图1：中国具身智能产业发展阶段
报告给出了一条清晰的产业时间线：具身智能产业在2026年进入市场验证期（2026—2030），2030—2035年进入产业成熟期。窗口期内，硬件门槛正在被快速跨越——本体量产、成本下降、运动控制逐步成熟，产业已初步解决“机器人能不能动”的问题。真正决定产业天花板的，已经不是硬件能力，而是“数据能不能喂饱模型”。
数据环节的产业趋势，因此可以拆成三条线来看：技术路径怎么走、能力层竞争怎么变、产业层权力怎么分。
一、技术路径：六条主线同时收敛
具身智能的技术演进与数据能力建设，正沿六条主线展开：数据生产从单一走向融合，数据闭环从线性走向虚实共生，模型训练从外购依赖走向自进化，基础设施从软件工具走向软硬一体。
1. 三线融合成为数据供给常态
真机遥操作、便携／无本体采集、仿真合成三条路线，围绕“数据质量—规模—成本”的不可能三角各自占位：真机锚定质量，单小时成本500—1000元，是后训练与最终落地的“金标准”；无本体采集把成本压到真机的1/3左右（约200—400元／小时），用规模化与长尾场景补量；仿真合成前期投入高，但引擎一旦搭成，边际成本趋零，合成数据成本可降至真机的1/10以内。三线不是过渡替代关系，而是长期并存的供给结构：真机定边界，无本体补规模，仿真做放大。
企业侧的布局已“三线协同”展开。觅蜂科技把数据体系做成三层金字塔：L1互联网数据提供语义底座，L2无本体采集（MEgo硬件产出）负责时序对齐与体感细节、成本约为真机的1/3，L3真机数据提供高精度遥操作轨迹与力反馈、支撑部署态飞轮，三层分别服务“学得会、学得多、用得稳”，共同构成物理 AI 数据平台的基础架构。光轮智能则把重心放在“仿真合成＋人类第一视角”双主阵地，EgoSuite负责人类示范采集，SimFoundry负责仿真生成，其定位不是单一路线的数据商，而是物理AI 的数据与评测基础设施。
图3：中国具身数据市场发展的三线协同
2. 物理引擎×生成式AI重定义仿真数据上限
引擎的物理正确性是仿真数据能否迁移到真机的底线，生成式AI的自动化生成解决了人工建模的规模瓶颈。光轮智能自研高精度GPU物理求解器，参与NVIDIA Newton仿真技术指导委员会，并与NVIDIA共同定义SimReady资产规范，支持PhysX／MuJoCo／Newton／GENESIS多种引擎；无问智科把SimReady资产构建从3天压缩到5分钟（300倍），柔性物体相关性达90%、接触误差小于1%；群核科技则用十余年沉淀的5亿+结构化3D场景、4.8亿带物理参数的3D模型，把渲染空间批量转成物理正确的三维表示。三家的共同点是：先把“物理正确”这件事做硬，再谈生成规模。
3. 无本体采集承接人类操作数据入口
以“人持/穿戴设备采操作”绕开真机遥操作的高成本与本体硬件依赖，在真实物理环境中获取带时序对齐、体感细节的人类行为数据。定位介于真机与仿真之间：比仿真更接近真实物理交互，比真机遥操作成本低一个数量级；并可随硬件国产化与众包网络成熟走向“伴随化采集”。鹿明机器人以UMI 无本体路线为突破口，用FastUMI Pro做“人采—跨本体复用”的低价闭环，单条采集时间从50秒压到10秒，成本降至传统遥操作的1/5，其目标并不限于无本体，而是以无本体采集网络反哺百万小时级真机数据产能，走“采集硬件—数据集—模型训练”闭环。
4. Real2Sim2Real取代线性流程
“真实采集→仿真重建→批量扩增→真机验证”的闭环，正在替代“采集—标注—交付”的线性交付。无问智科以“世界模型×数据工厂×世界模拟器”跑通这条链路，在WAIC公开披露的量化结果是：在线强化学习使仿真成功率从9.7%提升到79.8%，迁移到真实机器人后任务成功率提升50%，篮子收纳任务提升20%。光轮智能的四模块（EgoSuite采集—SimFoundry生成—RoboFinals评测—RoboStack部署回流）是同一逻辑的产品化形态，其中RoboFinals基于NVIDIA Isaac Lab Arena共研，支持异构本体接入与百台级集群，并把失败样本回传进下一轮迭代。
5. 少样本与自进化压缩外购空间
模型训练范式正从“海量外购数据依赖”转向“少样本学习+强化学习自进化”。这是对数据供应商朝向中性偏紧的信号：模型自身部署反馈的进化能力越强，对外部静态数据包的依赖就越弱。鹿明机器人在2026年8月发布Lumos NexCore与具身大脑Prime R0，Prime R0在MolmoSpaces社区零样本榜单位列第一——零样本榜单的名次，恰恰说明“不喂数据也能干活”这条路径正在被产业认真推进。
