近期，具身智能领域长期存在的数据采集、治理与复用问题成为行业焦点。此前被视为规模化样本的北京首个人形机器人数据训练中心因故暂停运营，引发市场关注。
据信通院统计，截至2026年年中，国内已建成投用的具身智能训练场超70家，在建或规划中46家。尽管行业处于快速扩张期，部分项目面临搁浅风险，但市场对高质量数据的刚性需求依然强劲。
在此背景下，全链路时空数据基础设施平台“刻行时空”（coScene）凭借在真机数据采集与治理上的核心能力，完成了一笔亿元级别的跨境数据交付。这是行业内质量最高、金额最大且涉及企业级别最高的数据资产交易之一。
针对具身智能数据基建的现状与未来，我们与刻行时空创始人兼CEO黄阳明进行了深入交流。
捕捉认知差：真机数据的不可替代性
虽然行业普遍认可数据的重要性，但在“什么样的数据重要”、“数据来源”及“治理复用”上存在显著认知偏差。许多从业者盲目建设采集中心，却忽视了需求端的真实标准。
黄阳明指出，真机数据的核心价值在于帮助机器人建立“Physical Grounding”（物理接地）。基于此，结合人类视频和仿真数据，才能实现更好的泛化效果。随着机器人进入真实场景，真机数据的质量提升将降低规模化难度。
以“数据品位”指导采集
刻行时空通过数据模型培养“数据品位”，反向指导现场采集与管理。黄阳明强调，力觉、触觉、摩擦、重心及失败经验等物理世界的真实反馈，是第一人称视频或互联网数据无法替代的。缺乏真机数据，机器人无法形成真正的物理直觉。
基于此原则，刻行时空将数据需求划分为三个阶段：
- 预训练：不限机型，追求高复用性；
- 中训练：强调场景与任务的多样性；
- 后训练：面向具体场景，虽难直接复用但针对性强。
硬件形态直接影响数据价值。不同的夹爪、灵巧手、摄像头视野及触觉传感器，产出数据的质量各异。刻行时空甚至需为客户改造本体以满足特定数据质量要求。
此外，海外市场尤其是北美，对具身智能数据需求旺盛，即便扣除合规成本，毛利率依然可观。这种跨市场的认知差构成了刻行时空的商业机会。
中美互补：从0到1与从1到100
黄阳明认为，美国擅长从0到1的技术创新，而中国擅长从1到100的规模化落地。中国机器人出口全球的同时，也需要出口数据以服务海外场景。刻行时空旨在将美国“0到1”的成果引入，点燃中国“1到100”的产能。
近期完成的亿元级大单来自美国顶级AI基础设施大厂，这不仅是订单，更是对其数据能力、合规能力及交付能力的最高规格认可。在监管收紧、行业降温的背景下，拥有真实订单和交付能力的头部企业优势将更加凸显。
构建壁垒：不仅仅是数据采集
为避免沦为资本游戏，具身智能数据基础设施必须实现可落地应用与可持续盈利。刻行时空构建了三种相互咬合的商业模式：
1. 货架式数据交付：客户从仓库中挑选所需类型数据；
2. 定制化生产：根据客户需求进行采集与生产，沉淀独特数据资产；
3. 数据处理能力交付：按方案收取技术服务费。
叠加中东等地的整体运营输出及合作伙伴服务，刻行时空正从单纯的数据供应商向全链路服务商转型，并通过剥离重资产环节保持轻资产运营。
差异化场景与数据飞轮
与传统固定工位采集不同，刻行时空模拟公寓、超市、洗车场等真实复杂环境，通过轮换布景、灯光和道具，确保数据的真实性与多样性。
依托“数据品位”和优质数据，公司形成了正向循环的“数据飞轮”：更多数据优化基础设施与模型，提升处理能力，进而吸引更多客户与商机。下游客户深度参与这一过程，甚至驻场观察以验证落地能力。
高质量交付实证
此次亿元级交付的成功源于三点：机器形态契合客户需求、存量任务库丰富、多轮交付后数据可用率接近100%。黄阳明表示，数千小时的交付中仅需微调极少部分，且多为硬件微小瑕疵所致。这种硬实力是行业第一梯队的有力证明。
数据资产化：从成本项到资产项
随着产业发展，数据作为商品的价值取决于其被使用的程度，而非存储量。使用不仅不会磨损数据价值，反而通过积累经验使其增值。
黄阳明指出，机器人的价值随规模扩大而摊薄，而数据的价值随积累加深而升高。这也是刻行时空在融资上保持克制、专注于夯实数据价值底层逻辑的原因。
行业领军企业已在探索不同路径：宇树科技共建高质量真机数据示范平台，形成市场化定价机制；特斯拉通过Optimus在工厂实战采集失败数据回流训练；Figure利用全球众包获取海量第一视角物理交互视频。
这些实践印证了一个共识：物理世界的真实经验正从成本项转化为资产项。数据记录的是机器人与世界互动的经验，其定价依据是对后续模型和场景的增益效果。
无论最终哪家机器人公司胜出，真机数据供给都是长期存在的刚性需求。正如大语言模型数据公司已实现百亿营收，具身智能数据领域必将迎来更广阔的市场空间。
