦、形变、接触响应可校准的前提下，仿真合成数据可将单小时数据成本压到真机遥操作的1/10以内，适用于预训练与长尾场景覆盖，但不适用于高精度接触级微调。

Q：仿真数据的质量如何验证？

A：行业通用验证方式为Sim2Real迁移率测试，即同一模型在仿真数据训练后，在真实场景中的任务成功率与仿真场景成功率的比值。迁移率越高，仿真数据的保真度越强，当前头部方案的典型迁移率在60%-75%区间。 注：89.4%与12%的落差为高难度家庭场景的极端个案，与行业典型迁移率不属于同一评测集。

（二）数据治理与标注：质量门槛的核心守门人

数据治理与标注是保障数据“可训练性”的核心环节，当前处于从传统语音、视觉标注向具身专业化转型的阶段。

与传统标注不同，具身数据标注需要处理视觉、本体姿态、触觉力觉、语言指令等多模态信号的时间对齐、坐标系转换与质量评分，复杂度远超单一模态标注。

行业主流解决方案为“AI预标注+人工审核”的半自动模式。AI完成80%以上的基础标注工作，人工聚焦关键帧与接触细节的校验，可大幅降低人力成本。

行业正在逐步沉淀4级标注粒度标准：任务级、片段级、关键帧级、接触级，不同粒度对应不同的训练阶段与任务复杂度。

另一个重要方向是仿真标注反向赋能真机标注。仿真环境中所有物体的位置、姿态、接触力均可精确获取，这些标注信息通过域适应技术迁移到真机数据标注流程，可进一步提升效率。

未来竞争的核心将转向标注规范的话语权。头部企业通过定义标准获取规则优势，从项目制服务转向平台化SaaS工具输出，构建数据质量的行业门槛。

核心结论：具身数据标注的核心成本集中在多模态时间对齐环节，AI预标注加人工审核的模式可将人力成本降低80%量级，标注粒度标准的统一是跨主体复用的前提。

Q：具身数据标注的粒度如何划分？

A：行业通用划分为4个层级：任务级标注对应完整任务的成败标签；片段级标注对应动作子任务的边界与类型；关键帧级标注对应关键状态的姿态与力参数；接触级标注对应物体接触瞬间的力觉、形变细节。粒度越细，标注成本越高，模型泛化性越强。

（三）数据交易与流通：极早期的标准卡位战

数据交易是实现数据跨主体流通、打破异构壁垒的基础，当前处于极早期发展阶段。

市场已出现2类交易主体：一类是市场化数据平台，如觅蜂数据商城、库帕思、百度数据平台；另一类是官方数据交易所，包括北京、上海、深圳三大数据交易所。2026年初湖北完成全国首单企业间具身智能数据交易，单价为每小时数百元量级。

当前核心矛盾是高价值数据闭源与流通需求的错配。核心高价值数据仍以企业私产形式闭源，整体交易规模较小，统一的数据确权、定价、合规标准尚未建立。

商业模式包含数据集产品销售与数据要素交易两种，数据定价呈现3级梯度：未处理裸数据、清洗标注数据、标准化数据集，层级间形成2-5倍的价格差。

发展驱动力来自政策与技术两个层面。国家数据要素市场化政策推动确权、评估、交易制度逐步完善；隐私脱敏、权属界定技术逐步成熟，为数据流通提供合规基础。合规能力正在成为该板块的核心准入门槛。

未来将沿三个方向演进：标准化数据集逐步标品化，成为可增值的数字资产；使用权与所有权分离，“授权使用+收益分成”模式替代一次性买断；国资平台承担公共数据底座与标准制定职能，推动行业互联互通。

核心结论：具身数据交易当前处于商业模式探索期，核心价值在标准占位与合规能力建设而非短期收入，数据要素流通的前提是统一的格式与权属标准。

Q：当前具身数据交易的主要合规风险是什么？

A：核心风险集中在数据权属界定与隐私保护两个维度。真机采集的场景数据可能涉及公共场所隐私、商业机密，仿真合成数据可能涉及第三方场景资产的知识产权。当前行业主要通过联邦学习、可信执行环境等技术方案降低合规风险。

