机器人操控在仿真环境中的成功率是89.4%，换到真实家庭场景骤降到12%。斯坦福HAI《AI Index Report 2026》测出的这77个百分点落差，指向具身智能当下真正的瓶颈：已经不是硬件，是数据。

机器人"能不能动"的问题，产业基本解决了——本体在量产、成本在下降、运动控制在成熟。但易观分析这份报告给出的判断是，决定产业天花板的不再是硬件能力，而是"数据能不能喂饱模型"。

缺口不在"不够"，是三个维度同时卡住

一是量。要实现具身能力的"涌现"，至少需要百万小时级的真实物理互动数据，目前行业积累还不到需求的5%。卡点在于"高质量、大规模、低成本"不可能三角：真机数据每小时500至1000元；无本体数据便宜，但要重定向、缺力觉；仿真数据近乎免费，却有Sim2Real偏差；互联网视频规模最大，但没有动作标签。

二是质。行业数据集"过度干净"，系统性丢弃失败样本与长尾场景，模型泛化靠运气；标注粒度不统一，数据不可审计、不可回归——脏数据进，脏模型出。

三是异构。各家本体的关节数、坐标系、控制频率都不同，一家采集的数据喂不了另一家的模型，换本体等于重采、重标、重训；JSON、Parquet、ROS bag等格式并存，跨平台不可拼接。结果是数据被硬件锁死，资产无法沉淀。

三条采集路线不是竞争，是分工

真机遥操作质量最高，是模型后训练与最终落地的金标准，也最贵；无本体采集让人穿上设备干活，成本降到真机的三分之一，还能靠众包走向"边工作边采"；仿真合成负责长尾与极端场景，遵循"99%合成加1%真机校准"的逻辑。

报告对此的定性很清楚：单一路线破不了不可能三角。真机锚定质量，无本体补充真实，仿真放大规模——协同是常态，比例是变量。

破局的四件事

报告把解法归成四个字：造、治、用、通。造数据靠本体厂与仿真商协同扩规模；做对数据靠标注规范与质量认证，回答什么是合格数据；转飞轮靠训练场把采集、训练、部署、回流连成闭环；通数据靠跨本体的格式标准与交易机制。

四件事里最难的是"通"。前三件各家企业自己就能推进，唯独它要动利益——数据从企业私产变成行业基础设施，等于要求掌握高价值数据的公司让出护城河。

刚起步的行业，已经在预警过剩

报告里最反直觉的是趋势研判：行业正在经历产能军备竞赛，但结构性过剩已经显现——原始数据贬值与高难数据稀缺同时存在。

原因有三。数据生产权正向有本体、有场景的下游迁移，头部本体厂商和基座模型公司把数据生产内化，外购需求随之收缩；模型训练范式从"海量外购数据依赖"转向少样本学习加强化学习自进化，进一步压缩外购空间；定价方式也在变，从按小时、按条数计费转向按任务难度定价——长时序、强泛化、复杂操作的高难任务溢价凸显，低难任务价格趋零。

数据不再按小时卖。新的价值标尺是"有效信息密度×闭环增益"，静态数据集的价值窗口正在收窄。

最能说明问题的是收入表

群核科技手上有5亿多个结构化3D场景、4.8亿个带物理参数的3D模型，获取成本在过去十余年里已摊销完毕。但它的具身业务收入是：2024年340万元，2025年520万元，占总营收不到1%。报告的评价是故事与收入落差大——它的家居场景很强，工业与物流很弱，恰好错开了付费主战场。

同一赛道上的另一种活法：光轮智能2026年一季度新增订单5.5亿元，单季收入超过2025年全年，靠的是把仿真路线边际成本压到真机的1%左右；无问智科订单同比增长超3000%，客户复购率超80%。

报告因此写下一句可以直接当尺子用的话：资产绝对量没有意义，场景匹配度才是兑现开关。

下一轮竞争是标准

训练场正在成为公共底座：70多座已建成启用，覆盖23个以上省份，部署机器人2500多台，其中长三角36座最密集。数据要素化也在推进——确权、评估、入表、交易。

报告点出一个明显的空白：现有评测机构大多既卖数据又办考场，中立性代价明显。谁能做出"不卖数据、只办评测"的独立第三方，谁就能直接吃掉这部分中立性溢价。

竞争的终点也随之换了：从卖数据，转向定义数据价值的标准。

本文基于易观分析《中国具身智能数据产业分析报告2026》撰写，详细内容请查阅原文。