斯马克开源（机器人版）
上海张江。
一座五千平方米的训练场，一百多台机器人来自十几个不同的品牌，高矮胖瘦各不相同。
每一台身边几乎都站着一位年轻的操作员，不断重复着同一个动作。
训练场很安静，很少有谈话声。
大家每天的工作，是把一个动作重复五百次以上。
每一个场景都需要上百万条准确的数据，单个采集师要这样干满约两百天，一个动作要重复一万次以上。
有点像流水线上的工人，不能干太久，久了就没有耐心了。
这些年轻人生产的是数据。而围绕这些数据，中国已经建起了七十座训练场，跑出了一条全世界都没有第二份的产业链。
AI模拟生成的训练场内景
先把账算清楚
数据饥渴是真的，不是有点缺，是数量级上的缺。
假设机器人迎来自己的ChatGPT时刻，需要训练1.1万亿token的数据。
若全部依靠真机采集，约需21,200台机器人连续工作一整年，产出千万小时级的有效数据。
而目前全球可用的高质量真实数据，总共只有数十万到百万小时级。
差一个数量级
政策端的信号也一路加码。
2026年5月31日，国家数据局局长刘烈宏在世界智能产业博览会上说，高质量数据集是具身智能"感知—决策—执行"的重要基础，要以完善的数据工程驱动具身智能的发展。
工信部等八部门明确提出建设人形机器人中试基地和训练场。
国家发改委提出以训练场和中试基地为抓手，构建高质量真机数据采集系统，破解数据饥渴——"防止盲目跟风、一哄而上"。
2024年至2026年6月，各地方政府累计发布超过40份相关政策文件。
于是数采中心被推上了台前。
关于训练场的地理学
截至2026年6月底，全国已建成启用超过70家具身智能训练场，在建或规划中的还有46家，覆盖全国18个省级行政区。
落在18个省级行政区的训练场
上海张江·麒麟训练场
2026年初投用，总建筑面积约5000平方米，搭建高端制造、民生服务、特种作业、家居家政、商业服务、仓储物流等10大类真实应用场景，可同时容纳上百台异构人形机器人并行实训。
同期发布的"白虎"数据集总时长超60,000分钟，约9,072万对真实物体接触样本，覆盖380余项典型任务、500多种日常物体。
首批6000分钟核心数据上线OpenLoong开源社区后，单平台单日下载量突破4万次。
无锡·洛社镇
省工业数据采集与实训中心近7000平方米，近百台机器人同步实训，年产上千万条工业数据。
今年5月15日，无锡数据集团发布"千企百万小时"计划，深入上百个工业工位，联动万余名一线工人，用轻量化设备把老师傅的手艺实时解算成运动轨迹——单位数据采集成本降至传统模式的三分之一，效率提升3倍。
截至6月已签约20家客户、3万小时订单。
宿迁·京东
全国首个机器人数据采集中心2025年10月投产，占地5000平方米，1:1还原零售商超、物流仓储等五大场景，30个采集室每天完成上百组任务，标注产业园集聚近2000名从业人员。
京东的计划是：一年内积累500万小时人类真实场景视频数据，两年内突破1000万小时。
常州
5月投运具身智能数据实验平台，150台轮式机器人可完成超1000种任务，被业界称为"数采中心2.0版"。
还有一串数字可以佐证这场投入的密度：
合肥训练场投资5895万元、83台机器人、33个场景。
浙江德清8000平方米固定场景加937平方公里开放场景。
四川恩阳的项目由睿尔曼、湘恒基金、恩阳产投搭起三方架构，总投资5亿元、一期2.1亿元。
黄石近4000平方米的无本体数据采集培训中心，家庭、商超、餐馆、酒店、办公室、工厂一个个真实物理场景在这里复刻，200多名数据采集师正在接受培训。
每一个动作的采集，都是在教机器人如何在真实世界里行动，是一次有组织性的基础设施投资。
和当年的光伏电站、充电桩、数据中心雷同——用财政资金，为一个还没跑通商业闭环的行业，预付基础设施的钱。
四十份文件，上百亿的投入。
用建开发区的方式，建一个数据产业。
绕了一圈的资金
