数采工厂最新产业格局，数据定义权的终极争夺

机器人也得“上学”？一场关乎“物理常识”的豪赌

作者：余柯、赵鹏程

编辑：晋芳博

如果把人形机器人比作一个刚出生的婴儿，那么现在的 AI 大模型就是它的“大脑”。但问题来了：一个只有大脑、没有生活经验的婴儿，能直接去工厂打螺丝或者在家里收衣服吗？

答案是：不能。

过去一年，具身智能最火的词不是“本体”，而是“数据”。不同于大语言模型可以靠抓取互联网文本来“刷题”，机器人要学会在现实世界里干活，必须拥有“物理常识”——捏碎一个鸡蛋和抓起一个钢球，力道有何区别？地毯上的摩擦力和瓷砖地有什么不同？

这些微妙的、不可言说的“手感”，只能在真实的物理世界里一遍遍“刷经验”。而这一核心需求，也直接推动了数采工厂的快速崛起与迭代——从2024年行业开始聚焦数采需求，到2026年目前形成的64座数采工厂规模（目前还在持续更新中），短短两年时间，数采工厂不仅完成了数量上的扩张，更在技术路线、产业格局上发生了深刻变化。

本文将从梳理视角，为大家呈现数采工厂的发展脉络、当前格局与产业现状，传递行业最新动态。

· 产业基建: 27 城 54 座数采工厂全国布局

· 核心技术：帕西尼感知解锁物理常识

· 产业争夺：抢占具身智能数据定义权

如果把机器人的数据积累比作“攒经验升级”，那么早期的仿真数据，就像是纸上谈兵的“理论知识”，而真实的物理交互数据，才是能真正提升“战斗力”的“实战经验”——前者是基础铺垫，后者才是核心关键。

早期，整个行业几乎都在押注仿真数据，试图在虚拟空间里教机器人干活、积累经验。但大家很快发现，再逼真的虚拟场景，也无法复现物理接触中那些微妙的摩擦力与形变——机器人在虚拟世界里能完美抓起鸡蛋，到了现实中可能一捏就碎。

直到2026年，行业终于达成共识：真实的“物理经验”，才是机器人实现质的升级的关键。

目前，行业内核心数采路径主要分为三类，每一类都对应着机器人“学习”的不同阶段：

1.   视觉数据：机器人的“基础感知工具”，能让它快速识别物体、判断周围环境，比如看清眼前是易碎的鸡蛋还是坚硬的钢球，是光滑的瓷砖还是粗糙的地毯，为后续的精准操作提供重要前提。

2.   遥操作：“手把手”的示教模式，就像是“老师手把手教学生”，工作人员通过远程控制，亲自示范精细动作，让机器人精准模仿，确保每一个操作都到位、不失误，为机器人积累基础操作经验。

3.   可穿戴设备：破解数据瓶颈的核心路径，从2024年5月起，以 UMI（通用操作接口）、外骨骼、动捕服为代表的设备开始大规模进入实战场。工作人员戴上这些带有传感器的设备，自己完整做一遍操作动作，机器人就能像素级同步这份“手感”和力反馈，这也是目前破解“数据瓶颈”最核心、最有效的办法。

截至目前，中国拟建成64 座（目前还在持续更新中）具身智能数采中心、创新中心和训练场，分布在包括北京、上海、深圳、武汉、杭州、成都在内的多个城市。

（上下滑动查看更多）

可能有读者会好奇，这些数采工厂看似大同小异，实则背后有着截然不同的运营逻辑，目前行业已明确分化出三类核心流派。

1.自建自用：技术派的“闭环试验场”

这类工厂由深耕具身智能大脑研究的头部企业运营，核心逻辑十分清晰 —— 作为具身智能大脑的研发主体，企业深知机器人本体的质量直接决定真机数据的采集质量，而高质量物理交互数据，正是训练、优化具身智能大脑的核心支撑。

自建工厂、自主采数，才能形成 “硬件载体 - 高质量数据 - 大脑模型” 的完整闭环，让具身智能大脑实现高效迭代。

· 星海图：以具身智能大脑研究为核心方向，提出 “一脑多形” 的研发理念，其所有布局均围绕打造通用化的具身智能大脑展开。

为给大脑积累足够的真实开放场景预训练数据，星海图并未将机器人局限在实验室，而是把数十台 R1 系列机器人投放到酒店、食堂、商场等实际场景，让机器人一边完成实操任务一边采集数据。

在其看来，这类真实场景的物理交互数据，是训练具身智能大脑、提升其场景泛化能力与物理常识理解能力的关键，数据采集本身就是大脑研发的重要生产环节。

· 千寻智能：核心聚焦具身智能大脑的研发与落地，是兼具大脑模型与机器人本体研发能力的全栈公司，其自研硬件的初衷，就是为旗下具身智能大脑的研发，采集更高质量、更贴合真实场景的真机交互数据 “燃料”。

也正因此，千寻智能全力扩张自建数据工厂，规模已接近千人，打造专属的具身智能大脑训练数据试验场，通过硬件与数据的深度协同，为大脑模型的快速迭代、能力升级提供核心支撑。

