活力中国调研行｜探访雄安“机器人训练工厂”：5000万小时需求与8万条储备的碰撞，“数据荒”下雄安加速“补课”

踏入中国雄安集团数城公司的具身智能训练基地，映入眼帘的并非那些冷冰冰的机器人，而是一群头戴VR眼镜、手握操作手柄的年轻人。他们双臂在空中挥舞，动作时而如同沉浸在游戏世界般灵活，时而又像外科医生进行手术般精准无误。

在不远处的操作台上，一台人形机器人在他们的远程操控下，正小心翼翼地夹起一块面包，将其放入烤面包机中，随后再从烤面包机中取出，稳稳当当地摆放在餐盘里。尽管动作略显生硬，但已经初具人类厨房操作的韵律感。

训练场内，数据采集员正遥控机器人夹面包 图片来源：每经记者 张蕊 摄

这是《每日经济新闻》记者（以下简称“每经记者”）近日随2026年“活力中国调研行”活动，在该训练基地亲眼目睹的生动场景。

这个被誉为“机器人训练工厂”的地方，汇聚了工业搬运、家居生活、商业零售、物流装配等多种应用场景。在这里，有人身着外骨骼机械臂，遥控机器人搬运箱子；有人通过手柄指挥机器人摆放桌签；还有人紧盯着传送带上的物品，一遍又一遍地训练机器人完成分拣任务。所有这些看似枯燥乏味的重复操作，实则都是为了给机器人提供充足且优质的数据“养分”。

然而，面对市面上已有机器人品牌在便利店等场景成功落地的情况，为何还需持续进行数据采集工作？一个训练基地每天能产生多少有效数据？数据采集过程中面临哪些挑战？数据上架至雄安新区城市可信数据空间后的商业模式又是怎样的？针对这些问题，每经记者展开了深入采访。

具身智能行业面临“数据荒”困境

谈及建立具身智能训练基地的初衷，数城公司总经理助理李国良表示，当前具身智能领域对数据的需求极为迫切，存在严重的“数据荒”问题。要使一台机器人能够在多种场景下灵活作业，至少需要10亿条数据的支撑，这一数据量相当庞大。

“去年9月、10月，一些合作伙伴就向我们提出了采购5000万小时具身智能高质量数据集的需求。当时我们跑遍了多个训练基地，发现全国范围内这种大规模、长时长的数据储备严重不足。”李国良说道，“我们正是为了满足社会的共性需求而开展这项工作，同时，雄安新区周边的人工成本相对较低，做这件事既能促进地方就业，又能推动产业发展。”

在李国良看来，具身智能行业目前亟需在两个方向上取得突破：一是提升模型研发能力，即增强世界模型的适应能力，使模型具备强大的多场景适配性；二是积累足够多的场景数据，以训练模型的泛化能力。

训练场内搭建的真实商业零售场景 图片来源：每经记者 张蕊 摄

李国良进一步解释道，不同的机器人应用场景千差万别。如果把具身智能行业的发展比作一个人的成长过程，那么数据就相当于“养料”。在“幼儿园”阶段，数据为机器人提供认知世界的基础；到了“小学”阶段，则需要通过多场景的数据采集和不断迭代，为模型训练提供有力支撑。“只有经过反复的数据采集和模型训练，再将模型迁移到机器人本体上，机器人才能真正发挥其作用。”

然而，面对市面上已有机器人品牌在便利店等场景成功落地的情况，为何还需持续进行数据采集工作呢？

对此，李国良表示，目前这些已落地的机器人场景虽然相对成熟，但机器人本体实际上并不具备泛化能力。这意味着机器人只能完成固定位置、固定物品的动作。例如，在一个固定位置放了一瓶可乐，机器人可以识别并完成抓取动作；但如果这个位置换成了方便面，或者可乐被移到了其他位置，机器人就无法完成动作了。因此，仍需通过大量数据训练模型，以提升模型的泛化能力。

当前，要让机器人做到“举一反三”、灵活应变，仍然面临巨大挑战。李国良举例说，比如今天让机器人跳了一段霹雳舞，采集了相关数据，但迁移到另一台机器人上，后者并不能直接跳古典舞。这绝不是一条数据就能实现的，而是需要几千次的数据采集和训练才能达到。模型迁移到机器人本体上，可能需要几千条甚至上万条数据。因此，提升模型泛化能力和开发世界模型，是当前头部企业和科研院所正在努力的方向。

数据采集面临的主要挑战在于场景复杂性

“通过移动手柄将面包拿起来，放到烤面包机里，然后再把它从面包机里拿出来，放到盘子里，通过这一系列操作来完成一条数据采集。”数据采集员梁俪珊告诉每经记者，每一个动作都需要重复1000多次，机器人才能记住。环境、操作角度、力度等因素都会影响机器人的识别效果。