这笔钱有双重身份，第一是产业投资，第二是营业收入。
麻烦就出在一笔钱同时被当成了两样东西。
数采中心的资金闭环
据《财经》杂志2026年10月10日的报道，一些数采项目的运作大致是这样一个闭环：
地方政府或国资平台出场地、出资金、出场景。
数采中心向机器人本体企业采购整机。本体企业确认收入，出货量上升。
数采中心再通过数据订单的形式，让资金与数据同时回流。
在这个闭环里，机器人厂商有了订单和营收，数采中心有了数据和交易额，地方政府有了产业落地的政绩。
唯一缺席的，是一个自掏腰包的终端客户。
报道里一位化名"老台"的数采商的自述：他曾参与一笔数百万元的交易，一方购买硬件、一方购买数据，双方没有完成实物交割，只做了账务往来。
更复杂的交易会引入零部件公司、供应商和子公司，资金经过三四个主体后回到起点。
这篇报道没有披露任何涉事公司的名称，到目前为止关于这些描述，没有任何监管或审计的结论，本文不做任何主体推断。
蓝鲸新闻2026年9月的报道则给出，2026上半年国内公开披露的人形、具身机器人中标项目共218个，总金额17.23亿元。
报道把这些订单的成色分成三类，其中第一类是地方政府招商项目——政务大厅、文旅景区、数采中心名义下的采购。
梅卡曼德创始人邵天兰在2026年9月的朋友圈里说：部分企业利用"数采中心"和与地方政府、投资方、供应商的关联交易，制造"虚假的、不可持续的收入"。此处不代表本文作者的观点。
梅卡曼德自身在2026年9月1日于港股上市、募资3亿美元，上市后股价承压。
被他点名的银河通用已在9月10日发布官方声明回应，表示"不参与无谓的口水战，不被短期噪声干扰"，并已就相关言论报案。目前同样没有监管或审计结论。
把背景补齐之后，回到那笔钱本身。
一个地方政府掏几千万建一座训练场，买回来一批机器人和一堆数据。钱花得有没有道理？
有。
数据是这个行业公认的瓶颈，早期靠市场自发供给一定不足，用公共资金先把基础设施垫起来，这样的行为每一次都被骂，但每一次最后都留下了有意义的东西。
当本体企业把卖进数采中心的机器人确认为收入，数字就进了财报。
问题在于同一个人穿着两件衣服，出现在两个不同的场合，而两个场合的观众都不知道。
作为收入，不可持续。
政府不会明年买得更多，也不会后年再买一次。
邵天兰认为"今年做了这样的收入，明年不但要继续做而且还要做得更多"。
这句话描述了一条只能向上、不能向下的曲线。
空谈没什么意思
来看看两个优秀典型，一个反面案例。
正面典型
乐聚智能（深圳）股份有限公司：
2025年，夸父（Kuavo）系列产品在数据采集应用场景下实现收入7990.41万元，占该系列收入的44.94%——数据采集取代科研教育，成为当年第一大应用场景收入来源。
招股书说明了公司2025年度中标全国多个地方数据采集中心建设的招投标项目。
2025年度，北京石景山产业发展有限公司为公司大客户，销售收入3341.48万元，占比12.94%。
招股书另显示，双方签订了8295万元的销售合同，且尚在履行中。
据行业媒体转述招股书，北京石景山产业发展有限公司与另一股东石景山基金，同受石景山区国资委实际控制。
同一份招股书里还有一句：预计最早2028年盈利。
乐聚做了两件值得记的事。
第一它把关系写进了招股书。
第一大客户是谁、卖了多少钱、还有多少合同没履行完、股东和客户是不是同一个实际控制人，让审计师、保荐人、打算打新的投资人自己去看、自己去判断。
在一个规矩还没成形的行业里，肯守规矩就是稀缺品。
第二件把自己采到的数据，开源给了全行业。
2026年3月16日，由工信部指导的开放原子开源基金会发起、乐聚牵头建设的国内首个具身智能开源数据集社区OpenLET成立。
截至2026年7月，社区累计开源超6万分钟机器人真机数据集，开发者规模接近16000人，支撑高校与科研机构模型训练评估超2000次，全平台下载量超300万次。
一个行业成熟的标志，不是没有关联交易，是关联交易可以被看见。
