宿迁数据前线：世界模型争夺战中的“先上再说”

事件概述

全球具身智能训练面临数据荒：训练类似ChatGPT-5级别的系统需百亿小时语料，而当前可用具身数据仅约50万小时，缺口巨大。由于物理世界交互数据没有互联网文本那样的现成存量，行业需从零开始采集。宿迁作为数据采集前线，展示了中国如何通过基层动员和低成本方案填补这一缺口。

核心信息

数据采集的四大路线

当前行业有四条路线并行：

• 真机遥操：用机器人本体采集，数据保真但成本高（单台机器人约20万元），且不同型号数据不通用，形成“数据烟囱”。
• UMI：用约400美元的3D打印夹爪加GoPro相机，降低门槛，但视角局限在夹爪周边。
• Ego头环：像眼镜一样记录人眼视角，成本极低，人类作为通用本体，数据可适配任何形态的机器人，正成为产业风向。
• 仿真：虚拟环境生成数据，但存在仿真到现实的物理鸿沟。

中美竞争态势

• 中国优势：硬件本体与供应链领先。智元机器人2026年3月已完成10000台远征A3下线并外供；中国机器人成本仅为美国同类的十分之一，供应链以周为单位迭代。Ego数据的通用性适配多本体并行生态，形成“共享数据底座+分散试错+周更供应链”的体系。
• 美国优势：在算法架构（如特斯拉FSD、xAI Grok）上仍有积累，但数据生成速率极低，受限于高成本、隐私合规和供应链短板。算法无法在真实场景中验证。
• 组织能力差异：美国通过多层代理管理无法高效推进非标准化数据采集；中国在宿迁等地能规模化动员普通民众参与日常场景采集（如工厂车间、果园、养老院），延续了“先全采全收，让模型自己筛选”的策略。

市场与质量困境

数据质量目前无法提前定义。行业普遍认为高质量数据需从海量数据中自然生成。目前市场交易机制已形成，数据定价约200元/小时，但采集员实际时薪仅30-50元。价格信号倒逼数据筛选，但整体仍处于“迷雾中全速前进”的状态。截至2026年，全球具身数据积累不足需求的5%。

行业高光与焦虑

宇树科技机器人2026年春晚表演出圈，但其2026年Q1营收增速从335%骤降至68%，现金流下降85%，早期投资人面临退出压力。高光与阴影并存，赛道仍处于早期布局阶段。

值得关注

• Ego头环：将人类作为通用数据采集器，是当前最务实的成本方案，适合中国多本体并行生态。
• 组织能力：宿迁式的基层动员是中国在数据采集阶段的独特优势，需观察能否持续并标准化。
• 市场机制：交易平台通过价格信号筛选数据，是解决质量未知的务实路径，但需警惕泡沫和供需错配。