东谈主工智能的底层逻辑正从大说话模子的"说话厚实"转向世界模子的"推测世界"。在这一跃迁中，物理数据的质地与会聚才能成为发展核心。动作责罚世界模子与具身智能"数据燃料"问题的重要，具身数据会聚正开启下一代数据基建海浪。

国泰海通最新证明指出，具身智能发展的最大遏制已不再是算法，而是数据缺口。其对数据的需求量呈指数级延迟，远超传统 AI 模子。在这一布景下，或者率先填补数据缺口的数据供应商与基础表情商，将动作物理 AI 期间的"卖铲东谈主"，占据产业链核心价值节点，有望享受权贵的估值溢价。

本剖析线上，确实数据、仿真 / 合成数据、视频数据各成心弊：贞洁实数据成本过高，纯仿真数据存在" Sim2Real "（仿真到现实）鸿沟。过去主流旅途渐渐了了：仿真 / 视频数据用于大畛域预磨练 + 确实数据用于微调与强化学习。

跟着主流本剖析线日渐了了，老本正加快涌入数据会聚用具链（动捕、遥操作）、视频数据升维平台及仿真磨练场——这些数据会聚基础表情，正成为机器东谈主产业着实的风口与"铲子"交易。

范式转机：世界模子重塑 AI 基石，数据需求延迟至 EB 级

AI 正从"数据关连性"驱动转向"物理因果性"驱动，2025 年已成为世界模子应用落地的元年。具身智能对数据的需求量及复杂度正呈指数级爆发。

传统神经会聚与大说话模子履行上依赖模式识别与概率关联，而"世界模子"的核心在于内建物理规则（如重力、惯性），并具备推测时空演化的才能。自 2025 年起，该领域迎来麇集冲突：Meta 的 V-JEPA 2、谷歌的 Genie、OpenAI 的 Sora 以及 World Labs 的 RTFM 接踵问世。

世界模子将赋能游戏、自动驾驶与具身智能三大核心场景。其中，具身智能的爆发对数据提议了前所未有的无情条目。与大说话模子及自动驾驶（PB 级数据量、以文本或视觉为主）不同，具身智能需合适形态互异的硬件平台，数据需求高达 EB 级，且超越强调物理交互（力觉、触觉、重要响应）。当今行业仍处早期阶段，预磨练数据超越紧缺，"数据孤岛"与异构数据交融勤劳已成为制约产业爆发的核心瓶颈。

三大主流数据会聚有野心强横共存，视频数据成为业内暖和新焦点

构建高效的数据闭环，是具身智能才能跃升的核心。现时，老本与本领主要围绕三大数据会聚有野心伸开：

确实数据（高保真但超越上流）：通过遥操作、穿着式动捕等步地径直会聚。上风在于不存在 Sim2Real 差距；致命短板是成本高、扩展性差，难以袒护长尾边际场景。

合成 / 仿真数据（高性价比但存在挪动鸿沟）：专揽物理引擎在捏造环境中生成。成本极低且自带完整标签，但面对权贵的" Sim2Real Gap "（能源学、感知、适度等差异），开云kaiyun(中国)导致模子在确实环境中性能衰减。

视频数据（起原广但径直应用难）：业内新兴焦点，通过升维本领专揽海量互联网视频。成本低、畛域大，但清寒物理交互属性（如重力、摩擦力），噪声大且清寒精准的三维标注。

产业演进趋势：Generalist AI 的 GEN-0 模子（≥ 7B 参数）已评释，在海量确实交互数据下，模子性能呈幂律增长。在确实数据成本被透顶打下来之前，"仿真 / 视频数据预磨练 + 确实数据微调 / 强化学习"的虚实长入有野心将是充足主流。

与此同期，底层数据基建正在国度力量与开源生态的股东下加快成型：上海落地了寰球首个具身智能领域国度级圭臬化试点（" 1+N "模式磨练场），北京成就了首个基于确实场景的数据磨练基地。谷歌、星海图、傅利叶、智元等纷纷发布开源数据集，中国信通院则牵头制定了国内首个具身智能数据集质地评价圭臬。

机器东谈主骨子厂商的"数据站队"与策略分化

恰是由于确实数据成本高、仿真数据存在挪动鸿沟、视频数据噪声大，国表里主流机器东谈主骨子厂商在数据阶梯上出现了彰着分化。这一分化，反过来为数据会聚基建的地点提供了最径直的产业考据。

确实数据优先派：以为唯有确实交互才能最初 Sim2Real 鸿沟。智元机器东谈主在大模子磨练阶段 100% 使用真机确实数据，仿真仅用于工程迭代；自变量机器东谈主在复杂物理交互场景中完全不使用仿真数据；1X Technologies 相似将"大畛域确实世界数据"动作核心壁垒。

合成与仿真数据优先派：押注成本与畛域。星河通用接纳 99% 的合成数据配以 1% 的确实数据进行磨练，试图以极低成本迫临确实溜达。

视频数据策略高地：特斯拉、Figure AI 等巨头正加快布局，核心逻辑在于互联网视频畛域远超任何单一机器东谈主平台能会聚的确实数据。特斯拉 Optimus 已烧毁早期动捕与遥操作，转向深挖互联网视频；千寻智能 Spirit v1 的 70% 预磨练来自互联网视频；Figure AI 运行 Project Go-Big，探索东谈主类视频到机器东谈主的零样本挪动；星动纪元、逐际能源则辞别接纳"视频预磨练 + 真机微调"及多源数据组合策略。

这三条阶梯的并存或然证明：现时尚无单一数据起原能衰退责罚具身智能的数据瓶颈。岂论最终哪条阶梯阻挡，数据会聚用具链、仿真平台与视频升维本领——即物理 AI 期间的"卖铲东谈主"——齐将是细目性受益的地点。

数据"卖铲东谈主"全景图

跟着具身智能对数据的需求量级与复杂度指数级上涨，或者灵验责罚数据获取成本与后果问题的供应商，正迎来一轮估值重估。这一重估袒护四个重要隘点：视频数据振荡、仿真平台、多模态硬件会聚，以及详尽数据工作。

视频数据振荡地点：核心冲突在于将海量互联网视频低成本振荡为机器东谈主可用的磨练数据，部分有野心已能将详尽会聚成本降至行业平均水平的千分之五以下。

仿真平台地点：全链路合成数据体系以极低成本生成带完整标注的大畛域捏造数据，并缓缓减轻 Sim2Real 差距。

确实数据会聚硬件地点：光惯交融手套、电子皮肤等传感器长入高质地开源数据集，正在构建高保真底座。

确实数据生态与遥操作地点：大畛域自建会聚场景与高精度遥操作开垦，已成为主流微调数据的要紧起原。

在二级市集视角下，详尽性数据工作商通过多元有野心（遥操作、动捕、合成数据）开垦具身智能数据磨练场与工程化平台；仿真平台公司则通过收购整合买通虚实数据壁垒，提供全生命周期物理 AI 责罚有野心。

举座来看，岂论是视频振荡、仿真生成、硬件会聚还是详尽工作开云体育，或者权贵栽培数据"可赢得性"与"成本后果"的供应商，正在从产业边际走向估值核心。