无锡数据集团首创了"具身数据光谱"概念，把工业数据分成真机数据、仿真数据，以及最稀缺的类人数据（EGO+UMI）。
通过"设备光谱"实现从低成本便携端到高精度真机的全域覆盖。
更关键的是推出的城市合伙人机制：合作伙伴通过开放场景，用数据换取未来的算力或模型订阅抵扣。
集团协助企业进行数据确权。参与采集的企业不只能拿现金——获得数据资产化后的经济分润、行业大模型的优先使用权，长期伙伴还能拿到本体设备采购抵扣和算力资源支持。
效果显而易见，单位数据采集成本降至传统模式的三分之一，效率提升3倍。
截至6月已签约20家客户、3万小时订单。
2026年初，全国首单"具身智能数据集"在江苏省数据交易所上架并完成交易。
箸境智能在江苏省数据交易所完成全国首笔具身智能数据集交易，包含约2.5万条结构化数据，覆盖办公、商超、餐饮、家政四大场景。
本来一次性的买卖，如今改成了可计价的权益。
补贴的确还存在，但变成了一份公开的、对等的交换。
走得慢的路，往往才脚踏实地。
反面案例
2025年3月，北京首个人形机器人数据训练中心在石景山区首钢园揭牌。
占地约3000平方米，规划部署108台机器人，涵盖家庭康养、特种作业、新零售、汽车装配等十大实景场景，年产出超百万条多模态数据。
运营方为睿尔曼智能。
石景山区方面曾预期该中心能实现年数据交易超100万条，并在三年内形成50亿元规模的机器人数据服务市场。
结果运行不足18个月即停运。
原合作方睿尔曼智能撤出全部自有设备与机器人。
项目牵头方中关村通力方面的说法——"遥操路线不太符合中心升级方向，采集的数据质量、精度没有达到要求"。
原址在2026年服贸会期间，以"4D高斯光场+世界模型"的新技术路线重新亮相。
睿尔曼在董秘书面问答中把首钢园定义为数据采集的1.0版本：虽然完成了从0到1的验证，积累了千万级轨迹片段数据，但仍是"实验室场景"。
具身智能要真正干活，数据必须来自真实的生产和生活场景，而非模拟环境。
基于这一判断，公司把数采模式从实验室遥操转向远程遥操，把机器人部署到真实工作场景中。
不是具身智能数据需求降温了，是在场馆里搭样板间采数据这条路走不通了。
场景失真、成本结构不可持续、数据绑定本体且跨场景复用率低。
AI模拟停运后的训练场
没有必要用任何道德词汇来形容首钢园，他们只是错判了一条技术路线。
三千平方米的场馆，复刻了十大实景场景，摆了一百台机器人。
看起来什么都有。
但真实厨房里没有标准光照，也没有排练过的动线。
有的只是上一个做饭的人留下的一滩水渍，和一个从没见过的锅铲。
淘汰已经开始，而且按技术逻辑发生。
产品价格
先把成本摆出来。
目前真机遥操作数据的报价约为每小时500—1000元，UMI数据为每小时数百元，第一视角数据已降至每小时不足100元。
中国信通院认为真机遥操作数据在规模化运营后，单小时有效成本已降至约275元。
再看售价。
"老台"说去年每小时能卖200多元的数据，今年只能卖100多元。
行业内最初以每小时120元向外销售，经过五六层中间商后，最终采到了农村，只剩每小时5元。
他在县城找门店，每小时至少要支付30至35元给采集员。
而市场上却已经出现每小时5元、甚至3元的报价，收入已经不如送外卖。
行业里有个不成文的共识：30元一小时是底线。
低于这个价，要么是赔本赚吆喝，要么根本不是正经采集来的数据。
AI生成县城家庭里的众包采集员
一个健康的市场里，价格是买卖双方共同发现的。
买方要用，会对质量品质出价。
卖方要活，会把质量做上去。
价格往下走，通常意味着供给过剩，或者效率提升。
从每小时五百到一千元，一路跌到一百多元，再跌到五元、三元。
用效率提升解释不了这样的跌幅。
真机遥操的成本结构就摆在那里，光是采集员的工资就不止个位数。
那解释就只有一个可能，有一大批买家，就没打算使用这批数据。
一个不打算用的人不会问数据采自哪个场景、有没有力触觉、能不能跨本体复用，因为这些问题对他没有意义。
