出来你可能不信：现在的大模型能读几十种语言、能写代码、能过律师资格考试，但让它叠一件 T 恤——做不到。

不是开玩笑。你去问任何一个机器人公司的工程师，他们都会告诉你同一件事：让机械臂抓取一块布、感知它的褶皱、调整力度把它叠整齐，这套动作的难度远超你的想象。

问题出在哪？不是算力不够，不是模型架构不行，而是没有数据。

语言模型有整个互联网当教材——维基百科、GitHub、新闻、论文，要多少有多少。但机器人需要学的是"手怎么用力""物体有多滑""身体重心往哪放"——这些信息，互联网上几乎没有。你没法从 YouTube 视频里提取出拧瓶盖的力度，也没法从小红书笔记里学会端盘子的平衡感。

于是，一个全新的赛道正在快速成形：具身智能数据采集。有人做触觉手套，有人做头戴相机，有人建上万平米的真机训练场，也有人用算力在虚拟世界里"造"数据。

下面，我们按采集技术路线，把这个赛道拆开看看。

8条技术路线，40家企业的全景图

1、触觉类：补上大模型最缺的"手感"

视觉靠摄像头，语言靠文本，但"摸起来什么感觉"只能靠专门的传感器。这也是目前参与者最多的一类——9家企业，形态五花八门。

产品形态已经分化出多个方向：有做数采夹爪的、做数据手套的、做指套的（有的重量不到100g）、还有做触觉灵巧手的（部分产品集成了上千个触觉处理单元）。

学术界也给出了直接证据：有研究团队在对比实验中发现，加入触觉预训练后，机器人的任务成功率从 21% 直接拉到 71%。这不是小幅优化，这是质的飞跃。

2、视觉 / 感知类：让人戴着相机干活

这类路线的核心思路很朴素——让人戴着头戴设备正常干活，镜头记录下人的视角和手部动作，这些就是机器人的"教材"。6家企业，5家选了头戴方案。

差异点主要在三个方向：规模（有依托零售物流真实场景的玩家，计划两年积累千万小时级数据）、深度质量（有专攻透明和反光物体深度采集的方案，这类场景是普通 RGB 相机的盲区）、长时佩戴（已有设备能做到350g以内，支持全天候连续作业）。

3、动作捕捉类：把人的动作"翻译"给机器人

动捕技术在影视和体育行业已经很成熟了，但现在它多了一个新用途：把人的动作数据化，变成机器人的训练素材。国内已有企业把动捕和机器人遥操作打通，两年内拿了近30家机器人厂商的订单；光学动捕方案则常被用作手持数采方案的位姿真值参考。

海外方面，一些数据手套产品已经支持带触觉反馈的闭环遥操作，可以和光学动捕、VR 头显搭配使用，相当于把视觉、动作和触觉串成了一条线。

4、力觉 / 全身运动类：真机遥操作数据还是"金标准"

不管其他路线怎么降本，真机遥操作采出来的数据，目前依然是质量最高的。有企业做毫秒级的双向力反馈，有团队实现了全身55个自由度的协同。

这个方向上，一个值得关注的开源趋势是——有厂商在发布数据集时保留并标注了失败恢复轨迹，同时发布 1:1 数字孪生仿真数据。失败数据恰恰是让机器人学会"纠错"的关键资源，跟人类学走路要先学会摔跤一个道理。

5、肌电 / 超声生物信号类：直接读"肌肉想怎么动"

这是最前沿的一类——不往外看人的姿势，而是直接读取肌肉的电信号。已有企业做到1000Hz采样肌电；海外大厂也在布局，有研究发表在了 Nature 上，开放了100多小时 sEMG 数据供学术界使用。

更前沿的方向是超声成像——有研究团队在腕部贴超声成像贴片，从腕部影像还原出22个手部自由度，驱动机器人手弹钢琴。听上去像科幻，但相关论文已经在顶刊发表了。

6、无本体 / 轻量化类：不用机器人也能采数据

数据贵，很大程度上是因为"每采一条数据都得有台机器人"。这条路绕开了这个约束。

有企业推出面向普通用户的无机器人采集方案，已经在全国几十个城市完成了十万小时级的家庭场景数据采集。还有玩家把目光投向互联网视频——通过全自动标注清洗管线，把单条数据成本压到了传统方式的 几十分之一。

7、数据工厂 / 训练场：规模化的基础设施

当数据需求从"千小时"迈向"百万小时"，散兵游勇式的采集就不够用了，集中式的数据工厂开始出现。有机构建成了近5000㎡的训练基地，数据合格率从约50%提升到95%以上，还牵头制定了国内首个具身数采行业标准。也有企业在多地布局了数万㎡的数据中心，年产数十万小时真机数据与百万小时级 Ego 数据。