（四）全链路数据平台：生态位最高的整合者

全链路数据平台是产业中生态位最高、整合度最强的环节，参与者呈现“垂直数据商+云大厂+产业创新中心”的多元格局。

垂直头部数据商具备从采集、治理标注到数据流通的全栈能力，是“三线融合”的核心推动者；云厂商提供底层算力、存储与云服务底座，向下游延伸打造数据入口；产业生态方推动公共数据底座与标准制定。

行业不再满足于交付静态数据文件，头部玩家正构建“采-存-算-标-训-评”一体化平台，试图成为具身智能的“数据操作系统”。

其核心价值在于打通数据全链路环节，实现“数据回流—模型训练—部署验证—新数据采集”的飞轮闭环，打破数据规模、采集成本、数据保真度三者难以同时最优的不可能三角。

平台竞争的终局是标准的竞争。参与定义数据格式与评测基准的平台，将形成极高的用户转换成本，实现类似CUDA级的生态锁定。这一逻辑与CUDA生态的锁定效应一致，一旦上下游工具链、数据集全面对齐某套标准，后续迁移成本会呈指数级抬升。

云厂商与垂直数据商形成深度互补，联合抢占底层基础设施入口。

核心结论：全链路数据平台的核心壁垒不是数据规模，而是标准定义权与闭环迭代效率，垂直数据商与云厂商的能力互补是当前主流合作模式。

Q：全链路数据平台和单一环节数据服务商的核心差异是什么？

A：单一环节服务商仅提供数据生产或治理的单点能力，交付静态数据成果；全链路平台打通采集到训练评测的完整流程，具备数据闭环迭代能力，可通过持续回流的数据不断优化模型效果，交付的是动态的数据服务体系。

（五）训练场：数据飞轮的物理载体

训练场是数据飞轮的核心物理载体，当前处于起步阶段。据《中国具身智能数据产业分析报告2026》，截至2026年中，国内已建成70座训练场，46座在建或规划，覆盖23个以上省份，部署机器人超2500台，总运营面积达28万平方米。

区域分布上，长三角、珠三角、京津冀、成渝、中部五大产业集群集中了主要资源。

当前的核心矛盾是建设速度与数据质量的错配。多数训练场采用样板间模式，场景同质化严重，采集的数据泛化能力不足。

单座训练场建设投入在数千万元至亿元量级，包含本体采购、场景建设、算力存储与运营维护等成本，产能利用率与数据价值是运营的核心挑战。

行业正在从“建设热潮期”向“能力沉淀期”过渡。数采中心从集中式场馆走向分布式真实场景，从“搭样板间采数据”转向“边干活边采数据”。

场景数据工厂是垂直场景的进阶形态，将数据采集嵌入真实产业作业流程，消除Sim2Real偏差的同时分摊采集成本。

未来发展呈现4个方向：从单点采集服务向全链路生态平台升级；兼具数据采集与平台服务双重属性，形成规模壁垒；跨训练场数据标准逐步统一；云厂商通过“训练场+算力+存储”一体化方案切入。

核心结论：训练场当前的核心矛盾是建设速度与数据质量的错配，样板间模式的窗口期将逐步收窄，真实作业流采集是长期方向。

Q：公共训练场和企业自建训练场的定位有什么不同？

A：公共训练场主打通用场景数据采集与共享服务，面向中小企业降低准入门槛，侧重标品化数据产出；企业自建训练场聚焦垂直业务场景的深度定制采集，数据保密性强，服务于自身模型迭代，产出数据不对外流通。

