中国信通院《具身智能训练场研究报告（2026 年）》给了个刺眼的数字，模型要实现机器人的 ChatGPT 时刻，至少需要千万小时级有效数据，而当前全球可用的高质量真实数据只有数十万到百万小时级。
缺口巨大，供给却很粗放。一位数采中心人士举的例子很生动，找个家庭主妇闲时戴个采集头环，一天能产出三四小时数据，几万人同时采，一天就是几万小时。可数字膨胀不等于价值增长，几万小时的重复动作对训练模型意义有限。
行业里还流行数据竞赛式的宣传，模型厂商、本体厂商、数据厂商都在宣称自己有几万、几十万甚至上百万小时。为了撑起这些数字而堆量生产的数据，质量必然参差不齐。国家到现在没有针对具身智能行业的数据标准。
死结在通用性上。真机采集的数据和本体型号强绑定，用某一家的机器人采的数据基本只有这家能用，换一台型号不同的机器人数据就失效。一台 40 到 50 万元的机器人有效服役寿命只有 2 到 3 年，设备成本每年摊 20 万左右，厂商必须在这个周期内把本体成本全赚回来。
价格也实在不便宜。简单非定制的无本体采集每小时百元左右，真机数据每小时数百到上千元，复杂的更高。单个数采中心满负荷一个月也就产出一两万小时，而大模型训练短期内可能就要几十万小时。
今年圈内的风向还转了一次。年初大家认为数据采集是个伪命题，以真机采集为主；到 6 月变成真机数据够了，缺的是无本体数据。原因是预训练阶段推进后，对海量低成本通用数据的需求被激发出来。
还有个模式挺微妙，机器人厂商卖机器人的同时承诺回购采集的数据。看着双赢，本质是多次倒手，客户把机器人当采集工具用，数据采完回购完成就没有后续了。业绩短期好看，不可持续。
缺标准，比缺小时数更要命。