2026具身智能数据产业链与新基础设施研究报告

报告摘要 “十五五”规划纲明确将具身智能列为未来产业前瞻布局，推动其成为新的经济增长点。与此同时，具身智能正经历深刻的技术范式重构。 本报告围绕“数据产业链×新基础设施”的主线，讨论具身智能为何必须从数据出发、世界模型等数据基础设施如何重塑行业竞争，以及中国赛道在融资升温背景下正在形成怎样的供给网络。核心判断是：具身智能产业发展的关键，正在从单点模型能力转向系统交付能力。 ●核心判断一：具身智能不是大语言模型的简单延伸，而是从DigitalAI向PhysicalAI的跃迁：系统的输出从token变成action，训练对象从文本转向“感知—动作—反馈”的时序闭环。 ●核心判断二：系统竞争取代单点模型竞争。模型、数据供应链、预测与评估、部署回流四类能力共同决定交付上限，其中任何短板都可能让能力停留在演示阶段。 ●核心判断三：数据并非越多越好，真正稀缺的是“可用数据”：可检索、可对齐、可压缩、可复现、可评测、可跨本体复用的数据，才会转化成模型能力。 ●核心判断四：2026年更适合被定义为“规模化探索拐点年”，全面规模化部署尚未来到。工业、物流、商超、酒店里等半结构化、容错率高的场景将先跑通，家庭场景仍受安全、成本、长尾任务与合规约束。 ●核心判断五：真机数据、无本体、第一视角人类数据、公开视频、仿真与合成数据等将长期共存。失败、接管、恢复和部署日志具有更高边际价值。它们暴露能力边界，并能直接转化为回归测试、主动采样和下一轮训练任务。 ●核心判断六：世界模型的价值必须接受真实任务验收。它可以生成经验、预测后果和筛选策略，但只有在未参与训练的真实测试集上降低失败、接管或测试成本时，放大才具有产业意义。 ●核心判断七：中国正在形成新一代具身数据基础设施供给群：数据原生型企业聚焦硬件与数据产线；平台型玩家提供全链路基础设施；模型/整机公司自建数据工厂并向生态外溢能力；世界模型公司为行业提供基础设施和平台能力。 目录 报告摘要.........................................................................................................................................2第1章定义与研究边界..................................................................................................................61.1具身智能、PhysicalAI与具身数据......................................................................................61.2数据基础设施的范围...........................................................................................................61.3研究对象与边界..................................................................................................................7第2章为何优先聚焦具身数据........................................................................................................82.1DigitalAI与PhysicalAI的关键差异....................................................................................82.2数据供给与消费方式正在变化..............................................................................................92.3数据缺口是真实数据贵、结构性不可用................................................................................9第3章范式重构：从模型竞争到系统竞争.....................................................................................103.1四类能力共同决定交付上限...............................................................................................103.2具身数据能力的跃迁是竞争范式变化的核心驱动力..............................................................113.3Data-to-ActionEfficiency评价框架..................................................................................123.4数据飞轮与价值沉淀位置..................................................................................................12第4章具身智能数据生命周期与基础设施.....................................................................................144.1五环节全景图...................................................................................................................144.2数据生命周期：从生产至回流闭环拆解..............................................................................154.2.1数据生产：从集中式到去中心化多源协同扩展..........................................................154.2.2数据治理：把库存变成可消费资产...........................................................................164.2.3生成与仿真：仿真和世界模型是放大器，不是替代品................................................174.2.4数据消费：买方任务与验收定义数据价值.................................................................184.2.5部署回流：昂贵但高边际价值的数据源....................................................................18第5章世界模型：数据产业链的新基础设施..................................................................................205.1定义及其与VLA的边界.....................................................................................................205.2.1世界表征模型：回答“世界是什么”........................................................................215.2.2世界预测模型：回答“世界如何演化”.....................................................................225.2.3世界动作模型：回答“如何在世界行动”.................................................................225.3世界模型的演变路径.........................................................................................................235.3.1第一阶段：理论萌芽与模型化智能构想....................................................................23 5.3.2第二阶段：深度强化学习中的世界模型验证..............................................................235.3.3第三阶段：生成式视频模型带来的规模化能力..........................................................245.3.4第四阶段：VLA与机器人世界模型融合....................................................................245.3.5第五阶段：从模型能力到数据与Infra竞争...............................................................25 5.4.1数据生产升级：从采集动作到设计经验....................................................................265.4.2世界状态数据：从多模态文件走向可推演状态..........................................................265.4.3数据资产化：价值来自可复用权利与可验证增益.......................................................27 5.5世界模型落地的六大基础设施挑战.....................................................................................27 5.5.1实时闭环的工程约束...............................................................................................275.5.2长时注意力机制......................................................................................................285.5.3端侧部署和降低延迟...............................................................................................295.5.4跨本体训练与小样本适配........