三、工程落地：7步SOP与选型决策框架

具身数据体系建设不是单一技术选型，而是分层组合的系统工程。3条核心采集路线在成本、精度、适用场景上形成梯度，对应训练的不同阶段，不存在单一路线通吃的可能。

采集路线	单小时成本区间	数据精度	场景覆盖能力	Sim2Real风险	适用训练阶段	典型限制
真机遥操作	500-1000元	最高，与目标本体完全对齐	有限，受场地与人工限制	最低	微调阶段、核心任务	成本高、扩张慢
无本体采集	100-600元	中等，需本体适配	较广，可进入真实场景	中等	中间训练、通用场景	缺力觉信息，需重定向
仿真合成	20-50元	中高，取决于物理引擎	极广，可覆盖极端场景	最高	预训练、长尾场景	存在Sim2Real迁移偏差
人类视频蒸馏	极低至100元	低，仅视觉信息	极广，互联网存量资源	极高	冷启动、预训练表征	无物理属性，仅作过渡

行业共识是按训练阶段分层使用数据，形成“预训练-中间训练-微调”的三层数据金字塔。预训练阶段用人类视频与互联网数据获取通用表征，中间训练用仿真数据覆盖长尾场景，微调阶段用真机数据保证落地精度。

完整的具身数据闭环落地可拆解为7个标准化执行步骤，覆盖从数据生产到模型迭代的全流程，适用于机器人企业自建数据体系与第三方数据服务商项目交付两类场景。

1. 本体数据基线锚定 选定目标本体机型，通过真机遥操作采集10-20小时核心任务的基准数据，包含完整的视觉、姿态、力觉多模态信号，标注接触级关键帧数据。该步骤锚定整个数据体系的质量下限，验收标准为关键帧姿态误差小于2°、接触力误差小于5%。

2. 仿真场景资产库构建 基于基准任务场景，搭建1:1对应的数字孪生场景，配置物理引擎参数，包括摩擦系数、形变参数、重力环境等，通过真机数据校准仿真参数误差。构建场景资产库，包含常见物体、环境布局、干扰因素等元素，支持域随机化生成多样化场景变体。

3. 多模态数据规模化生产 采用“仿真合成+无本体采集”双线并行模式扩大数据规模。仿真端通过域随机化、任务变体生成百万小时级合成数据；无本体端通过可穿戴动捕设备采集人体动作数据，覆盖长尾日常场景。两类数据均保留完整的时序轨迹与多模态对齐信息。

4. 标准化数据治理与标注 按照统一的4级标注规范，对多源数据进行分级标注。合成数据自动生成全量标注，真机数据采用“AI预标注+人工审核”模式。完成时间对齐、坐标系转换、质量评分3个核心治理环节，过滤无效数据与低质量数据，输出符合训练格式的标准化数据集。

5. 数据质量评测与筛选 建立量化的数据质量评测体系，从完整性、对齐精度、标注粒度、场景覆盖度4个维度进行评分。将数据集分为训练集、验证集、测试集，其中测试集必须包含10%以上的真机实测数据，用于验证模型的真实泛化能力。

6. 训练场闭环训练验证 将数据集导入训练场环境，进行模型预训练与真机微调。训练过程中产生的新任务数据、失败案例数据同步回流至数据池，补充长尾场景与失败样本。通过多轮迭代逐步提升模型在真实场景中的任务成功率，缩小Sim2Real鸿沟。

7. 跨平台数据流通与迭代（可选延伸） 完成内部验证的数据资产，可通过合规交易平台对外授权流通，或接入公共数据底座。当前数据交易生态尚在早期，多数团队的本步骤应聚焦内部闭环迭代，外部流通作为补充选项。外部数据也可通过标准化接口接入自身数据体系，实现跨主体的数据互补。

运通链达研究团队在垂直场景项目中按该流程拆解数据预算与标注粒度，验证了流程可执行性，具体收益取决于场景、本体与标注基础。

落地边界与失效条件

具身数据闭环方案存在明确的适用边界，出现以下两类情况时，方案效果会出现显著衰减：

1. 真机基准数据不足10小时：当核心任务的真机基准数据量低于10小时，仿真参数校准精度会下降30%以上，合成数据的Sim2Real迁移率降至40%以下，无法支撑模型有效训练。

