■李乔宇

    近日，2026世界机器人大会在北京举办。笔者在现场观察到一些有趣的现象：往年常见的机器人集体舞表演变少了，搬运、分拣、装配等实操演示场景大幅增加；业内人士讨论的热点词变了，从去年的VLA（视觉—语言—动作模型），变成了“世界模型”和“物理AI”。

    在笔者看来，机器人从表演转向实干，标志着行业正从技术探索积极转向商业落地；热点词的转变，标志着机器人产业正从“能看懂、能执行”的初级阶段，迈向“能理解、能预测”的更高水平。

    但让机器人成为真正的“打工人”，显然还有很长的路要走。数据显示，当前国内真实物理交互场景合规数据仅50万小时，而机器人商业化落地需要数千万小时数据，缺口极大。因此，机器人想要真正走进工厂和家庭等实际应用场景，还需闯过数据关，在真实场景中积累海量经验，把每一次操作的状态、动作、结果都变成可供训练的数据样本。在此过程中，巨大的数据缺口正倒逼产业链重新分工，并由此催生三重机遇。

    第一，“卖铲人”有望率先受益。

    “卖铲子的人最先赚钱”正在成为全产业链共识。面对巨大的数据缺口，一批专注于数据采集、仿真平台、评测标注的公司成为具身智能产业中不可忽视的新势力。这些上游配套企业不承担本体制造和场景落地的长周期风险，有望先于终端应用形成商业回报。

    投融资市场已率先行动，多家数据基础设施企业融资活跃。今年8月，一站式物理人工智能数据服务平台上海觅蜂具身智能科技有限公司宣布完成新一轮数亿元融资；7月，具身智能领域数据基础设施企业北京德塔源创智能科技有限公司‌宣布完成近5亿元天使++轮融资；今年5月至6月，物理AI数据与评测基础设施企业光轮智能（北京）科技股份有限公司两周完成两轮融资，2026年估值已突破150亿元。

    第二，标准化数据产品有望重塑行业竞争格局。

    除了数据缺口大，“各自为战”的数据孤岛问题也亟待解决。不同团队采集口径、标注格式互不兼容，数据资产很难跨项目复用。只有行业采用统一的数据格式和标注规范，数据资产才能真正实现跨设备、跨任务、跨模型复用，大幅减少重复采集和格式转换的成本。

    围绕数据标准的统一，业内正在进行诸多尝试。例如，国家机器人检测与评定中心联合推进“真实+仿真”评测体系建设。

    第三，应用场景即数据宝库。

    面对巨大的数据缺口，中国庞大的制造业体系和丰富的应用场景，正在转化为难以复制的结构性优势。

    从整体规模来看，2026年上半年，我国人形机器人出货量已超4万台，全球占比升至97%。同时，截至6月底，全国建成启用超70家具身智能训练场，其中含工业制造场景的训练场最多，占比86%。这些训练场正在让数据采集从实验室转向真实场景，让机器人在“真干活”中产生数据。

    不过，真实的场景数据还需要经过清洗、标注、重建，才能转化为可供训练的高质量素材。我国在场景规模和部署速度上的优势能否转化为持续的产业发展优势，还取决于数据标准建设、流通机制以及产学研协同效率。

    机器人从“表演家”变身“实干家”的方向已然明确，数据鸿沟的填平，将进一步加速这场转变。