核数聚在苏州、青岛、芜湖等地均建设具身智能训练场，宇树、智元、鹿明、优里奇、科沃斯这些头部具身企业都已经入驻了。核数聚采用"真实场景采集 + 仿真场景合成"双路径，深度融合遥操作、UMI、Ego 等主流采集技术。简单说，他们不造机器人，但专门帮造机器人的人解决"数据从哪来"的问题。

8、仿真类：用算力换数据

仿真是唯一能"无限扩量"的路线。已有合成抓取数据集达到十亿帧级别，几百张显卡就能在十天内生成完毕。一些室内3D仿真数据集，资产自带尺寸、碰撞体、关节等物理属性，可以直接进入训练环境。

也有企业专攻仿真里的"硬骨头"——比如服装、皮肤等柔体形变物体的仿真，这是传统物理引擎最头疼的场景。而更多玩家开始强调真机与仿真融合的数据闭环路线。

5个值得关注的趋势

趋势一：触觉成了新战场

条目最多、产品形态最丰富的一类。传感器精度已经进入0.01N量级，这个精度意味着机器人能感知到一张纸落在手上的力度差异。触觉不再是"锦上添花"，而是决定操作成功率的硬指标。

趋势二：Ego 第一视角走红

"人干活就是在采数据"——这个逻辑让采集规模的天花板被大幅抬高。不需要专门搭建实验环境，不需要操作机器人的专业人员，一线工人戴上设备正常作业就行。数据采集从"奢侈品"变成了"日用品"。

趋势三：无本体方案把成本打下来了

不依赖机器人本体，意味着数据规模可以从千小时快速迈向十万小时量级。对于中小机器人厂商来说，这是降低数据门槛最现实的路径。

趋势四：数据工厂走向规模化、标准化

"国家队"和头部企业开始入场，定义什么是"合格数据"、建立行业标准。这个阶段很像自动驾驶数据标注行业2018年前后的状态——从野蛮生长走向规范化。

趋势五：虚实融合是终局

仿真给"量"，真机给"质"，人类数据补"广度"——三者正在组合成完整的数据金字塔。未来的赢家不会是单独押注某一条路线的玩家，而是能把三条线串起来的人。

核数聚在这张图谱里是什么位置？

说完8条路线，回头看核数聚，你会发现我们不属于某一条单一技术路线，而是横跨了"数据采集 + 数据标注 + 训练场服务"三个环节，本质上是做一个具身智能数据的基础设施层。

核数聚的能力可以概括为三个层面：

第一层：全模态数据采集

覆盖视频、点云、图像、语音、文本、VLA 等全品类数据。不局限于某一个传感器或某一种场景，从消音室里的高质量语音录制，到 1:1 还原家居环境的场景模拟，再到苏州训练场里的真机遥操作采集——各条线都有自己的专业设备和人。

第二层：AI 预标注 + 人工精修

这我们最核心的壁垒。50万注册标注人员、高校产教融合的支撑，加上自研的 AI 预标注平台，能做到全品类数据的快速响应。对于具身智能这种多模态、高复杂度的标注需求——比如要给一段机械臂操作视频做逐帧动作标注、给 3D 点云做语义分割——纯人工太慢，纯 AI 精度不够，人机协同目前还是最优解。

第三层：训练场即服务

苏州训练场150多名驻场人员，不是简单的"场地出租"，而是提供从场景搭建、数据采集、标注质检到定制化数据集生产的一站式服务。宇树、智元、科沃斯这些厂商愿意入驻，说明市场对这类专业化数据基础设施的需求是真实的。

如果把具身智能比作造车，算法是发动机，算力是汽油，那数据就是路——没有路，再好的车也跑不起来。核数聚做的，就是修路的事。

写在最后

作为一个在数据行业摸爬滚打的人，我看完这40家企业的图谱后的最大感受是：具身智能的数据需求，正在复刻当年自动驾驶数据行业爆发前的状态——需求井喷、标准缺位、供给分散、头部厂商开始卡位。

不同的是，具身智能的数据复杂度比自动驾驶高出一个量级。自动驾驶主要是视觉 + 激光雷达，场景相对标准化（道路、车辆、行人）；而机器人面对的是厨房、客厅、工厂车间、医院病房——场景千差万别，操作动作没有标准答案。这意味着对数据服务商的要求更高：不仅要"采得到"，还要"标得准"，更要"懂场景"。

核数聚的故事只是这个赛道的一个切面。每一家投入这条赛道的企业，都在试图回答同一个问题：怎么让机器人从"看得见"走向"动得了"？

而这个问题的答案，很可能就藏在接下来几年积累的每一条数据里。