8 月 18 日，据界面新闻报道，中国信通院人工智能研究所联合人形机器人（上海）有限公司、具身智能测试实验室共同发布《具身智能训练场研究报告（2026 年）》。该报告指出，训练场产业链已初步成型，整体呈 "上游技术供给活跃、下游应用仍待拓展" 的倒三角特征。这一判断意味着，作为具身智能数据基础设施的核心载体，训练场建设已走过从概念到落地的起步阶段，但商业化闭环尚未真正跑通。

　　训练场属于典型的重资产投入，建设成本涵盖场景建设、数采及本体设备、算力、网络、存储与管理系统等多个方面，日常运营费用同样不菲。人形机器人的技能习得依赖真实世界的物理交互数据，而这些数据的采集需要搭建高度还原的工作场景、配置昂贵的机器人本体与传感器，并投入长期的运维与调试 —— 这决定了训练场从诞生之日起就背负着沉重的成本压力。

　　当前，训练场的商业服务以数据产品出售为主，同时也在探索模型与本体训练验证、联合研发、测试验证等业务方向。数据产品出售虽然是最快形成收入的模式，但仅依靠数据出售难以覆盖重资产投入，回本周期较长。更深层的矛盾在于，数据作为具身智能时代最紧俏的战略资源，其价值毋庸置疑，但单一的 "采数 — 卖数" 逻辑既无法支撑训练场的持续运营，也难以形成差异化的竞争壁垒。多数训练场建设时间尚短，商业模式仍在摸索期，亟需找到从 "成本中心" 转向 "价值平台" 的破局路径。

　　报告为此提出了三个方向：一是平台化交易，通过搭建数据与技能的流通平台，降低供需匹配成本，让训练场从数据生产者转变为生态枢纽；二是增值服务拓展，在数据之外提供模型训练验证、联合研发、测试认证等高附加值服务，延伸收入链条；三是 "训练即服务"（TaaS）模式，将训练场的场景、设备、算力与数据能力打包成标准化服务，按需向机器人企业和开发者开放，用规模化复用摊薄重资产成本。从 "卖数据" 到 "卖服务"、从 "自建自用" 到 "平台共享"，训练场的商业化探索，本质上是在回答一个行业性命题：当数据成为具身智能的核心生产资料，如何让重资产的基础设施实现可持续的自我造血。