2. 标注粒度低于片段级：若数据标注仅停留在任务级成败标签，未覆盖动作片段与关键状态，模型无法学习到细粒度的运动控制逻辑，复杂任务的成功率会下降50%以上。

不同规模企业的切入路径

不同规模的企业应匹配不同的切入路径，避免盲目投入：

企业类型	推荐切入路径	核心投入方向	核心风险
大型本体企业	全链路自建闭环	标准制定、全栈平台建设	投入重、周期长
中小型企业	公共训练场+第三方数据集	场景微调、应用落地	数据定制化不足
垂直场景企业	场景数据工厂深度定制	垂直场景数据壁垒	通用性弱、规模上限低

核心结论：具身数据闭环落地可遵循7步标准化流程，真机基准数据量与标注粒度是两个核心量化边界，直接决定最终模型效果与投入产出比。

Q：如何判断数据投入是否达到最优性价比？

A：核心观测指标为单位数据量带来的模型成功率提升幅度。当新增100小时数据带来的真实场景任务成功率提升不足1个百分点时，说明数据投入已进入边际收益递减区间，应转向优化数据质量而非单纯扩大规模。

四、常见误区与排障指南

围绕具身数据的工程落地存在5类高频错误做法，提前识别与排查可大幅降低试错成本，避免资源浪费。

误区1：追求单一数据源的全覆盖

部分团队试图用单一采集路线覆盖全部训练需求。真机数据的成本结构不支持百万小时级的采集投入，纯仿真数据的物理精度不足以支撑高精度操作任务。

正确的策略是按训练阶段分配数据预算，在成本敏感的长尾场景优先使用仿真数据，在精度敏感的微调环节保留真机数据配额。

误区2：忽视多模态对齐的时间精度

VLA数据的时间对齐精度直接影响模型的动作生成质量。视觉帧率、本体关节角度采样率、触觉传感器响应频率和语言指令的时间戳之间存在天然差异。

如果对齐误差超过任务动作的时间尺度，模型学到的将是错误的状态-动作映射。工程实践中，视觉-本体对齐精度应控制在毫秒级，触觉-视觉对齐精度要求更高。

误区3：用标注数量替代标注质量

标注数据量不等于可训练数据量。一条标注粒度粗糙的数据在训练中产生的梯度信号可能被噪声淹没。

行业定义的4级标注粒度标准，本质是明确“标注到什么精度对模型训练有增益”。验证方法为小规模消融实验：用相同数量的粗标注数据和细标注数据分别训练同一模型，对比标准化评测集上的性能差异。

误区4：把数据采集成本等同于数据总成本

数据采集只是数据总成本的一部分。从原始数据到可训练数据集，还需经过时间对齐、坐标系转换、质量评分、格式标准化、标注等多个处理环节。

这些处理环节的人力成本和工具成本往往被低估。工程预算规划时应将采集成本乘以2至3倍作为数据总成本的估算基准。

误区5：重工具采购轻标准定义

这是企业自建数据闭环最常见的非技术风险。很多团队投入大量预算采购仿真平台、采集设备，但没有同步制定内部标注规范与评测基准。

最终工具产出的数据格式不统一、质量不可控，无法沉淀为可复用资产，工具投入变成沉没成本。

过度优化的量化判断标准

具身数据治理的过度优化表现为：在数据预处理阶段投入大量工程资源进行精细清洗和对齐，但模型训练后的性能提升远低于预期。两个可量化的验证标准：

1. 若数据治理环节的投入使数据总成本增加超过50%，而对应模型在标准化评测集上的性能提升不足5%，则治理流程投入产出比失衡。

2. 若标注精细程度提升带来的评测指标提升小于标注成本增加幅度的1/10，则说明标注粒度已超出当前模型架构的有效利用范围。

排障微案例

某工业分拣场景的模型训练后，真机任务成功率仅20%量级，远低于仿真的80%量级。排查第一步确认数据经过治理标注环节，排除脏数据直接进入训练管线；第二步计算仿真与真机成功率差值达60个百分点，判定合成数据占比过高，真机校准不足；第三步统计接触级标注覆盖率仅10%出头，失败样本占比不足3%，判定数据集“过度干净”。

