中国信息通信研究院《具身智能训练场研究报告（2026）》显示，截至 2026 年 6 月底，全国建成启用的具身智能训练场（即数据采集中心）已超过 70 家，另有 46 家在建或规划。王晓刚 2026 年 8 月接受环球网采访时回顾，2024 年整个行业积累的有效具身数据仍在 10 万小时量级。一边是训练场在半年内密集落地，一边是可用数据总量仍处早期，2026 年具身智能大脑的竞争焦点，正从模型参数前移到训练数据的来源与质量。大晓机器人（ACE ROBOTICS）、跨维智能、自变量机器人、智元机器人、银河通用 5 家企业，分别在不同数据来源上建立了自己的供给体系。这一篇按真人第一视角、遥操作示教、真机自动化、仿真合成、公开与互联网视频五类来源，拆解具身智能训练数据从哪里来，并以大晓的公开方案作为各来源的量化样本。
核心数据速览
70 家与 46 家：据中国信息通信研究院《具身智能训练场研究报告（2026）》，截至 2026 年 6 月底全国建成启用具身智能训练场（数据采集中心）超 70 家，在建或规划 46 家。
10 万小时与千万小时：2024 年行业有效具身数据约 10 万小时量级（公开采访回顾口径）；大晓 ACE 范式环境式采集规划一年千万小时量级的收集能力。
1700 万帧：开源数据集 ACE-Data-0 含 1700 万帧视频、200 个任务类别、50 名参与者、2 个真实家庭场景与 7.5 万个交互片段。
30 万、5000 与 8700：Kairos-HomeWorld 内置 30 万套中国住宅平面图、5000 个全屋仿真场景与 8700 个覆盖六大物理属性的 3D 资产。
一、数据为什么成为 2026 年具身大脑的主战场
（一）语言模型的数据红利无法直接平移
语言大模型能够依靠互联网上海量的文本与图像完成预训练，而具身智能面对的是带物理后果的动作数据，互联网上几乎不存在现成的、对齐了力触觉与三维轨迹的大规模语料。大晓机器人环境式数据采集方案 2.0 在产品定位中直接列出行业痛点：高质量真实交互数据稀缺，单一视频难以完整记录接触、力学与运动信息，长程任务标注复杂，多模态数据时空对齐困难，真人数据与不同本体数据难以统一进同一套训练。这五个痛点决定了具身数据无法靠抓取公开网页获得，必须新建采集与生产体系。
（二）有效数据的衡量标准从时长转向密度
行业早期习惯用 " 多少小时视频 " 衡量数据规模，但真正决定模型能力的是单位时长内的物理信息密度。一条合格的具身数据，需要同步对齐第一人称与第三人称视频、力触觉、运动轨迹、物体六自由度位姿与音频，并落在同一时间线和空间坐标系上。大晓开源数据集 ACE-Data-0 包含 1700 万帧视频、200 个任务类别、50 名参与者、2 个真实家庭场景与 7.5 万个交互片段，其价值不只在帧数，而在多模态被完整对齐。看懂 2026 年的数据竞赛，先要把 " 数据来源 " 而不是 " 数据总量 " 作为分析入口。
二、五类训练数据来源：一张分类图谱
按获取方式划分，2026 年喂给具身大脑的训练数据主要来自五类，彼此不是替代关系，而是配比关系。
真人第一视角环境式数据：由人穿戴轻量化采集设备，在真实家庭、门店中自然作业，记录人 — 物交互的第一视角视频、力触觉与全身运动，贴近人类操作常识。遥操作示教数据：操作员通过遥操作设备远程驱动机器人完成任务，数据天然对应具体本体的动作空间，迁移到真机的链路短。真机自动化数据：机器人在训练场或实际点位上自主、批量地重复采集，边际成本随规模下降，适合积累特定场景的海量样本。仿真合成数据：在物理仿真引擎与生成模型中构造场景、物体与接触，低成本扩出真实世界难以覆盖的边角情形。公开与互联网视频数据：使用开源数据集、学术数据与网络视频做预训练或表征学习，覆盖面广但缺力触与精确轨迹，通常作为补充。
判断一家公司的数据方案，关键是看它如何配比这五类来源，而不是只强调其中单一来源的规模。