正是由于一个动作要做几千次甚至上万次，非常枯燥，因此数据采集员在采集数据之余也承担数据标注工作。“网络状况良好的话，一天能标注三四十条数据，因为数据时长、网速快慢都会对标注效率产生影响。”梁俪珊说道。

训练场内屏幕上展示的烤面包数据标注页面 图片来源：每经记者 张蕊 摄

那么，每天大概能产生多少条数据呢？李国良告诉每经记者，一台机器人一天工作8小时，数据采集员通过机械臂或操作杆操作，每天大概会产生1000个动作、1000条数据。但在标注和核查过程中，有些数据是无效的，比如抓取失败、角度不对或位置不对等情况。当然，这些失败数据对某些单位训练模型也有一定意义。总体而言，每天用于正向训练的有效数据在200～400条之间，但训练一个动作或一个模型，需要几千条甚至上万条数据才能完成。

记者了解到，目前国内机器人厂商有100多家，各家厂商的数据标准尚未统一，这是行业面临的普遍问题，也是要实现不同厂家、不同构型的机器人在统一平台上训练的难点。

为解决这一问题，李国良对每经记者表示，通过与合作方共同研发的平台，能够适配国内所有主流机器人品牌的数据格式。通过点对点的数据解析技术，解析每个时段的含义和格式，实现通过一个平台完成主流机器人的统一数据采集。“这是我们与合作伙伴共同完成的一项创新。”

记者在现场了解到，具身智能训练基地目前已经与智元机器人等多家厂商展开合作，涉及的机器人构型已有五六种，包括轮式、轮臂、折叠式等。除了双足机器人外，其他类型基本都已覆盖。四足机器人目前尚未涉及，因为四足机器人大多用于线路规划等既定动作，不需要进行类似的训练。

不过，“没有统一的数据标准其实不是最大的挑战。”李国良认为，具身智能数据采集真正的挑战在于场景的复杂性——家居、酒店、餐馆、城市环卫、巡检等，面临的场景太多了。不同场景、不同应用方面，面临的小场景又各不相同，所需的密度也不一样。千行百业都需要对机器人进行训练，机器人才能逐渐替代人工，尤其是重复性、危险性的动作。这说明市场潜力非常大。

探索具身智能数据在城市可信数据空间的交易模式

记者注意到，为落实《可信数据空间发展行动计划（2024—2028年）》，去年7月，国家数据局综合司发布了可信数据空间创新发展试点名单，涵盖城市、行业、企业三个方向，其中数城公司是13个城市可信数据空间试点之一。

记者在现场了解到，目前，训练基地已进入真机数据采集与标注的常态化运营阶段，高质量数据同步上架至雄安新区城市可信数据空间，需求方可以从可信数据空间选用下单。

对此，李国良介绍道，其实公司在做数据要素流通、数据交易的同时，面临具身智能数据的需求，才开始研究具身智能训练基地。“去年八九月份我们进入这个行业时，具身智能发展特别迅速。目前需求方主要包括具身智能本体企业、具身智能模型企业，以及一些科研院所和高校。”

“目前我们正在与一家单位洽谈从平台上下单。因为我们的机器人数量还不多，规模还不大，所以目前数据储备还不是特别大，我们自己有8万条数据。但是通过这些机器人，我们实现了技术路线的打通和闭环。”

被问及从可信数据空间下单的商业模式，李国良告诉每经记者，目前具身智能数据有两种销售模式：一种是按小时计算，一种是按条数计算。按条计算的话，每条价格在8元～48元之间。价格差距主要取决于两个层面：一是数据的独占性，如果数据卖给一家后不能再卖给其他家，即转移了数据持有权，价格会比较高；二是如果数据可以复制销售，不转移权属，价格会低一些。现在讲数据也是“三权分置”，即持有权、加工使用权和经营权。

谈及下一步的具体规划，李国良表示：“从数据方面入手是最迫切的。近一两年，我们一定要做更大规模的具身智能训练基地，具备更强大的数据采集生产能力。一方面是固定场景的数据采集，搭建更多固定场景；另一方面是走出固定场景，工作人员或采集员通过穿戴式设备、背包式数据采集设备，到社会上采集更广泛的数据。也可以给酒店、餐馆等真实工作人员配备可穿戴的采集设备，在不影响其工作效率的情况下采集数据，满足城市运营管理、城市治理等方面的数据需求。”

训练场内数据采集员正在遥控机器人摆桌签 图片来源：每经记者 张蕊 摄

那么，持续训练最终能达到怎样的效果呢？

李国良举例道，比如通过对酒店住宿场景的反复训练，实现离店后的打扫、清扫、叠被子等动作的自动化，最终实现无人化酒店；餐馆也可以实现无人化。但这需要两个方面的突破：一是模型泛化能力的突破，二是足够的数据储备用于模型训练。

“我认为，具身智能走进千家万户在几年内是可以实现的。通过具身智能产业的发展来改变人们的生活方式和生产方式，不断提高人民生活水平。”他说。