全国超70家训练场已建成，但数据从采集到售出隔着两道门。本文拆解具身数采的真实处境：设备交易先于数据销售，单靠卖数据难回本，客户复购才是关键。当生产方法快速变化，训练场是在积累基础设施，还是提前消费未来市场？

今年夏天，在雄安一家机器人训练场，采集员遥控机械臂，把面包放进烤面包机，再取出来摆进餐盘。动作完成一次，系统就留下了一条记录。训练场负责人向到访的每经记者介绍，一台机器人工作八小时，大约能产生一千条这样的原始记录；经过标注和核查，每天可用于正向训练的约有两百至四百条。

同一次采访中，他还谈到另一组数字：训练场已积累八万条数据，按条销售的报价为八元至四十八元，正在与一家单位洽谈从平台下单。报价不是成交价，洽谈也不是订单。但这些放在一起，至少说明具身数采当下的处境：数据确实在生产，但从原始记录到可用数据，再到有人付钱，隔着两道尚未普遍打通的门。

此前，《机器人没有互联网》讨论过机器人为何缺少可继承的行动经验。现在需要追问的不是“数据重不重要”，而是另一件更现实的事：当全国各地开始建训练场，最先形成的究竟是数据市场，还是建设训练场的市场？

一、单靠出售数据，难以覆盖建厂投入

建设热潮已经有了规模。中国信通院等机构发布的《具身智能训练场研究报告（2026年）》统计，截至6月底，全国建成启用的训练场超过70家，另有46家在建或规划。报告估算，一座数千平方米的训练场通常需要数千万元至上亿元投入，其中机器人本体往往是金额最高的单项支出。场景、遥操作设备、算力、存储和人员，则构成后续投入。

钱的流向由此变得清晰：场地还没产出一条数据，机器人和配套设备就已经有人采购了。对机器人厂商而言，这是订单；对训练场而言，这是将来必须通过使用率和收入收回的成本。两端讲的是同一个项目，却站在现金流的相反方向。

政企共建模式使这种时间差更容易被忽略。地方希望引入企业、形成就业和产业配套，机器人厂商希望产品进入训练场，运营方则希望尽快具备采集能力。各方都有合理动机，设备交易也可以真实发生。但项目揭牌、设备交付、产能发布，完成的只是第一笔交易：有人为“生产数据的能力”付了钱。至于生产出来的数据能不能卖给需要它的模型公司，谁也不知道。

在部分地方共建项目里，参与合作的机器人企业也向项目出售本体，设备收入可能比数据销售更早、更确定。关联交易本身也不等于虚假交易。但这个线索指向一个必须核实的问题：如果训练场的主要支出已经变成厂商的收入，而数据迟迟没有独立买家，那么项目的商业成果究竟发生在数据产业，还是设备销售环节？

中国信通院的报告没有使用如此尖锐的措辞，结论却指向相近的压力：训练场上游供给活跃，下游应用仍待拓展；单靠出售数据，难以覆盖重资产投入。

报告举了一个测算情形：投入5000万元、年产10万小时数据，即使假设当年数据全部售出，仅靠数据业务回本也要三年以上。“全部售出”恰恰是最难实现、也最需要证据支持的前提。

二、重要的是数据能否被复购

数采厂常用面积、机器人数量和年产数据“条数”介绍自己，但这些数字与客户最终购买的产品并不等同。

雄安训练场的例子说明了第一层折损：一千条原始记录中，每天用于正向训练的约两百至四百条。这里并不是说其余记录全无价值——抓取失败也可能帮助模型学习如何纠错——而是不同用途需要不同筛选、标注和定价，不能把原始采集量直接算成可销售量。第二层折损更难从宣传材料里看出来：数据即使合格，也未必适合眼前这位客户的机器人、摄像头位置、动作指令和目标任务。

一座训练场可以反复采集“拿起杯子”。模型公司却可能需要的是透明玻璃杯、变形纸杯、被遮挡的杯子，或者抓空后怎样重新尝试；另一家公司使用不同的夹爪，连原有动作记录都不能直接照搬。

