人形机器人行业专题报告8：跨越与弥合，数据采集的必要性与重要性

人形机器人专题报告8跨越与弥合：数据采集的必要性与重要性评级：推荐(维持)证券研究报告2026年10月14日机械设备张钰莹(证券分析师)S0350524100004zhangyy03@ghzq.com.cn2163798请务必阅读报告附注中的风险提示和免责声明2相关报告《人形机器人专题5：Sim to Real，具身大模型的问题、现状与投资机会（推荐）*工程机械*张钰莹》——2025-11-10《人形机器人专题报告6：人形本体&灵巧手的电机进化“势”（推荐）*机械设备*张钰莹》——2026-01-03《人形机器人专题报告7：“腕”与“踵”，商业化落地前夕，机器人的散热瓶颈（推荐）*机械设备*张钰莹》——2026-03-11相对沪深300表现表现1M3M12M机械设备-8.2%-14.7%-3.9%沪深300-7.7%-8.9%-6.9%最近一年走势-10%-2%7%15%24%32%2025/10/132026/02/132026/06/132026/10/13机械设备沪深300请务必阅读报告附注中的风险提示和免责声明3核心提要本篇报告解决了以下核心问题：1、数据采集应用的理论前提：具身智能大模型真正落地应用前，为何、如何转动数据飞轮？2、数据采集应用的现状：从数据采集行业出发，各具身智能公司的大模型、数据采集工厂、数据采集硬件、平台及数据资产等的建设情况如何？u数据采集应用的理论前提：具身智能大模型真正落地应用前，为何、如何转动数据飞轮？ 1、从具身智能应用落地的目的出发，具身智能大模型需要打通表征与闭环两条主线，打破数据墙、表征墙与闭环墙三道墙，完成这一目的，可能需要百亿小时级别的高质量数据；典型的具身智能数据可以表示为视觉、语言、动作以及状态等，通过多模态数据跑通感知‑决策‑行动的闭环； 2、数据采集行业：从较宏观的角度来看，当前，数据采集行业逐步走向硬件设备成熟化+采集平台生态化+相关职业完善化，并催生了数据加工产业，主要有数据清洗、标注、治理、管理等； 3、数据采集方式：现有具身智能数据采集方式可归纳为四种核心范式：人类示教驱动、仿真环境驱动、真机跨平台数据聚合和世界模型生成，不同方式各有其优劣。u应用现状-布局、竞争：数据采集的行业现状与商业闭环 1、整理了各本体厂大模型路径、进展以及数采工厂的建设情况； 2、 整理了各厂商在数据采集行业的布局，部分厂商布局全链路生态，包括硬件本体、数据集、大模型及场景落地； 3、数据采集硬件的不同形态，主要有手部数采设备、外骨骼类、柔性类和穿戴电信号类等。u 相关标的：我们认为人形机器人处于技术突破、商业化落地初期，后续有望迎来量产空间，维持人形机器人行业“推荐”评级。建议关注：1）本体：宇树科技、优必选、极智嘉等；2）垂直场景本体应用：杰克科技、永创智能等；3）数据采集硬件：凌云光、汉威科技、福莱新材等。u 风险提示：人形机器人行业进展不及预期风险；数采成本下降不及预期风险；数据应用安全性及合规风险；相关行业标准制定与行业发展速度不匹配风险；中美贸易摩擦风险；重点关注公司业绩不及预期风险；研究报告中使用的公开资料可能存在信息滞后或更新不及时的风险等。 请务必阅读报告附注中的风险提示和免责声明4理论前提：具身智能大模型真正落地应用前，为何、如何转动数据飞轮？请务必阅读报告附注中的风险提示和免责声明5模型：需要什么样的具身智能模型？u 物理 AI 从“能演示”走向“能干活”，关键不在于单点模型能力，而在于能否形成可泛化、可优化、可进化的通用具身智能系统。u 理解物理 AI，首先要回到智能的两条主线：表征与闭环。表征，是对世界的抽象压缩；闭环，是智能体与环境之间持续发生的“感知、理解、决策、行动、反馈”循环。数字 AI 的成功，本质上是知识表征在数字环境中的成功；而物理 AI 的难点在于，必须同时打通经验表征与真实世界闭环。数据墙真实交互数据缺乏且获取成本高表征墙闭环墙跨任务、跨场景、跨本体的统一物理表征尚未形成真实试错代价昂贵、反馈缓慢，难以规模化u 对应地，物理智能要实现规模化，必须突破三道墙：物理 AI 的难点表征对世界的抽象压缩知识表征在数字环境中的成功是数字AI的成功智能的两条主线智能体与环境之间持续发生的“感知、理解、决策、行动、反馈”循环闭环同时打通经验表征与真实世界资料来源：觅蜂科技公众号，国海证券研究所请务必阅读报告附注中的风险提示和免责声明6数据：需要什么样的数据？u 什么是高质量物理AI数据？u AGI时代到底需要多少量级的物理AI数据？u 为什么以及如何构建数据生态？- 以终为始，能让模型真正形成可用能力，就是高质量数据。拆开来看，必须包含：硬件层面的同步与标定、语义标注规范、采集规范、数据分布合理、场景多样性、任务多样性，这些共同构成高质量数据。- 数据对具身智能不是燃料，而是 “人的教育”。好数据必须满足：真实开放场景、言传身教式长程示范、可规模化、可终身学习。不可规模化的数据，再精致也不是高质量数据。- 真实性：大多在实验室或人工场景采集，不够真实，需要泛服务、工业、家庭等真实场景；- 高精度标注：多模态时代一张图能有几千字标注，描述背景、前景、意图，但现在视频数据只有简单动作标注，环境和任务描述严重不足；- 能让模型“涨点”的数据。数据需要具备多样性、准确度、覆盖度等要素。对具身来说，未来还会出现更多质量维度。高质量数据加入，可以实现模型性能持续提升等。从时长来看，十万小时、百万小时、一亿小时，行业里存在各种判断；部分行业观点为100亿小时是通用模型的基础门槛；当前已公开的开源数据集，基本以百万条/小时为量级。1）多模态标准缺失：视觉、触觉、声音、肌电、脑电等数据，格式不同、坐标系不同、模态定义不同，可能花费大量时间做数据转换；2）数据筛选：a. 智能筛选高价值 / 长尾数据，把最有用的数据拿来训练；b. 需要失败数据做学习进化，失败轨迹、反事实数据、因果推理数据撑起强化学习与闭环仿真。资料来源：觅蜂科技公众号，虎嗅网，澎湃新闻，国家数据局公众号，星海图公众号，智元官网，国海证券研究所厂商宇树智元银河通用星海图数据集名称高质量全身遥操作真机数据集UnifoLM-WBT-Dataset全域真实场景、全能硬件平台、全程质量把控数据集AgiBot World灵巧手多样抓取仿真数据集DexonomySim发布百万小时超高质量真实数据计划发布时间2026年3月2024年12月2025年8月2026年6月数据集参数340小时合计189万条动作轨迹百万真机数据，100+场景、单条数据时长较长超过950万条高质量抓取姿态/表：部分已开源发布的数据集参数请务必阅读报告附注中的风险提示和免责声明7数据采集：多模态数据在大模型中的功能及配套硬件u 具身智能领域中的数据并非单一模态，而是由多种信息共同构成的复杂组合。典型的具身智能数据可以表示为视觉（Vision，V）、语言（Language，L）、动作（Action，A）以及状态（State，S）等多模态信息的联合体。其中，视觉数据通常来自 RGB 或 RGB‑D 相机，用于刻画智能体所处环境及目标对象的外观与空间关系；语言数据用于表达高