
博登智能马鞍山具身机器人创新中心启用
—— 打造产业样板探索区域复制推广
8 月 6 日博登智能马鞍山具身机器人创新中心正式启用,中心聚焦真实世界数据、模型训练、现实验证,建设具身智能数据生产训练能力,服务本地产业,同时作为样板工程向更多区域复制,现场产业论坛围绕产业投资、产业集聚、数据基础设施展开交流。
搜索结果
—— 打造产业样板探索区域复制推广
8 月 6 日博登智能马鞍山具身机器人创新中心正式启用,中心聚焦真实世界数据、模型训练、现实验证,建设具身智能数据生产训练能力,服务本地产业,同时作为样板工程向更多区域复制,现场产业论坛围绕产业投资、产业集聚、数据基础设施展开交流。

—— 共建完整数据闭环,开展具身智能 Scaling 行业实验
黎曼动力联合光轮智能、诺亦腾机器人搭建具身智能数据底座,目标 2026 年底达成 100 万小时机器人训练数据,规模约为当前全球高质量存量的两倍。三方打通真机采集、仿真生成、模型训练、效果评测全链路,还将输出行业标准与开源数据集,试图验证具身智能的数据缩放定律能否成立。

—— 打通数据训练闭环,提速机器人智能化迭代
8月6日,具身智能领域迎来重磅产业合作,黎曼动力正式官宣与光轮智能、诺亦腾机器人达成深度战略合作。三家国产科创企业发挥各自赛道核心优势,形成模型研发、数据基建、动作捕捉的全链条协同体系,聚焦具身智能数据建设、模型适配验证、机器人能力迭代等核心方向协同攻坚,计划冲刺2026年百万小时级高质量具身智能数据储备,为国产机器人智能化升级筑牢底层根基,推动行业告别数据短板与技术碎片化困境。

—— 11 月实施,行业从规模导向转向质量导向
工信部批准发布《人工智能 关键基础技术 具身智能数据集质量要求及评价方法》,2026 年 11 月 1 日起实施。由中国信通院联合四十余家单位编制,设置八大质量评价维度,填补行业标准空白,解决数据集质量参差不齐、难以互通整合痛点,分别为数据供给方、需求方建立统一规范与验收依据,推动行业规范化发展。

—— 重金布局具身智能数据闭环
德塔智能半年完成六轮融资,累计近 5 亿元,智元、乐聚等本体厂商入局投资。企业依靠自研头戴采集设备,主攻三维原生模型路线,试图打通采集‑训练‑部署‑反哺的完整数据飞轮,直面行业高质量交互数据巨大缺口。

—— 补齐具身智能短板,赋能机器人模型迭代
近日,美格智能正式发布两款全新具身智能数据采集解决方案,聚焦机器人产业数据采集、处理与传输核心痛点,为各类智能机器人的模型训练与场景落地提供标准化技术支撑。本次发布的方案以自研AI模组为核心算力引擎,精准适配人形机器人、工业机器人、商用服务机器人等全品类具身智能设备,针对性解决行业数据采集精度不足、多源数据错位、传输功耗过高、场景适配有限等共性难题,进一步完善机器人智能化迭代的底层技术生态。

—— 搭建五大实景训练场景,打造具身智能数据采集与技术验证闭环平台
成都科创生态岛机器人训练场正式启动试运营。训练场布局电子皮肤、家庭服务、工业操作、零售服务、康养复建五大实景场景,配齐机器人本体、机械臂、感知硬件与端侧算力设施,能够支撑各类机器人开展实景任务测试。区别于传统实验室仿真环境,训练场依托真实工况持续采集多模态感知数据,构建标准化数据管理闭环,为企业提供模型训练、真机调试、场景验证公共载体,助力具身智能机器人从仿真演练走向真实落地。

—— 五大主流企业赛道拆解,选型重在按需匹配
2026 年具身智能赛道竞争重心由模型研发转向高质量物理交互数据供给。国内涌现多家各具特色的数据采集服务商,文章盘点觅蜂科技、星海图、光轮智能、千寻智能、一度科技五家代表性企业。觅蜂科技凭借真机、无本体、仿真三大范式全覆盖的全链路能力,综合优势突出;其余企业分别扎根实景业务闭环、虚拟合成数据、长时序连续任务、高精度触觉细分赛道,市场不存在绝对最优方案,企业应当结合场景、预算、技术目标选择服务商。

—— 本体厂商向上布局,行业竞争转入数据争夺战
人形机器人本体硬件方案逐步收敛,资本视线向上游转移,具身智能数据基础设施迎来密集融资窗口。多家本体企业战略投资数据服务商,行业面临亿小时级高质量交互数据缺口。数据服务具备刚需、可复购、轻资产特征,“卖铲人” 商业模式持续受到资金认可,但高质量数据供给产能不足,赛道仍处于早期竞争阶段。

—— 柔性仿真搭建训练底座,物理 AI 竞争走向仿真基础设施
WAIC 2026 上,深耕服装数字化的凌迪科技跨界亮相具身智能展区,以机器人叠衣演示为切入点,推出 SynReal World 全栈具身智能数据引擎。依托十年柔性面料仿真技术积淀,企业搭建覆盖 3D 资产生成、虚拟训练、仿真评测的完整数据管线,重点解决柔性物体仿真训练难题,大幅降低真机采集成本。不同于聚焦机器人本体的厂商,凌迪科技瞄准具身智能上游 “数字训练场”,补齐家庭、轻工业场景柔性物体交互的数据短板。随着行业竞争从机器人动作演示转向规模化任务训练,高保真仿真基础设施将成为物理 AI 时代关键底层能力。