6. 仿真×算力走向软硬一体
仿真从“可选的软件工具”演变为“软硬一体的基础设施”，GPU物理求解器、云平台、分布式采集网络、数据治理管线协同构成底座，企业不再自建仿真能力，而是按需调用平台服务。华为云、阿里云、腾讯云、百度智能云以“仿真+算力”一体化切入；中国电信则在领投觅蜂科技后，与其共建云网一体化采集网络——运营商把管道铺到采集端，是这个趋势里最典型的基础设施动作之一。
二、能力层：三件事决定企业怎么竞争
1. 硬件入口化，但壁垒在软件粘性
采集硬件成为数据主权前哨，“卖设备即买数据”模式初步成型。鹿明机器人的FastUMI Go计划投放1万台，觅蜂科技MEgo设备累计下线2万台——硬件铺量本身就是数据采集网络的铺设。但硬件参数可被追平，真正的入口壁垒是数据格式绑定、云端平台依赖、评测基准锁定这三重软件粘性。
2. 标准化标品化，从数据集销售走向能力交付
标注维度精细化、格式规范化、评测基准统一化，使数据从“原材料”变为“即用型能力”。竞争单位从“小时数”转向“有效信息密度”。光轮智能的部分数据集已向十余家客户复售，复售倍数超过10倍，并开源了EgoSuite-Open100k十万小时数据集；鹿明机器人的Lumos数据商城已上架92个任务SKU、10万+条轨迹，被37+家机构采购。标品化的含义是：边际收益不再随交付次数线性衰减。
3. 任务难度定价，从成本定价走向价值定价
高难任务（长时序、强泛化、复杂操作）溢价凸显，低难任务价格趋零。这条趋势的实际含义是：单纯按小时计价的数据采集服务会率先进入价格竞争，而绑定任务难度与成功率保证的交付模式才有溢价空间。鹿明机器人建立了8道工序的工业级质量评估体系，把数据有效率从行业普遍的70%提升到95%以上，只交付可复现轨迹；无问智科构建了“仿真预验证—物理测试—产线部署”三级评测，其中产线一级与拓斯达共建，把验收口径从“数据条数”换成“产线上的成功率”，正是价值定价的落地形态。
三、产业层与终局：权力重构与要素化
1.买方自建与中立性分化
头部本体厂商与基座模型公司正把数据生产内化，自建采集体系、数据管线与评测标准，以掌控接口权力。典型动作是智元机器人的“一分为四”战略：把灵巧手、数据、租赁、四足四条业务拆成独立公司，其中数据业务独立为觅蜂科技——原本是内部能力，现在变成面向全行业的基础设施供给。这对纯外包型数据商是挤压，也为中立第三方留出了空间。报告在光轮智能的案例中直接点出了一处张力：既卖数据又办评测，“运动员兼裁判”的中立性存疑。这个质疑本身就说明市场需要独立评测方。
2. 产能军备与结构性过剩
行业正经历产能竞赛，但结构性过剩已然显现：原始数据贬值、高难数据稀缺并存。觅蜂科技当前累计产出100万+小时，2026年目标是千万小时级产能、2030年目标是百亿小时；鹿明机器人1万小时积累对应100万小时目标，存在100倍放量压力。这里有一组值得对照的数字：群核科技拥有5亿+3D场景、4.8亿3D模型，资产获取成本已在过去十余年摊销完毕，但具身业务收入占其营收比重仍低。资产规模与收入兑现之间的落差说明：产能本身不构成护城河，能被场景消化的产能才算。
3. 终局是数据要素化与平台整合
实景数据从“商品”走向“要素”，确权、定价、入表、流通制度逐步完善，平台整合加速，超百亿级平台型企业涌现，行业从分散供给走向平台集中。资本已经在给这个终局定价：光轮智能2026年3月完成10亿元A++／A+++轮，成为全球首个具身数据独角兽，5月蚂蚁集团领投后估值突破20亿美元，6月再获10亿元战略融资；无问智科在2026年4月、7月、9月连融三轮，具身订单达数亿元。
结语
把技术、产业和竞争的趋势放在一起看，有一条贯穿的主线：数据作为资产的形态在变，从一次性交付的文件，变成可持续调用的接口与标准。 对企业的启示是，只比采集规模很快会遇到天花板；比谁能定义格式、定义评测、定义闭环增益，才是在2026—2030这个市场验证期里真正值得下注的方向。
中国具身数据产业链生态体系正在快速发展与完善中，商业机会巨大，更多板块详细分析，请关注易观分析近期发布的《中国具身智能数据产业分析报告2026》。
易观分析将及时更新《中国具身数据产业价值链生态图谱》，如果您也是具身智能产业中的一员，请及时与易观分析沟通。
易观分析也将开启对具身数据亮点企业的推荐，敬请关注。