作者丨漫地
编辑丨关雎
图源丨艾欧智能
在深圳光明区的机器人训练场内，操作员通过头显与遥操作设备控制机械臂完成抓取、旋转及放置动作。这一看似简单的交互过程，背后实时记录着相机画面、关节角度、末端位姿、动作轨迹及力觉等多维数据。
对于成立于 2023 年 5 月的艾欧智能而言，这正是其数据采集场的日常运作。当具身智能走向物理世界，高质量交互数据成为规模化落地的关键瓶颈。艾欧智能致力于构建连接机器人本体、模型与真实场景的数据基础设施，业务覆盖硬件、软件、平台、算法及数据生产交付全链路。
艾欧智能联合创始人丁哲章指出，公司的核心壁垒在于"Infra＋Ecosystem"：既掌握数据采集处理的关键基础设施，又通过与本体厂商、模型公司及科研机构的合作，积累了跨本体、跨任务、跨场景的生态经验。
截至目前，艾欧智能已完成多轮融资。今年 8 月，公司宣布获得由顺为资本、松禾资本、深创投联合投资的数亿元最新融资，并引入头部机器人本体企业的战略投资。资金将主要用于技术研发、团队扩充及全球市场拓展，旨在完善遥操作、人类数据采集、管理及模型训练闭环能力，推动具身智能数据基础设施的规模化应用。
目前，艾欧智能的客户群体涵盖机器人本体厂商、具身基础模型公司、大型科技企业、科研机构及公共训练场。截至 2026 年 8 月，公司已服务全球 150 余家客户，适配超过 80 款机器人。
面对全球高质量物理交互数据的缺口，中外企业选择了不同的竞逐路径：国内依托供应链优势与规模化采集能力，从单一设备或数据销售向基础设施升级；海外则更侧重于软件工具、仿真生态及模型公司的自建闭环。
决定行业最终格局的，并非单纯的数据积累量，而是谁能以更低成本生产有效数据，并验证其在提升机器人成功率与泛化能力上的实际价值。
不做单点工具，卡位全链路具身数据基础设施
艾欧智能将自身定位为“具身数据基础设施厂商”。与大语言模型或自动驾驶行业不同，具身智能面临的首要问题并非存量数据的标注清洗，而是原始数据的匮乏。因此，数据采集的效率与规模成为服务重心。
为此，艾欧智能并未将自己局限于数据外包商、设备厂商或软件平台的单一角色，而是构建了集采集硬件、遥操作系统、软件平台、算法能力及数据处理于一体的全链路体系。其交付形式灵活，既可是数据集，也可是采集设备、软件平台，甚至是包含机器人本体的整体项目方案。
“从创立之初，我们就致力于构建全链路能力，而非单纯的采集服务商或设备商。”丁哲章表示。目前，具身智能所需数据主要分为四类：真机数据、人类操作数据、仿真合成数据和互联网视频数据。
其中，真机数据通过机器人自主运行或遥操作采集，包含视觉、关节、力触觉等信息，直接反映本体与环境交互过程，适用于策略训练与微调；人类操作数据则利用第一视角相机、数据手套等设备记录人类动作，适合低成本、大规模地为基座模型提供预训练数据。
艾欧智能的业务布局随市场节奏动态调整。2023 年起，公司虽关注以人为中心的第一视角数据采集，但因当时市场需求未明，阶段性聚焦于真机数据与遥操作。随着近半年具身基础模型厂商的入局，人类第一视角数据需求激增，公司初期规划重新成为行业热点。
基于具身机器人训练全流程，艾欧现有业务划分为三类：面向预训练的人类第一视角数据采集方案；面向后训练的真机数据遥操作系统；以及用于数据管理、存储、处理及训练回流的中立软件平台。三者协同作战，满足不同阶段客户的差异化需求。
图：遥操作数据采集中，图源艾欧智能
在遥操作领域，针对不同机器人结构与控制系统的差异，艾欧智能通过模块化拆解软硬件系统，将不同本体抽象为参数文件并开放框架，显著缩短了接入与调优周期，积累了大量跨本体工程经验。
丁哲章认为，当前遥操作仍以人为主导，未来关键在于提升机器人自主比例，通过数据回流与人工接管机制不断优化自主操作能力。在平台侧，公司建立了统一的数据架构，集成开源模型与算力资源，支持客户以低代码或零代码方式启动后训练。
“开源的核心诉求是让行业复用我们的工具与经验，将其转化为公共能力。”丁哲章补充道。
买家决定数据标准，哪种具身数据最为稀缺？
艾欧智能的客户覆盖海内外，包括基础模型厂商、机器人本体企业及大型科技公司。尽管全球具身数据范式具有共通性，但海内外客户在投入意愿与采购规模上存在显著差异。