2.   政府共建：以“场景 + 数据”为筹码的产业闭环

这类模式的核心，就是政府拿“场景+政策”当筹码，企业拿“技术+数据”来配合，最终实现“政府搭台、企业唱戏、数据赋能”的良性闭环，既能助力本地产业升级，也能吸引更多相关企业落地扎根。

· 北京亦庄： 打造全国首个具身智能机器人全栈式开发者社区。通过每年发放 1 亿元“数据券”，引导企业采购数据集、数据接口等产品，将单位数据采集成本降低 50%——这既有效降低了企业的运营负担，也让本地的数采生态变得越来越完善。

· 上海国地共建：由上海市经信委、浦东新区政府共同指导，国家地方共建人形机器人创新中心（国地中心）牵头建设的全国首个异构人形机器人训练场于 2025 年 1 月在浦东张江正式启用，是典型的 “政府引导 + 国家级平台 + 市场运作” 国地共建模式。

该训练场占地 5000 平方米，首期部署超 100 台异构人形机器人，以 10 余种典型场景开展数据采集与模型训练，预计年内完成 500 万条真机数据采集，目标成为全球最大的具身智能数据池。

这种模式不仅为上海吸引了智元、傅利叶等头部企业集聚，更通过数据标准化与大模型研发，提升了上海在具身智能领域的产业话语权与招商吸引力。

3.   场景倒逼，特色产业驱动的超级工厂

这一类工厂多落地在拥有特定优势产业的中小型城市，核心逻辑是“场景即资产”——这些城市的特色产业，恰恰是机器人最需要的真实实操场景，场景方的实际需求，直接倒逼了数采工厂的落地和发展。

· 江苏宿迁：结合京东集团的物流集群，深耕白酒酿造、智慧物流等场景。帕西尼在宿迁投建万平米基地，正是依托其核心的帕西尼感知技术，专门采集白酒装卸这类对“力控”要求极高的特定数据——白酒易碎、力道控制难度大，这种场景的数据，正是机器人提升实操能力的关键。

· 四川自贡： 依托当地良好的空域条件与低空经济、无人机产业，自贡数采中心专门采集无人机维保、复杂地形交互数据，打造“前店后厂”的区域协同模式。当地的低空产业优势，让这里成为无人机相关数据采集的天然场景，也让自贡在数采布局中占据了独特优势。

· 江西赣州： 瞄准新能源电池产线与南方特色农业，导入全身数采方案，承接特种采摘与精密电子装配的训练任务。新能源和特色农业的场景需求，倒逼数采技术针对性落地，也让赣州成为细分场景数采的重要阵地。

大家可能会好奇，为什么宿迁、自贡、赣州这些城市也能分到一杯羹？这背后是具身智能选址逻辑的深度演变：场景即资产，比起一线城市的资源优势，二三线、三四线城市的特色产业场景，反而更能提供机器人所需的真实实操数据，这也是它们能在数采布局中脱颖而出的核心原因。

从下面的表格可以看出，二三线、三四线城市拥有极为丰富的机器人实操场景，例如江苏宿迁的京东产业集群、江西赣州的新能源产线、四川自贡的低空经济，他们都是未来机器人落地应用最真实的场景：

如果说 2024 年是数采工厂的 “概念元年”，2025 年是 “落地扩张年”，那么 2026 年已进入 “数据主权争夺年”。

短短两年，数采工厂已从单一 “数据采集基地” 的业态，升级为具身智能产业的核心基础设施与区域竞争的战略支点，从 “有没有” 快速走向 “优不优、全不全、标不标准” 的新阶段。

当下，“数据定义权” 已不再是企业之间的单打独斗，而是上升为区域产业战略。对各地而言，谁能率先建成高质量、标准化、规模化的数据底座，谁就能吸引具身智能上下游产业链集聚，制定行业标准，主导产业生态，这也是各地争相布局数采工厂的核心原因。

但随之而来的，是行业马太效应的凸显：数据资源正快速向头部企业集中，“数据垄断” 的雏形已初步显现。头部企业凭借资金、技术和场景优势，掌控着优质的真机数据和全链路生态，这让中小企业及后进入者的准入门槛急剧抬高，未来想要在数采领域分一杯羹，难度将大幅增加。

如果说 2024 年行业还在讨论“有没有数据”，2025 年在比拼“谁的数据更多”，那么到了 2026 年，一个残酷的分水岭已经出现：数采工厂的竞争，早已跳出“数量竞赛”，进入“体系比拼”的终极阶段——谁能把碎片化的真机数据，打磨成标准化、全链路的体系化基础设施，谁才能站稳脚跟，真正参与具身智能下一阶段的产业决战。

如今，数采工厂的建设和扩张已在全国铺开，数据定义权的争夺从企业延伸至区域，头部集聚的马太效应愈发明显。当这些数采工厂年产出数十亿条高质量真机数据，当Scaling Law在物理世界再次显灵，这场关乎具身智能未来、关乎产业格局重构、关乎数据主权的豪赌，才刚刚拉开真正的序幕。