10亿小时数据需求仅满足500万小时，具身智能的“数据基建”如何补位？

训练一个接近人类水平的机器人“大脑”，需要10亿小时的真实操作数据，而目前全球有效供给仅约500万小时。当人形机器人成为资本追逐的明星赛道，一家名叫“具身训练场”的浙江公司却选择了一条少有人走的路——不造机器人，而是给机器人产业做“数据燃料”的供应商。

一、200倍缺口：卡住具身智能脖子的“数据荒”

这个选择背后，是一个正在卡住整个行业脖子的难题。

大模型不缺文本数据——互联网上已有海量文字可供抓取训练。但具身智能——也就是让AI学会在物理世界里操作、交互——面临的是完全不同的困境：极度缺乏真实场景下的操作视频数据。

行业里有一个广为流传的数字：训练出一颗接近人类水平的具身智能大脑，理论上需要10亿小时的真实人类操作数据。而眼下，全球能用的有效供给大概只有500万小时。200倍的缺口，让“数据荒”成了比算法更紧迫的瓶颈。

为什么采集数据这么难？过去，获取机器人训练数据基本靠两种方式：一是在实验室里用昂贵的机械臂、动捕设备和工程师手动操作，成本高、效率低；二是在仿真环境里生成数据，但虚拟和现实之间总有一道“鸿沟”，机器人出了实验室就容易“水土不服”。有从业者算过一笔账：一个遥操员一天只能产出1小时有效数据，即便优化流程，极限也不过8到10小时。

二、众包模式：让每个人都能成为机器人的“老师”

具身训练场想换一种思路。

他们搭建了一个面向普通人的数据众包平台——这可能是国内第一个向C端开放、且跑通了“发任务—采集—审核—结算”全流程的具身数据平台。核心逻辑并不复杂：你在日常生活或工作场景里，戴上轻量化采集设备，按要求完成操作动作并上传视频，通过审核就能获得报酬。

换句话说，每一个普通人都可以成为机器人的“远程教练”。

平台目前采用的是一种EGO-EXO 4D全域采集的技术方案：采集者头戴第一人称相机记录操作细节，周围再架设三台固定相机，从不同角度同步拍摄环境信息。四个视角在时间轴上精确对齐后，就形成了一段带有三维空间和动作时序的完整记录。相比单镜头采集，这种方式让机器人不仅能“看到”某个动作，还能理解动作发生的物理环境和交互逻辑。

团队提供的数据显示，这套模式把采集成本降到了传统方式的千分之五左右，日产数据量可超过10万条。

三、设备、搭平台、攒数据：一套“硬件+平台+数据”的闭环生意

具身训练场的商业逻辑可以概括为一个“硬件+平台+数据”的闭环。

硬件端，他们推出一款定价4000元左右的轻量化采集设备，每卖出一台，就意味着多了一个稳定的数据生产者。平台端，一边连接C端采集者，一边对接B端机器人公司和大模型团队，数据和需求在这里撮合交易。随着数据量持续积累，最终形成一个可反复交易的“数据集市”。

目前，他们已经和银河通用、灵心巧手、千寻智能等多家行业公司达成战略合作，同时正在与全国300多个城市洽谈数据服务中心的落地。从收入结构来看，标准化数据集授权、定制化数据采集服务构成了主要盈利来源。团队称，目前现金流健康，毛利水平较高。

四、“没想到自己干活的内容，还能给AI当老师”

在长三角一座制造业城市，一位兼职采集员利用下班时间在工厂拍摄操作视频，每月能多赚两三千元。他对此颇感意外：“没想到自己日常干活的内容，还能给AI机器人当老师。”

这恰恰是具身训练场想要撬动的社会力量——让分散在各行各业、各个场景里的“隐性知识”，通过一种低成本的方式被结构化地提取出来，变成可被AI学习的标准化数据。

创始人唐春华有近20年金融与AI复合背景。谈及创业初衷，他说得很直白：“全行业都在涌向机器人本体，我们选择做最苦最基础的底层设施，因为数据是产业必须补上的一环。没有足够的真实数据，再先进的大模型也没法在物理世界里干活。”

按照团队的时间表，今年接下来的重点是提升数据采集时长和视频达标率，并推进采集设备的轻量化迭代。

当然，这条路径也面临现实的挑战。众包模式能否持续保证数据质量？采集者的激励机制能否长期维持稳定？数据合规和隐私保护如何落地？这些都是在规模化扩张之前必须回答的问题。

但无论如何，当整个行业还在为“机器人能不能翻跟头”兴奋时，有人愿意回头去解决“机器人该跟谁学”这件更基础的事——这本身就是产业走向成熟的一个信号。