过去两年行业比拼机器人运动、行走等硬件能力，2026 年赛道竞争核心全面切换至数据。大语言模型、自动驾驶拥有海量天然可用素材，而具身智能需要物理交互传感数据，无法从互联网直接获取，行业长期深陷数据短缺困境。全国大量数采工厂采用真机遥操作采集轨迹，但成本压力难以消解，30 秒真机操作数据成本 10 至 15 元，单小时采集约千元，20 万小时真机数据投入超两亿元，距离千万小时级模型训练需求存在巨大缺口。仿真数据虽零成本量产，但存在虚实鸿沟，真机落地性能大幅衰减，仅能作为补充素材，无法充当主力训练数据。

行业经过一年验证形成清晰分工格局：人类数据成为预训练主流，真机数据保留微调不可替代价值。真机遥操作属于监督学习数据，泛化能力弱、采集线性增长，无法匹配模型性能指数级扩张的 Scaling 规律；人类第一视角视频覆盖更广动作分布，采集灵活、成本可控，是唯一具备规模化扩张潜力的数据路线。灵初智能技术负责人陈源培表示，互联网视频清洗成本过高，真机数据覆盖场景有限，仿真存在虚实偏差，只有人类数据能够支撑长期规模化迭代。

人类数据路线分化出两条并行技术支线。智在无界采用纯视觉方案，仅采集第一人称视频，成本低廉，已积累 20 万小时素材，但缺少触觉、位姿接触信息，仅可用于预训练表征学习；灵初智能依靠 62 + 自由度外骨骼触觉手套同步采集手部关节、指尖亚毫米级触觉信号，数据可直接等效真机轨迹驱动机器人，缺点是专用硬件限制扩张速度。

该路线经历完整产业演进周期：2024 年底深度机智率先提出人类学习路线，行业关注度极低；2025 年多家企业同步推出对应产品；2026 年 2 至 3 月英伟达发布 EgoScale、DreamDojo，大规模采购人类视频数据，成为行业路线转向关键验证节点。此后国内深度机智、灵初智能、智在无界接连推出十万小时级数据集，海外 Generalist AI 用 27 万小时人类数据验证 Scaling 定律，OpenAI、Meta、英伟达均加码人类数据采购。与此同时智元、宇树等整机厂商仍坚持真机 + 仿真传统路线，两条技术路线并行发展，尚未分出最终胜负。

伴随数据路线切换，模型底层范式同步迁移。此前行业通用 VLA 视觉语言动作模型，属于监督学习框架，受真机数据稀缺约束，动作空间覆盖范围狭窄。行业逐步转向世界模型，又分为显式、隐式两条分支：英伟达 Cosmos 显式方案逐帧预测完整画面，算力消耗极高，20 万小时训练投入达千亿级别；智在无界、星海图、无界动力主推隐式世界模型，仅建模关键状态变化，同等数据量训练算力仅为显式路线的 1/80，兼顾训练效率与泛化性能，行业整体从监督学习向自监督学习迭代。

行业同步形成商业化落地共识，工业、物流等 2B 可控场景落地节奏比家用 C 端快 3 至 5 年。业内提出三项落地质量核心指标：客户复购率、项目 ROI 不低于 30%、正向经营性现金流，当下大量企业营收依赖应收账款，商业化质量参差不齐。从业者对行业发展节奏判断出现分化，有人认为人形机器人尚处早期，长期具备成长空间；也有观点预判灵巧手硬件赛道两年内格局定型。

资本层面分化加剧，2026 上半年赛道总融资约 460 亿元，170 亿早期资金 70% 集中流向头部十家企业。投资逻辑从单纯追逐硬件整机，转向看重差异化数据基建、模型能力与落地回报。宇树科技 IPO 被视作行业分水岭事件，市场对千亿估值存在分歧，有观点认为行业长期核心壁垒在具身大模型，整机企业短期更容易跑出营收，但底层大脑是长期竞争关键。

行业同时破除 “数据时长越多价值越高” 的误区，出现 “10 万小时普通人类数据效能不及 1000 小时优质细分数据” 的行业现实。数据价值优先级排序为任务多样性＞物体多样性＞场景多样性，感知模态层面精准 3D 位姿＞触觉＞2D 图像。灵初智能十万小时人类素材仅筛选五千余小时等效真机数据投入训练，大量采集数据因重复、噪声、标注缺失无法使用。行业新瓶颈不再是数据采集规模，而是数据清洗、标注、增强、评测配套工具链，完整数据基座需要原始素材、处理工具、评测体系三者协同搭建，缺一不可。

整体来看，真机数采行业正式迎来分水岭，不再是单一采集路线的零和竞争，而是形成分层协同体系：低成本人类数据负责通用预训练，高成本高精度真机数据用于真机微调落地，仿真数据作为补充扩充极端边界样本。数据基建、模型范式、商业化节奏、资本流向同步完成重构，能否搭建高效的数据处理与评测体系，将成为未来企业核心竞争力。