随着具身智能行业竞争从机器人硬件制造转向真实场景作业能力，高质量交互数据成为行业核心稀缺资源。均普智能正式推出工业具身智能数据平台 Primus Forge 与头戴式第一视角采集设备 Primus Ego，叠加此前开源工业机器人强化学习数据集，打通 “采集硬件 — 数据管理平台 — 标准化数据集 — 真机落地验证” 完整工业数据产业链，发力填补高端工业具身数据供给短板。

当前行业存在明显数据结构性断层：大语言模型可依托互联网海量图文素材完成训练，但机器人落地所需的多模态动作、力控、环境交互、故障纠错实景数据极度匮乏。觅蜂科技 CEO 姚卯青曾测算，想要实现类 GPT-3.5 级别的通用机器人基础能力，需要约一亿小时有效具身数据，而当前全球存量有效数据仅几十万小时，存在两至三个数量级差距。机构预测，2026 年国内具身智能整体市场规模有望突破万亿元，数据服务板块占比超 15%，赛道成长空间广阔。

均普智能相关负责人表示，相较于居家服务等通用场景，工业精密制造数据是价值最高、供给最紧缺的数据资产。工业装配工序包含多工具协同、精细力控调节、长链条连续操作，数据维度远高于简单抓取动作；亚毫米级装配精度催生大量故障重试、误差修正轨迹，这类独有数据仅能在实体产线生成；同时工业数据具备强复用性，同类型产线可重复调用，长期边际采集成本持续下降。

行业数据竞争逻辑也已发生转变，单纯比拼数据时长、轨迹数量的时代落幕，有效轨迹占比、任务覆盖广度、多模态同步精度、故障样本储备、跨场景泛化性能等质量指标成为核心考核标准，可自循环迭代的数据闭环体系，成为企业核心技术壁垒。均普智能本次软硬件产品矩阵，正是面向工业领域打造规模化数据采集、标准化治理底层基础设施。

硬件端 Primus Ego 工业头戴采集设备搭载五路摄像头，实现 270° 超大同步视场，镜头空间排布对标机器人视觉架构，采集数据训练的模型可大幅减少视角适配工作，缩小仿真到实体迁移的视觉偏差。该设备核心优势在于跨本体迁移潜力，依托工人第一视角采集数据训练的模型，可适配人形机器人、四足机器人、协作机械臂多类设备。企业也坦言，完全成熟的跨本体泛化仍是行业共性难题，公司依靠丰富采集场景、统一平台标准、真机闭环验证三层体系持续优化相关能力。

数据资源层面，均普智能上月联合博登智能、上海交大 MINT 实验室开源全球首个真实机器人强化学习大规模数据集 RW-RL-Dataset，完整记录机器人作业成功、故障、自主修正全流程数据，解决机器人仅能复刻标准动作、无法自主处理异常工况的痛点。企业规划持续扩充数据集，2026 年底总量突破 3000 小时，重点补充精密装配等高价值工业场景样本。

产业协同方面，均普智能战略投资觅蜂科技，围绕智能制造落地深化具身数据全链条合作。当下人形机器人硬件产品逐步趋同，能否率先建成 “数据采集 — 模型训练 — 设备部署 — 现场反馈” 的自迭代闭环，将决定企业长期竞争力。此次加码工业数据基建，均普智能意在抢占工业具身智能时代的数据流量入口，主导行业数据标准制定。