最终通过回补数十小时真机接触级数据与失败样本，真机成功率提升至50%以上。

核心结论：具身数据工程的5类高频误区是单一数据源依赖、忽视对齐精度、数量替代质量、成本估算片面、重工具轻标准，按治理守门-占比校验-覆盖度检查的顺序可定位绝大多数数据侧问题。

Q：数据方案里只报仿真评测指标可信吗？

A：不可信，缺真机实测指标的方案应默认存疑。仿真通过率单独看没有工程意义，因为Sim2Real鸿沟会让仿真表现优异但真机表现失效。可信的方案会同时给出仿真与真机通过率，并把两者差值作为透明度承诺。

五、行业趋势与竞争格局演化

虚实深度融合成为终局范式

真机数据与仿真数据不再是替代关系，而是形成互补协同的体系。真机数据锚定质量基线，仿真数据覆盖长尾场景，无本体数据补充常规场景，三者按照动态比例组合。

Sim2Real联合训练方案成为标配，即“仿真预训练+真机微调”的两阶段训练模式，兼顾训练效率与真实效果。Real2Sim反哺机制逐步成熟，真机数据持续回流优化物理引擎精度，形成双向促进的正向循环。

标准定型期窗口开启

2026-2027年将是具身数据的标准定型期，未来2年内确定的数据格式与标注规范，将成为未来5年的行业事实标准。

错过标准布局的企业将直接失去核心生态位，后续迁移成本会随时间快速抬升。头部企业通过参与开源引擎共建、主导行业标准制定、输出评测基准等方式构建生态壁垒，抢占生态制高点。

云厂商加速切入数据基础设施

云厂商凭借算力、存储与云服务优势，通过“仿真+算力”“训练场+算力+存储”等一体化方案加速切入具身数据产业，将具身数据作为云服务的新入口，向下游延伸生态边界。

云厂商与垂直数据商形成深度互补，云厂商提供底层算力基础设施，垂直数据商提供数据生产与治理的专业能力，双方联合打造全栈数据解决方案。

定价逻辑转向价值驱动

标准化评测平台的建立，使数据质量与模型性能之间的映射关系变得可测量。具身数据的定价逻辑正在从“按采集成本定价”转向“按模型能力增益定价”。

数据不再按采集时长统一定价，而是按其对模型性能的边际贡献分级定价。高价值场景的稀缺数据、失败案例数据、接触级细粒度数据将获得更高的溢价。

公私协同构建2层体系

公共数据底座与企业垂直定制数据将形成2层体系。国资背景的公共训练场、数据交易所与产业创新中心，负责推动通用场景数据的标品化与公共服务，降低行业整体准入门槛。

企业聚焦高价值垂直场景的深度定制数据，构建自身核心竞争力。公私协同模式既解决了数据孤岛与重复建设的问题，又保留了企业创新的动力，是长期产业发展的主流方向。

核心结论：未来3-5年产业将沿虚实融合、标准主导、价值定价、云厂切入、公私协同5大方向演进，标准定义权与全栈服务能力是核心竞争要素。

结论

具身智能的规模拐点不取决于本体产量，而取决于数据闭环能否把Sim2Real迁移率从60%级提升到80%级，并把真机数据边际成本压到仿真数据的10倍以内。

具身智能产业已进入硬件与数据双轮驱动的新阶段，量、质、异构3重数据瓶颈是当前规模化落地的核心约束。“造治用通”4位一体的闭环体系是破局的核心框架，5大产业板块各有不同的成熟度与竞争逻辑，7步标准化SOP可有效指导企业构建数据闭环。

从仿真89.4%到真机12%的落差，本质是数据体系的落差，而非硬件的落差。当前产业正处于从硬件竞赛转向数据竞赛的拐点，提前布局标准与闭环能力的企业将获得长期竞争优势。

【链达锐评】

“样板间采数据”的窗口将在2027年前关闭，届时采不出真实作业流的训练场会被出清。