具身数据的“炼金术”：从模拟工厂到物理AI的价值闭环

TL;DR：具身智能正经历从“酷炫演示”向“规模化落地”的范式转移，数据采集已成为决定行业生死的底层基础设施。当前行业正通过地方数采中心进行高强度“数据注水”与产能布局，但未来真正的盈利点在于打通从仿真训练到真实世界部署的反馈闭环，实现“数据复售”的高效复用。

过去一年，具身智能赛道融资超400亿元，但当喧嚣褪去，产业的核心矛盾已从“算法模型”转向“数据燃料”。不同于大语言模型可以从互联网直接攫取文本，机器人的成长必须依赖于物理世界的真实反馈。正如GPU定义了大模型时代的算力底座，具身数据正成为物理AI时代的“新型基础设施”。

目前的市场呈现出一种奇特的“闭环游戏”：各地国资与公共机构兴建大量数采中心，通过向机器人厂商采购本体，获取训练数据，进而又由机器人厂商回购数据用以模型训练。¹

这种模式在商业上表现为：

这种“地方政府建中心、机器人公司买单”的模式，本质上是为具身智能产业提供了一种早期的“生存补贴”，帮助企业越过从0到1的规模化落地门槛。

单纯的卖数据终将沦为低毛利的劳动力密集型生意，真正的行业壁垒在于“世界模型”的构建能力。以光轮智能为代表的玩家正尝试通过“求解—测量—生成”三位一体的架构，将仿真引擎与真实世界数据打通。⁴

仿真降维打击：利用仿真环境模拟极端工况，不仅规避了昂贵的物理采集成本，还能提供无限次的迭代验证，这是应对“sim2real gap”（仿真实时差距）的关键。
数据复售率（Reuse Rate）：衡量一个数采商是否具备独角兽潜质，不仅看产能多少，更看同一小时数据能否在不同客户、不同任务间复用超过10倍。这是验证“数据作为资产”而非“消耗品”的唯一指标。

未来3-5年，具身数据行业将迎来残酷的整合期。那些仅仅通过人力堆叠完成数据录入的“工厂式”企业将被淘汰，取而代之的是能够提供“数据+评测+仿真”闭环能力的平台化厂商。

当数据供给不再是瓶颈，行业竞争的焦点将进一步上移至“通用智能表现”。届时，具身数据将不再只是机器人的训练集，而是人类操作经验、工业流程与物理法则的数字化沉淀，成为未来社会通用劳动力的“基因库”。