1、机器人数据产业链核心结论概览
·核心投资逻辑：机器人从唱歌跳舞等偏展示的功能向专业落地场景渗透、真正产生经济价值的阶段，核心痛点为机器人大脑智能化泛化能力不足，深层原因是缺乏足够量级的高质量数据用于机器人模型训练，甚至数据总量都未达可观规模。当前机器人产业最卡脖子的领域为数据相关环节，该赛道仍属相对蓝海、较为前瞻的领域，数据从采集、治理到训练的全链路，是产业端与资本市场应重点关注的方向。
·市场空间测算：数据产业链市场空间可拆分至设备端与视频数据端两个维度测算：
1）设备端：国内数采设备龙头易丰科技今年规划完成1000万小时数据采集，当前共持有2万套设备，其中1万套用于自采，对应1000万小时的数据采集规模。若远期数据需求提升至10亿甚至百亿小时量级，对应设备端需求至少为百万台量级，设备市场规模可展望为百亿至千亿级别。
2）视频数据端：数据类型涵盖真机、仿真、无本体三类，单价区间为100元/小时至5000元/小时，行业中位数为300元/小时；市场普遍认为需1000万小时以上高质量数据才有望达到相对GP3.0的技术突破，对应视频数据市场为百亿量级。
从时间维度看，今年数据相关赛道整体订单量级约10亿，中期维度市场规模至少达百亿级别，远期（2030年及以后）伴随模型持续迭代的数据需求释放，市场空间将达千亿至万亿量级。
受益环节概述：当前数据采集赛道主流技术方案主要分为三类，数据需求爆发下三大环节将核心受益，对应三大投资方向：
1）数采设备环节：为投资最大公约数，包括相机、触觉相关设备、陀螺仪IMU等核心零部件厂商将率先受益，投资筛选标准为具备明确卡位优势的核心零部件厂商。
2）素材公司及仿真平台环节：作为直接向模型厂商提供视频素材服务的主体，具备技术壁垒、尤其在仿真资源端有自身优势、行业发展前期拥有大客户卡位优势的生产服务商将率先受益。
3）垂类应用环节：待上游设备、素材环节技术卡点解决进入相对同质化阶段后，具备场景壁垒优势、有场景积累的垂域本体厂商是长期最具潜力的投资方向。
2、数据产业链发展驱动因素分析
具身数据特性分析：具身智能数据与传统大模型数据的核心差异在于，其从传统大模型的文本、图像数据跃迁到真实物理世界数据，实现数据闭环提升。区别于传统文本大模型数据，具身数据需满足四大核心特性：
1）多模态完善：除视觉信息外，高精度需求场景还需触觉、力觉、听觉等多模态数据支撑；
2）时空对齐要求高：时空对齐、对称性要求远超过文本、图像等传统数据；
3）长尾场景覆盖广：需覆盖足够多的长尾场景，保障不同场景下的覆盖率与通用泛化性；
4）质量优于规模：传统大模型基模训练可通过提升数据量达到较好训练效果，但具身模型（物理AI）更依赖执行、验证、复现等环节的高质量数据。
国内产业布局进展：国内数据产业布局由政策端先行引导，2024年下半年起国家顶层及地方政府就已对数据产业出台明确规划布局，2025年各省市密集针对人形机器人、具身智能的数据采集展开部署。当前产业落地已具备较好基础：地方政府端，上海张江已投用国内首个异构人形训练场，北京石景山建成国内规模较大的人形训练场；企业端，国内相关企业已推出适配数据采集的产品，包括轮式产品、G1及AI相关数采产品，销量已具备行业基础。
海外产业投入情况：海外头部初创企业对数据采集的重视度极高，以Figure为例，其最新C轮融资10亿元，预计15%-20%的资金将投向数据采集领域。经估算，近期海外头部企业在数据采集领域的资本开支已达到10亿美金量级，全球数据采集赛道景气度较高。
3、数据采集技术路线梳理
数据类型分类梳理：机器人训练数据主要分为三大类，分别为真实数据、合成数据、互联网/纯人类数据，三类数据规模依次递增，成本与精度依次递减。其中真实数据成本最高、规模最小，代表包括机器人真机、传统遥操纵骨；合成数据以世界模型、物理驱动模型生成的仿真视频数据为主；互联网/纯人类数据以第一人称和互联网视频数据为主，精度相对较低，但规模化扩张能力更强。
采集路线优劣势对比：当前市场主流数据采集路线共四类，各路线优劣势、适用场景及发展潜力如下：
1）遥操：精度最高、成本最高、效率最低，物理真实性、动作精度表现最优，技术路径涵盖位置类、视觉类、光惯类等方式，主要应用于模型后训练的关键环节，用于调整机器人或具身产品的操作性能验证。
2） 第一人称：是今年最火的数据采集方式，核心优势为部署门槛最低，可通过众包模式实现规模化扩张，具体方式为大厂向时间充裕的市民发放头环设备，市民采集数据回传即可获取对应收益，劣势为后期数据清洗、标注、治理、部署难度较高，主要应用于大规模预训练、前中段精度示范流程。
3）仿真合成：优势为可快速复制、无限扩展，自动标注能力及长尾场景覆盖能力突出，核心劣势为sim to real鸿沟尚未得到有效解决，若该技术瓶颈被突破，仿真合成将成为可最快提升数据规模、同时保障数据质量的通用采集方式。
4）便携式：可兼顾数据质量与成本，未来有望成为相对主流的数据生产方式。
目前数据采集设备的产业格局及发展方向已相对清晰。
4、数据产业链投资标的推荐
上游数采设备标的：上游数采设备是数据产业核心上游环节，涵盖相机、惯性IMU、力觉触觉传感器、电子皮肤、力矩传感器等核心产品，该环节标的筛选核心标准为赛道龙头属性、订单可见度及客户卡位优势，核心优质标的包括：
1）奥比中光是数采设备领域最纯正标的，为全球深度相机市占率第一的绝对龙头，今年全年机器人收入约4-5亿元，明年收入有望突破10亿元，后续其集成化产品的市场表现值得重点期待；
2）华依科技、芯动联科为IMU陀螺仪赛道全球龙头，实现全流程自主可控，当前海内外客户对接情况积极乐观，是益丰科技的核心陀螺仪供应商，后续大客户端的订单爆发潜力较大。
·中游数据服务商标的：中游数据采集服务商是数据产业爆发期率先获得海内外头部模型厂、本地厂商订单的核心环节，该环节企业的核心壁垒在于是否拥有独立且能力较强的仿真平台，以及覆盖数据采集前期运营、后期清洗、治理、标注、重定向全流程的完整数据处理能力，核心优质标的包括：
海天瑞生是中游生产服务商中的优选标的，积累了多年数据标注清洗经验，前期在技术功耗、产业深耕方面的储备形成了显著先发优势，将充分受益于行业初期爆发红利；
利亚德已布局高精度光谱技术，后续有望在大客户端实现较好的订单兑现。
·下游垂类应用标的：下游垂类应用商的核心竞争力在于商业模式打磨和模型部署能力，待上游、中游技术壁垒突破出现发展拐点后，拥有场景及运维优势、具备垂域本体模型与数据场景闭环能力的龙头企业将具备极高的长期发展潜力，属于数据产业链中具备高确定性的优质赛道。重点推荐天奇股份、亿嘉和，两家公司均具备突出的场景与运维优势，拥有垂域本体模型与数据场景闭环能力，长期成长空间较大。