在北京石景山举办的中关村论坛平行分论坛——2026中国科幻大会上，具身智能触觉及多模态感知数训创新中心正式宣布成立。该中心由北京石景山科技创新集团有限公司联合他山科技共同打造，聚焦具身智能产业的技术需求，重点突破触觉感知、异构计算、自主无人数采三大技术领域，致力于构建涵盖数据采集、算法训练、场景落地的全链条技术转化平台。
当前，机器人产业智能化升级面临的核心挑战之一是数据获取难题。在论坛“百亿具身智能对话”环节，星动纪元联合创始人席悦指出，真实场景数据采集存在多重障碍：场景方开放权限受限、大规模采集成本高昂且耗时漫长，而现有解决方案如1:1复刻真实场景自建训练场，因依赖工程师全程参与导致效率低下、成本攀升。他提出两条优化路径：一是构建“数据采集-模型迭代”闭环飞轮，使机器人能在真实环境中自主处理极端情况；二是推进“人类演示+真机采集”的混合模式，但需解决本体构型、运动形态、感知方式差异等技术瓶颈。
原力灵机创始人唐文斌则认为，数据虽是行业瓶颈，但并非不可逾越。他指出，通过资金投入购置机器人、建设训练场、雇佣遥操作人员及外包数据标注，可快速积累百万小时级、亿级样本的数据量，因此“数据有无”并非关键壁垒。真正形成竞争优势的是企业能否实现真实场景数据的自动回流，并搭建高效的数据飞轮闭环系统。
智平方联合创始人张鹏强调，尽管公司已具备多样化数据获取渠道，但真实场景数据仍具有不可替代的价值。他透露，公司通过一线部署的产品实现数据回流，并将沉淀后的数据视为核心资产，在确保安全的前提下与客户共享这部分数据。
据披露，北京石景山人形机器人数据采集训练中心四期项目已与乐聚、他山、睿尔曼、灵初等企业展开合作，试图破解行业数据短缺与质量不足的困境。一位行业人士分析称，当前具身智能领域正经历数据体系重构，无本体数据技术（如第一人称视角的EGO方案、通用操作接口的UMI方案）的兴起，可能使传统依赖重资产投入的遥操作数据采集工厂陷入发展困境。
从数据价值维度看，真实场景数据仍是机器人模型训练的“金字塔尖”，但行业普遍面临两大难题：一是数据质量与管线设计缺乏标准化；二是数据处理能力存在显著行业差距。该人士指出，多数厂商不具备搭建高效数据处理体系的技术实力，且行业缺乏统一的技术诀窍共享机制与基准评测体系，导致数据应用效率参差不齐。若EGO、UMI等无本体数据技术普及，场景资源的稀缺性将进一步凸显，企业可能摆脱对传统数据采集工厂的依赖，直接在真实场景中完成数据采集，场景的可及性与多样性将成为数据竞争力的核心要素。
技术迭代趋势显示，具身智能需要亿级小时级的训练数据，但当前总量仍严重不足。部分依赖机器人本体、固定场地的重资产中心可能面临产能利用率下滑、单位成本飙升的风险。长期来看，数据领域的竞争逻辑将从“硬件规模”转向“真实场景获取能力”与“场景-数据闭环迭代效率”的较量。