具身数据交付标准通常由客户的模型研发需求反向定义，相机参数、标注要求及验收指标因客户而异。“数据行业的本质是买家决定交付标准。设备厂商或运营方需明确买方需求，否则难以实现商业化。”丁哲章强调。
这一逻辑也解释了数采工厂的商业化难点：建设之初需明确“采什么、卖给谁”。虽然部分机器人本体企业具备自建数据团队的能力，但维持稳定可交付的数据产线需要配置完整的研发、产品及交付团队，这将分散其在本体销售与核心控制上的资源。艾欧智能的存在，正是为了通过专业化配套解决方案满足此类需求。
这种合作超越了传统的外包代理关系。丁哲章举例称，常有下游客户携带特定机器人寻求功能扩展，以弥补原有方案的不足。此外，艾欧智能也与智元机器人旗下的觅蜂科技等平台开展生态合作，通过能力互补提升行业整体数据供给效率。
从需求总量看，第一视角人类数据增长最快，单笔需求可达数万至十万小时，市场规模巨大。但从稀缺性角度分析，全身操作、灵巧手操作及长程任务的高质量真机数据更难获取。尤其是全身操作数据，不仅要求记录全身关节状态与视觉信息，更依赖本体具备成熟的全身运动控制能力。
图：第一视角腕部数据采集，图源艾欧智能
全身数据并非局部数据的简单叠加。机器人需具备调动全身的“小脑”与运控能力，采集系统方能记录有效数据。由于不同本体的控制水平差异，同一动作在不同机器人上的表现截然不同。
“需求量与稀缺性是两个维度。虽然第一视角数据需求庞大，但全身、灵巧手及长程任务的真机数据更为稀缺。”丁哲章指出，随着行业向复杂操作演进，高难度任务将面临人类数据与真机数据双重短缺的局面，这将是下一阶段的关键供给方向。
两类数据在训练链路中各司其职：人类第一视角数据成本低、规模大，主要用于基座模型的预训练；真机数据成本高、精度强，适用于后训练阶段的本体对齐与微调。两者互为补充，不可相互替代。
数据依旧稀缺，海内外具身数据产业有何不同？
机器人数据缺口依然巨大。据斯坦福 HAI《AI Index Report 2026》显示，截至 2026 年初，全球高质量真实物理交互数据总量仅约 50 万小时，不足大语言模型训练数据的两万分之一，而具身智能真正可用至少需千万小时级别数据。
机器人数据无法像文本图片般从互联网批量获取，必须依赖实体设备、人员与真实场景进行交互生产，导致成本高、速度慢。加之数据与本体及场景高度绑定，标准化难度大，跨域复用受限。
尽管如此，具身智能企业对高质量数据的需求贯穿训练、适配及部署迭代全过程。QYResearch 报告显示，2024 年全球具身智能数据市场规模约为 7.53 亿美元，预计 2031 年将达 67.52 亿美元，年复合增长率高达 36.8%。
国内具身智能数据企业主要分为三类：一是以鹿明机器人、戴盟机器人等为代表的设备与工具链企业；二是以觅蜂科技、简智机器人等为代表的数据生产与交付平台；三是以艾欧智能、博登智能为代表的全栈数据基础设施平台，打通硬件、软件、算法及项目交付全环节。随着行业发展，各类企业业务边界逐渐重叠，呈融合趋势。
除专业数据企业外，智元机器人、银河通用等本体或模型公司，以及京东、美团等场景方也在建设内部数据体系。它们掌握本体或场景资源，可实现采集到反馈的闭环，既可能采购外部服务，也可能通过自建替代供应商。
中国企业的优势在于完善的硬件供应链、较低的设备成本以及可快速扩大的分布式采集网络。相比之下，海外产业结构更为分散：Sensei 侧重“设备＋分布式人员网络”；Scale AI 延伸至 Physical AI 提供全流程数据服务；Foxglove 和 Viam 专注数据记录与管理；NVIDIA 则通过 Isaac 和 Omniverse 提供仿真基础设施。
另一显著差异在于，海外头部模型与机器人公司更倾向于自建数据闭环，如 Physical Intelligence、Figure AI 等均将真实数据直接用于自身研发。国内智元机器人、星海图等也采取了类似路线。
总体而言，国内具身智能数据市场正经历从“卖设备”、“卖数据”向“卖基础设施和训练闭环”的升级。设备商需向软件服务延伸，数据平台需证明数据对模型的实际价值，全栈平台则需解决交付复杂与标准化不足的难题。
最终决定行业格局的，不仅是数据采集规模，更是谁能以低成本持续生产高质量数据，并切实提升机器人的任务成功率、泛化能力与部署效率。