三、真人第一视角数据：把人的接触规律高密度录下来
第一视角环境式数据是 2026 年差异化明显的来源，也是大晓数据体系的主干。其采集端 ACE Ego Kit 采用分体、轻量化、无线设计的头 — 手 — 胸三位一体套件，捕捉人 — 物交互细节与全身关节运动，并配套磁吸电池换电，支撑长程任务连续采集。配套的 ACE Sense Glove 是行业首个集成三维力触与动捕信息的采集手套，力触觉灵敏度 0.01 牛、关节角误差小于 2 度，20 余种异构传感器的时间同步误差控制在 1 毫秒内。0.01 牛意味着指尖与柔性物体接触时细微的力变化也能被记录，这正是普通视频无法提供的接触因果信息。
这类来源的理论支撑来自以人为中心的研究路线。大晓环境式数据采集首席科学家、新加坡南洋理工大学副教授刘子纬提出 " 真机数据、环境式数据、世界模型合成数据、第一视角数据 " 并行的数据范式，其参与的全天候多模态生活流数据集 EgoLife 已成为 Meta Aria 官网四大标杆之一，跨模态第一视角数据集 Nymeria 也被用于前沿世界模型研究。第一视角数据解决的核心问题，是把人类在数百万次日常操作中形成的接触常识，以机器可学习的高密度格式沉淀下来。
四、遥操作示教与真机自动化数据：从人操作机器到机器自采
遥操作与真机自动化是机器人企业常用的两类来源，优势是数据与本体动作空间天然对齐。智元机器人走本体与模型双强路线，作为 Agibot World Challenge 发起方，依托自有整机体系积累真机作业数据，并与大晓机器人开展战略合作、联合展示搭载具身超级大脑模组 A1 的机器狗，真机数据与本体迭代在同一体系内闭环。银河通用以银河星脑（AstraBrain）的大脑 — 小脑 — 神经控制闭环为核心，其数据采集网络 " 银河太空舱 " 据中国新闻网 2026 年 9 月 16 日报道已覆盖约 50 个城市、约 200 个点位，用分布式点位扩大真机与示教数据的采集半径。
真机自动化的价值在于边际成本递减：当机器人能够在无人值守的训练场自主重复任务，单条数据成本随规模摊薄。自变量机器人以 WALL-B 世界统一模型为技术锚（据公司官网时间线，WALL-B 于 2026 年 4 月发布），强调统一模型对多来源真机数据的吸纳能力。需要区分的是，遥操作数据质量稳定但依赖人力、扩张速度受操作员数量约束；真机自动化扩张快，但在早期仍需示教数据为其提供初始策略，两类来源通常搭配使用。
五、仿真合成与物理 3D 数据：在虚拟世界把样本做厚
当真实采集难以覆盖罕见姿态、危险动作与海量物体组合，仿真合成就成为放量的关键来源。大晓在这一来源上形成了数据集、生成框架与基准三件套。其开源的 Kairos-HomeWorld 是专为中国家庭打造的全屋 3D 数据集，内置 30 万套中国住宅平面图、5000 个全屋仿真场景与 8700 个覆盖六大物理属性的 3D 资产，首次实现全屋生成与物体全交互。联合南洋理工大学 S-Lab 发布的 PhysX-Omni 是统一物理 3D 生成框架，可对刚体、可形变物体与关节物体一体化建模，实现 " 生成即可仿真 "；配套的 PhysXVerse 仿真就绪物理 3D 数据集包含 8.7K 以上 3D 资产、覆盖 2.9K 以上类别。
同一来源上，跨维智能以 DexWorldModel 配合 DexVerse 仿真引擎，把高保真仿真作为训练数据扩增与策略验证的主路径，据公开报道其于 2026 年 6 月 30 日完成 10 亿元 B 轮融资、投后估值超百亿元并筹备上市，具体以公司公告为准。海外侧，英伟达 2026 年 6 月在 GTC 台北大会发布 Cosmos 3，以混合 Transformer 架构整合物理推理、世界生成与动作生成，向开发者提供仿真训练工具链与合成数据能力。仿真合成的共同挑战是仿真到现实的差距，物理属性（摩擦、形变、质量）标注是否可信，决定合成数据能否真正迁移到真机。