这也解释了为什么“行业缺数据”和“某家数采厂的数据卖不动”可以同时成立。缺少的是针对具体任务、格式可靠、能够改善模型效果的数据，不是任意增加的录像和动作文件。数据商品不像螺丝钉，不能先按统一规格大量生产，再确信总有人会买。很多时候，客户得先确定模型缺什么，供应方才能知道该去哪里采、采集哪些失败、保留多少传感信息。

市场并非没有真实采购。粤港澳大湾区数字经济研究院今年公布的一项具身智能数据采集技术服务采购，中标金额约295万元，服务期一年。这是一笔可以核对的需求。但一个项目成交，不能推导出数十座训练场都能按规划产能出售数据。行业眼下最缺的公开数字，不是又建成了多少平方米，而是第三方客户实际购买了多少有效数据，使用后是否复购。

三、等订单时，生产方法已经变了

训练场还面临一种比销售周期更难控制的风险：投入是按多年使用来规划的，客户需要的数据却在快速变化。

早期训练场通常让人远程控制真实机器人，机器一边动作，一边记录视觉、关节和控制信息。这种真机数据与机器人执行任务直接相关，但采集成本高，设备也容易与特定机型绑定。信通院报告引用的测算显示，规模化运营后，每小时有效真机遥操作数据的成本约为275元；采集规模较小时，成本可能高得多。这个数字不是所有项目的统一成本，却说明一件事：训练场开工，并不会像软件服务器多处理一条请求那样，轻易摊薄人的时间和设备损耗。

与此同时，人类第一视角视频、手持采集装置等方式，让部分经验不再需要由完整机器人亲自“演”一遍。它们无法包办真机的受力、误差和执行反馈，却能以另一种成本结构覆盖更多场景。此前《机器人没有互联网》已详细讨论这些路线；放到数采厂的账上，含义很直接：如果客户把一部分预算转向更便宜的人类演示，再把昂贵真机时间留给最后的适配与验证，以大量本体和固定模拟场景为核心建起的产能，就可能比预想中更难卖满。

北京石景山训练中心的变化，值得放在这个背景下看。原合作主体迁出后，一期场地曾停下运营。原合作方睿尔曼对外称，其数据战略正从集中式实验室采集转向真实工作场景；石景山方面则在改造原场地，并于9月让升级后的一期中心重新亮相。这不是“全国数采厂崩塌”的证据，也不是新模式已成功的证明。

四、融资能买时间，买不到复购

数采领域并没有因这些疑问而失去资本关注。8月，提供遥操作、人类动作采集及数据管理工具的IO-AI Tech宣布完成数亿元融资；做无本体采集产品和数据服务的觅蜂科技也宣布获得新一轮数亿元融资。这些金额是企业披露的融资信息，不是收入数字，更不是数据产品已实现盈利的证明。

资本为什么仍愿意投？一个合理的判断是，投资人相信机器人未来进入更多真实场景后，数据采集、整理和验证会成为持续需求；他们押注的是谁能占据这个入口。这个判断可能是对的，但融资解决的是企业现在有没有钱铺设采集网络，回答不了客户未来愿意按什么价格、以多大规模购买。

同样，公共训练场未必都必须靠卖数据回本。它可以服务科研、提供共用设备，让本地企业测试机器人，承担基础设施的角色。问题在于，公共平台的建设成果、设备厂商的销售业绩、数据公司的商业收入，必须各归其位。不能把一种成果借给另一种生意作证明。

所以，具身数采是不是泡沫？如果说的是机器人需要真实经验，答案是否定的；如果说的是眼下每一座训练场都有足够客户，能够把规划产能转为持续的数据收入，公开证据远远不够。已经显露泡沫迹象的，是供给侧扩张先于产品定价和客户复购：第一张订单：买机器人、建场地——来得快，第二张订单：购买可用数据——来得慢，且要求随模型进步不断改变。

接下来最值得追踪的，不是哪座训练场又添了多少台机器人，而是数据是否卖给了合作方之外的客户；客户买完一批后还要不要下一批；训练前后，机器人在真实工位的表现改善了多少。等这些答案逐渐公开，行业才知道哪些训练场是在积累未来的基础设施，哪些只是在提前消费未来的市场。

具身智能的“数据荒”也许要持续很多年。但缺水，并不意味着每一口先挖好的井都能出水，更不意味着有人已经愿意为井里的一切付钱。