国金具身智能 深度专题路演数采物理 AI 最大短板数据基建即将爆发

一、核心要点 具身智能（物理AI）已进入产生经济价值的阶段，核心痛点是机器人大脑（智能化泛化能力）不足，本质是缺乏高质量、足够量级的训练数据，数据是该环节最大卡脖子领域。具身数据与传统大模型数据存在显著差异，需具备多模态、时空高对齐对称性、覆盖长尾场景、质量优先的特征。数据产业链分为上游数采设备、中游数采服务商、下游垂类本体三个环节，当前处于产业发展初期，市场空间随数据量级提升持续扩张。

二、关键数据与市场空间 国内数采设备龙头蜜蜂科技今年规划1000万小时数据采集，对应1万套设备；若远期需10亿至百亿小时数据，设备需求或达百万台量级，对应设备市场百亿至千亿级规模。视频数据均价100-1000元/小时，中位数300元/小时；达到GPT-3.0级突破需至少1000万小时高质量数据，对应视频数据市场百亿级规模；远期数据量级或达千亿至万亿级。近期海外头部具身企业如Figure C轮融10亿美元，资本开支大幅提升。

三、数据采集技术方案与路线 数据分为真实数据、合成数据、人类互联网数据三类，规模递增、成本递减；主流采集路线包括遥操、Eggo（第一人称）、仿真合成、Umi（异构轻量化）。遥操物理真实性最高、精度最优但成本高、效率低，用于模型后训练精细操作验证；Eggo部署门槛低但需应对数据清洗等处理挑战，可形成众包模式；仿真合成可快速扩展、覆盖长尾场景，但存在「Sim to Real（仿真到真实）」鸿沟；Umi兼顾质量与成本，有望成主流方向。

四、投资线索 上游数采设备：选择有卡位优势的核心零部件厂商，推荐全球深度相机龙头奥比中光、MEMS陀螺仪全球龙头星动联科（自主可控，对接国内外客户积极）。中游数采服务商：选择有技术壁垒（如仿真平台、数据处理能力）、大客户卡位优势的标的，推荐拥有先发数据标注/清洗能力的海天瑞声、布局高精度光谱技术的利亚德。下游垂类本体：长期关注具备场景优势、数据场景闭环能力的标的，推荐天气股份、亿嘉和。

五、风险与关注 具身智能技术落地进度或不及预期，数据采集技术路线存在不确定性。数据合规、隐私保护等政策风险可能影响产业扩张。市场对数据产业链的关注度已提升，需警惕估值波动风险。