他只要一张发票和一个合同编号。
于是压价沿着转包链条一层层往下传，每一层抽走五块十块。
做假订单只是个案，而一个失真的价格信号，会污染整条产业链的判断。
真正想好好采数据的公司报不出价，踏实做采集的团队接不到活，所有人以为数据已经很便宜了、瓶颈已经解决了。
大部分数据本来就用不上
采来的数据，不等于能用的数据。
北京人形数据基地初期，数据合格率只有50%，经过三个月的流程优化才稳定到95%。
行业经验来说采集一千小时原始数据，可能只有一半能通过初筛。
再经过清洗、标注、对齐之后，能用于训练的也许只剩三分之一。
所以工程侧的处理链条，才是真正决定数据价值的隐性成本。
Figure的数据流水线有五个阶段：过滤、欺诈审查、去重、重新平衡、标注。
觅蜂科技的MEgo Engine要把长程操作拆解为"抓、拿、放、拧、按"等120多种标准原子动作，再通过多维度质检与分级评估。
信通院报告自己点名的共性挑战里，第一条就是场景任务同质化，后面就是数据实际产能有限、流通性不足、可持续商业模式尚未形成。
据界面新闻转引斯坦福《2026 AI Index Report》：在RLBench的18项任务子集上，截至2026年1月最好的方法EquAct平均成功率已达89.4%。
但在更贴近真实家庭的BEHAVIOR Challenge 2025中，冠军团队Robot Learning Collective的Q-score只有约26%，完整任务成功率仅12.4%。
实验室里是优等生，一进门就挂科。
实验室采集的数据大多是预设的理想场景，比如包裹都是标准形态。
但真实仓储环境中，机器人会遇到带反光的包装、柔性软包、缠绕的胶带等大量非标场景，这些长尾情况决定了机器人能力的边界。
数据不能只追求规模化，更要保障质量与多样性。
一个动作重复一万次，如果都发生在同一个光线环境、同一个杯子、同一张桌子上，那训练出来的只是机械化的记忆。
因此七十座训练场里，真正有价值的部分，可能比看上去要少得多。
如果把数据采集当作一条独立的基础设施赛道，而不是垂直整合链条上的一个环节。
除了能让整个行业跑的更快之外，并没有什么意义。
如果数据采集在架构里是研发成本的一部分，写在费用项里。
好处是客户就是自己，所以没有"订单真不真"的问题，也不存在"数据能卖多少钱"。
坏处就是慢——每家企业各采各的，重复投入，规模上不去。
把数据做成了一门生意会造成什么现象呢？
会产生独立的数采公司、数据交易所、数据资产入表、城市合伙人分润，一整套金融和制度创新都被发明出来了。
那客户都是谁呢？
而这就是麻烦的来源。
一些值得追问的议题
第一：复购
一个数采中心，明年还买不买同一家的机器人？
乐聚与石景山产发签订的8295万元销售合同，招股书注明"尚在履行中"。
履行完之后呢？
这些中心的二期、三期，还会不会继续采购，还是一次性交付就结束？
第二：回流
采到的数据，有没有真的让模型变强？
目前行业里可量化的公开参照不多。
智元在上海创智学院联合发布的成果中提到，通过实时回流传机器人在真实环境中的任务执行数据更新模型，长程任务的平均子步骤得分较传统监督微调方法提升近50%。
数据好不好，不要看采了多少小时，要看模型的哪几个指标因此动了。
第三：复用
换个本体或者个场景，数据还能不能用？
如果答案是否定的，那么所有按"绑定本体"方式采集的数据，都不过是一次性资产——不该按持续经营来估值。
本文的判断与事实边界
本文首发钛媒体，文中所有数字、时间、人名、金额均来自下述公开信源。
凡属作者个人判断处，均与事实分开。
涉及报道的匿名受访者陈述，该报道未披露涉事公司名称，本文不作任何主体推断。
银河通用已发布声明否认并报案，邵天兰的表述仅作为当事人观点引用，并已交代其自身公司处境。截至目前上述事项均无监管或审计结论。
本文不评价任何地方政府招商政策的对错，不对任何个人作人身指向。
