“卖铲人”先上岸
6月中旬，WIRED记者在深圳一家叫IO-AI Tech的公司拍到了这样一幅画面：几名工人头戴VR眼镜、身穿动作捕捉设备、手臂上绑着外骨骼，正在远程操控宇树人形机器人叠衣服、整理货架。他们不是在玩游戏，而是在给机器人“上课”——每一个动作都被实时转化为视觉、力度、姿态和物体反应的多模态训练数据。
同一时间，据多家行业媒体报道，海外遥操作数据公司XDOF带着7000万美元融资走出隐身模式，光轮智能估值更是两个月内翻倍突破20亿美元，VR厂商大朋和PICO也先后发布了面向机器人训练的遥操作方案。密集的资本和产品信号指向同一件事：具身智能的竞争正在从“造机器人”扩展到“给机器人喂数据”。
为什么是数据？因为和大语言模型不同，机器人不能从互联网上学会干活。那么，谁在给机器人“喂料”？这门数据生意能走多远？VR遥操作是长期方案还是过渡手段
01.
大模型数据的两万分之一：具身智能的数据鸿沟
大语言模型的训练语料可以来自整个互联网数十年的文本沉淀，行业估算其规模远在当前的机器人数据之上。但具身智能面对的处境完全不同：机器人需要的不是文字，而是和物理世界真实交互产生的多模态数据。抓、放、拧、搬、装配、避障，每一条都得靠人和机器人在真实或仿真环境中一帧一帧地“生产”出来。
据行业估算，截至2026年初，全球高质量的真实物理交互数据总量大约只有50万小时左右。这个数字不到大语言模型训练数据的两万分之一。
量少还不是最大的问题。不同传感器、不同机器人本体、不同采集设备产出的数据格式各不相同，标注规范也自成体系，大量数据没法跨平台共享。智元机器人旗下觅蜂科技CEO姚卯青的判断是：在具身智能尚未真正大规模商业化之前，数据作为基础设施，会比终端应用更早形成商业回报。
这不是一句空话。当下产业链上正在发生的事情就是：机器人本体还没大规模盈利，“卖数据的”已经先跑出了独立的商业逻辑。
02.
四条路线并跑：从VR遥操作到人类视频
经过三年试错，行业对“数据从哪里来”形成了四条并行的技术路线，各自解决不同层面的问题。
第一条是真机遥操作。 操作者戴着VR头显或外骨骼，远程驱动一台真实的机器人完成任务，同时把关节角度、电机力矩、末端位姿、摄像头画面和触觉反馈全程记录。这通常被认为是目前数据质量最高的路径，特斯拉Optimus早期就曾大量使用VR遥操加动捕手套的组合方案（尽管后来开始探索视觉路线），但这也是最贵最慢的：每条训练轨迹需要1到10分钟的操作者时间，据海外行业报告，其全成本从2024年初的340美元/小时降到了2026年3月的118美元/小时左右，降了65%，仍然不便宜。
IO-AI Tech的TeleXperience平台代表了这条路线的工程化方向。平台已适配60多种机器人配置（包括主流人形、机械臂和高自由度灵巧手），配套的EmbodiFlow数据平台实现采集、后处理和模型迭代的闭环。WIRED探访中看到的VR+动捕+外骨骼组合，说白了就是用消费级硬件降低遥操作的门槛，操作者不需要专业机器人背景，经过一定的培训就能上岗成为“机器人飞行员”。
VR厂商看到了这个机会。2026年3月，大朋发布RoboPilot方案，基于PCVR架构实时采集头部和双手的6自由度位姿，形成“采集—传输—控制—反馈”完整链路。6月，PICO联合英伟达推出开源方案Isaac Teleop，支持统一设备接口和自动数据录制。消费级VR市场增长触顶，具身智能给了VR硬件厂商一条B端出路。而且VR的价值也不只是“远程控制机器人”了，更在于“持续生产训练数据”。
第二条是无本体便携采集。 以鹿明机器人的FastUMI Pro为代表，不需要绑定特定机器人，用便携设备直接在真实场景中采集人类操作轨迹。单条数据采集时间从50秒缩到10秒，效率提升5倍，成本降至传统方法的五分之一。鹿明的年度产能目标从2025年的10万小时跳到了2026年的100万小时。简智机器人走的也是类似路线，其Ego+Fingers头手协同方案月产能已突破10万小时，累计沉淀超百万小时真实场景数据。
第三条是仿真合成。 光轮智能是这条路线的标杆。通过物理精确的仿真引擎生成合成数据，一周可以产出十亿级操作数据集，成本降到真实数据的百分之一。问题在于sim-to-real gap，仿真环境里跑通的策略，搬到真实世界可能失效。光轮智能的解法是同时做仿真合成、仿真评测和人类视频数据三件事，形成交叉验证。
第四条是人类视频。 北京大学2026年5月发布的HumanNet数据集提供了一个实验性验证：用1000小时第一人称人类视频做模型初始化，在设定的验证指标上，效果不逊于100小时的真实机器人数据。也就是说，互联网上海量的人类活动视频，做饭、搬运、组装、操作工具，都可以成为机器人学习的“教科书”。但前提是要解决人体和机器人之间的实体差距。
这四条路线正在走向融合。京东在4月发布的具身数据全链路基础设施就选择了“混合数据路线”：金字塔底层是千万小时量级的人类第一视角视频（来自3600多个仓库和上万家门店的日常作业），中间层是便携采集和遥操作，顶层是高精度的仿真合成。
03.
