具身智能领域的数据短缺正催生一条独立的资本赛道。在近期的行业论坛上，一组对比数据被反复提及：大语言模型预训练可调用数十万亿token，自动驾驶积累超百亿小时数据，而具身智能目前公开可用的操作数据仅有几十万小时级别。多位本体厂商公开表示，数据是当前最大的瓶颈。

这种短缺源于具身智能数据的特殊性。与可从互联网直接抓取的文字、图像不同，机器人训练需要“看到什么-做什么-力度多大-关节怎么动”的完整动作闭环，这类数据几乎不存在于网络，必须专门生产。当本体厂商的硬件迭代加速、出货节奏快于预期时，内部采集能力跟不上模型训练需求，第三方数据服务的需求迅速膨胀。

资本在过去半年密集流向数据公司。光轮智能在两个月内连续完成两轮融资，估值突破20亿美元，成为全球具身数据领域首个独角兽。2025年成立的简智机器人获得蚂蚁、滴滴、德联资本领投；从智元孵化独立的觅蜂科技也迅速完成数亿元融资。

目前行业形成了四条主要数据生产路线，各有优劣。真机采集由操作员通过VR设备遥控机器人，数据质量最高，可直接训练VLA模型，但成本昂贵、废片率高，特斯拉Optimus采集员时薪在25至48美元。无本体采集使用可穿戴设备或动作捕捉记录人的动作再映射给机器人，成本约为真机的一半或更低，但无法捕捉力度等精细触觉信息，且动作“翻译”过程存在信息丢失。仿真合成在虚拟环境中批量生成数据，光轮智能自研仿真系统已累计交付超100万小时人类行为数据，复售率超10倍，但难以完全模拟真实世界的物理细节变化。视频蒸馏则从互联网视频中提取操作动作规律，边际成本极低，代表公司极佳视界三个月内累计融资约35亿元，估值达百亿级别，但缺乏关节角度和力度数据，通常仅作辅助。

尽管技术路线多元，商业变现仍处于早期探索阶段。据行业调研估算，国内具备持续采购能力的客户可能只有几十家，且付费意愿不稳定——一旦本体厂商自建数据体系跑通，外部采购可能收缩。目前主流模式是一次性买断数据集，但门槛低、易复制；卖硬件或提供订阅服务的壁垒更高，但市场尚未成熟。有从业者透露，部分公司年收入仅几百万元，估值却已达数亿元，收入与估值之间存在明显错位。

行业对“什么样的数据最有价值”尚未形成共识，数据格式互不通用，模型被锁定在单一机器人本体上，跨品牌迁移需重新采集和训练。头部模型厂商如蚂蚁灵波近期推出LingBot-VLA 2.0，号称用60000小时数据训练，可适配20多种机器人，但实际落地仍需针对具体机型微调。数据公司也在尝试建立标准，光轮智能推出工业级评测平台RoboFinals，觅蜂科技探索跨本体数据格式标准，简智机器人聚焦工业级数据格式。

与自动驾驶相比，具身智能面对的场景更为分散，从工厂到家庭再到手术室，数据分布差异极大，这意味着数据稀缺性更持久，独立数据公司的窗口期也更长，但商业化节奏更慢。业内判断，未来一年行业将从“拼融资”切换到“拼客户”，缺乏稳定订单的公司将率先出局。