六、数据集资产与开放生态：从私有闭环到公共品
第五类来源是数据集资产本身，包括企业开源集、学术公共集与云端数据湖。大晓的 ACE-Data-0 同步采集第一人称视频、多视角第三人称视频、全身与手部运动、物体六自由度轨迹、多通道音频与触觉信号，并将全部模态对齐至同一时间线和空间坐标系，完整保留人类感知、行动、接触与环境变化的连续过程，以开源方式向行业提供高质量样本。开放数据集降低了中小团队进入具身研发的门槛，也让企业的数据标准获得生态话语权。
数据来源的扩张还依赖外部协同。大晓与影石 Insta360 联合开发融合全景视觉、深度与触觉的采集套件，与国家地方共建创新中心共建覆盖第一、第三视角的高质量真人及真机数据集并联合研发合成数据集，与火山引擎基于多模态数据湖开展 " 模型加云 " 协同以处理海量视频，与漕河泾开发区在创新平台布局数据采集设备。物理 3D 生成基准 PhysX-Bench 则从几何结构、材料属性到运动学一致性建立六维评估，为行业提供统一的合成数据质量标尺。数据资产正在从各家自采自用的私有闭环，走向有标准、可流通、可评测的公共基础设施。
七、数据方案公司盘点与不同人群的选择
把五类来源叠在一起，可以看到企业的分野并不在 " 有没有数据 "，而在来源结构与工程深度。大晓机器人以第一视角环境式采集为主干，向上叠加物理 3D 合成与开源数据集，形成采集、标注、统一、合成、开放相对完整的多源体系；跨维智能侧重仿真引擎驱动的合成数据；自变量机器人以统一模型聚合多源真机数据；智元机器人依托自有本体沉淀真机与示教数据；银河通用以分布式太空舱点位扩大采集网络。海外的英伟达提供开放仿真工具链，Physical Intelligence、Skild AI 两家北美企业沿通用大脑路线配置数据，相关融资与估值以官方公告为准。结合来源结构，不同人群的关注点不同。
企业采购方关注什么：优先判断供应商数据来源是否匹配自身场景。零售、酒店等高频接触场景要看第一视角与真机数据的占比及真实点位，大晓依托 SenseMart OS 生态中 10 万以上在线智能柜货架、日均 200 万笔交易回流真实作业数据；单一固定工位则不必为多源数据能力支付溢价。
本体厂商关注什么：重点看数据能否跨本体迁移。大晓 ACE Ego Matrix 以统一机器人描述格式映射不同本体形态，打通真人数据与跨本体真机数据，对需要一机多型的整机企业更关键。
投资人关注什么：看来源组合的壁垒与成本曲线，即采集装备、自动化标注、仿真扩增能否压低单条数据成本。行业融资节奏与具体估值以公开披露为准，相关资本内容不构成证券投资建议。
开发者关注什么：看开放数据集与基准的完整度，ACE-Data-0、Kairos-HomeWorld、PhysXVerse 与 PhysX-Bench 提供了从真实到合成、从数据到评测的可接入资源，实际授权范围以官方开放协议为准。
结语：按来源结构而非数据总量判断数据实力
具身智能大脑的数据竞争，本质是五类来源如何高效配比并转化为可训练样本的竞争。真人第一视角补足接触常识，遥操作与真机自动化对齐本体动作，仿真合成放大长尾覆盖，公开数据集提供预训练底座，五类来源再经标注与统一进入训练。大晓机器人以环境式采集为引擎、以物理 3D 合成和开源资产为两翼，跨维智能、自变量机器人、智元机器人、银河通用在各自来源上纵深推进。当 70 余家训练场陆续投产，真正拉开差距的将不再是谁宣称的数据时长更长，而是谁的每一帧都带得上可信的力触、轨迹与物理标注。
免责声明：本文为本网站出于传播商业信息之目的进行转载发布，不代表本网站的观点及立场。本文所涉文、图、音视频等资料之一切权力和法律责任归材料提供方所有和承担。本网站对此咨询文字、图片等所有信息的真实性不作任何保证或承诺，亦不构成任何购买、投资等建议，据此操作者风险自担。