“卖铲人”先上岸：数据采集赛道的商业化图谱
机器人本体还在烧钱冲量产，数据采集赛道倒是已经独立跑出了一套商业闭环。“卖铲人”先于“淘金者”上岸了。
光轮智能的成长轨迹最为直观。创始人谢晨，北大和哥大背景，前英伟达自动驾驶仿真负责人。2023年1月创立公司，据相关融资消息披露，光轮智能在2026年上半年接连完成多轮大额融资，估值迅速攀升至20亿美元，成为具身数据赛道的独角兽。其营收和新增订单数据也呈现出爆发式增长。合作方覆盖英伟达、谷歌、Figure AI、字节跳动、阿里巴巴、智元机器人、丰田、博世、比亚迪，几乎横跨全球具身智能产业链。
海外同步爆发。据报道，XDOF在6月17日从隐身模式公开，带着Thrive Capital、a16z、Spark Capital等一线基金的7000万美元融资入场。这家公司脱胎于开源遥操作系统GELLO项目，60人团队已服务20多家客户（含多家主要AI实验室），其相关团队还参与了ABC-130K的开源工作，相关论文称这是目前全球最大的开源双臂机器人操作数据集之一。
国内的数采赛道已经分化出三类玩家：
第一类是纯数据基础设施公司。 除了光轮智能，无问智科建了国内最大的实体数据采集训练场（覆盖物流、家庭、酒店、工业、办公、零售六类场景，日产数据上千小时），今年4月完成超亿元A轮。核数聚从传统AI数据标注转型，在苏州、青岛、芜湖、慈溪建训练场，客户包括宇树、傅利叶、乐聚、智元。简智机器人获蚂蚁、滴滴、德联领投的数亿元多轮融资，月产能突破10万小时。
第二类是“本体+数据”闭环型企业。 智元机器人把数据业务拆分成立觅蜂科技，注册成立仅10天就完成数亿元种子轮和天使轮融资（红杉中国领投），4月开源了覆盖具身全域研究的AGIBOT WORLD 2026数据集。银河通用走仿真路线，一周生成十亿级数据集，成本降到真实数据的1%。千寻智能主打真机采集，累计数据超20万小时。
第三类是跨界平台巨头。 京东计划发动60万人，两年内积累1000万小时真实场景数据。百度发布了“具身智能数据超市”，中国移动建了1200平米的家庭场景训练场。行业正从分散采集走向平台化供给。
场景方的介入也值得关注。博世与银河通用成立合资公司“博银合创”，投10亿元在苏州建基地；又与千寻智能签战略合作做工厂实地数据采集。宁德时代领投银河通用B轮，把电池产线开放给机器人常态化作业。场景方开始筛选谁能进入自己的数据生态。到了这一步，“谁定义数据质量的基准线”可能比“谁采更多数据”更有价值。
04.
“风口还是过渡？三个未解之问
数据采集赛道眼下很热，但三个问题仍然悬而未决。
第一，数据质量和数据数量的矛盾。 从50万小时到1000万小时的跨越式扩张，靠的是降低采集门槛和扩大采集队伍。但具身智能数据不是标注越多越好。遥操作中人体和机器人的身体差异、传感器噪声、场景标准化程度，都直接影响数据能否有效迁移到模型训练中。北大HumanNet论文也明确指出：100万小时的规模可能制造普适性的幻觉，实际在地理区域、身体类型、职业场景上存在相当大的盲区。
第二，遥操作是否只是过渡方案。 长远来看，机器人理想的数据来源是自主探索，在真实环境中自己学习、自己产生数据、自己迭代模型。仿真合成的规模已经达到了十亿条级别，生成式数据正在快速缩小和真实数据的差距。当sim-to-real gap被进一步压缩，靠发动几十万人去各行各业人工采数据的模式还能持续多久？这个问题的答案决定了当前遥操作类企业的估值天花板。
第三，数据标准和生态打通。 据IDC等机构预测，中国具身智能机器人市场正迎来爆发式增长。但这个市场的底层仍然碎片化。不同采集源、不同训练方式、不同工业评价体系的数据能否在某个节点真正打通，决定了数据能否从“上游供给”升格为物理AI时代的核心基础资产。
短期来看，数据采集赛道的商业化确定性仍然高于机器人本体，机器人企业自己都在大量采购数据，“卖铲人”的生意逻辑在行业放量之前就已经成立。但往后看，有几个指标值得持续跟踪：仿真合成和真实数据之间的替代比例会怎么变？场景方掌握的工业数据会不会成为新的壁垒？数据标准化和跨平台互通走到哪一步了？
从50万小时到1000万小时，具身智能的数据工厂正在热火朝天地建设。但最终改写行业版图的，可能不是谁的工厂最大、谁的采集队伍最多，而是谁的数据最先经过了真实工况的检验，并被证明能让机器人真正学会干活。
