具身智能数采行业面临三重挤压：上市路径受阻、数据贬值与泡沫破裂风险

事件概述

随着具身智能（Embodied AI）赛道热度回归理性，机器人数据采集（数采）行业正面临严峻挑战。此前通过政企共建数采中心、利用“卖设备—回购数据”闭环包装营收的模式已难以为继。受上市审核趋严、采集技术向无本体分布式转变以及整机厂商估值泡沫被质疑等多重因素影响，数采中心的需求、数据交易价格及行业估值同步承压，行业洗牌加速。

核心信息

1. “卖设备—回购数据”上市路径失效

• 旧模式弊端：过去两年，全国涌现约106座人形机器人数采中心（多为政企共建）。机器人企业将设备卖给数采中心以计入营收，数采中心雇佣人员采集数据后，企业再回购用于训练。这种资金在政府、企业和数采中心间的流转，常被用于做高账面收入和估值，而非追求数据实际价值。
• 监管堵截：二季度起，科创板和北交所在审核机器人企业上市申请时，重点问询收入真实性、关联交易合理性及毛利率可持续性。依靠修饰账面业绩冲击上市的路径基本被堵死，资本方也开始追问设备是否真正投入使用及客户复购情况。

2. 无本体采集削弱对机器人本体的需求

• 技术转向：数据采集方式正从依赖机器人本体的真机遥操，转向使用摄像头、数据手套等分布式设备的“无本体采集”。数采员可在工厂、家庭等真实场景中直接工作并采集数据。
• 影响：数采中心不再需要大量采购机器人本体，机器人企业借由数采中心消化订单、虚增收入的空间被压缩。

3. 数据降价、重复度高与重资产困境

• 价格下跌：尽管我国真实场景合规数据缺口超99%（存量约50万小时，需数千万小时），但涌入者众多导致价格下降。数据显示，数据单价从去年200多元/小时降至100多元/小时。
• 内容同质化：现有数采厂模拟场景多集中在叠衣、搬箱等通用任务，数据重复度极高，甚至出现机器人企业也不愿收购的情况。
• 成本高昂：建设数千平方米的综合性训练场需投入数千万元至上亿元，若后续数据收购价低或不符合要求，前期设备、人力和调试投入难以收回。

4. 具身智能挤泡沫传导至数采行业

• 估值质疑：明星企业如Figure AI被指存在巨大估值泡沫，其部署机器人的实际工作状态和付款情况存疑。业内观点认为，近300家机器人公司中市场可能仅容纳20-30家，其余将被整合或转型。
• 需求萎缩：若行业洗牌在2026下半年至2027年集中显现，机器人企业淘汰加剧，其数据采购需求将大减。同时，资本更偏好关节模组、力传感器等“卖铲人”环节，进一步挤压数采厂的生存空间。

5. 分布式采集的潜在风险与挑战

• 乱象初现：无本体采集虽能带来海量真实数据，但初期出现层层分包、价格混乱、中间商跑路等问题。例如，部分项目以极低单价（如5元/小时）组织农村劳动力采集数据，存在劳务纠纷风险。
• 可用性未知：海量分布式数据能否有效用于模型训练仍待验证。此外，巨头如英伟达提出用世界动作模型（WAM）取代VLA模型，用非真机数据替代，这可能改变数采的技术路线和价值逻辑。
• 社会伦理风险：人类向AI售卖劳动数据以训练可能取代自身的机器人，这种焦虑若放大，可能影响数据采集的社会基础。