猜你想问
具身数据对具身智能发展有何重要性？
具身智能的演进高度依赖高质量物理交互数据的积累。报告指出，数据规模、模型规模和计算资源的协同演进是模型能力突破的关键底层范式。例如Dyna-2研究显示，扩大第一视角人类操作视频预训练数据规模能显著提升模型在机器人数据上的离线预测和真机任务表现，初步验证了具身Scaling Law。这表明数据是具身智能发展的核心资源，其规模和质量直接影响模型性能上限。
具身数据赛道未来发展趋势如何？
具身数据赛道正迈向多源融合采集时代。当前不同数据采集方式如Ego数据、遥操作数据各有优劣，未来将结合多种方式以提升数据精度、规模和多样性。报告预测，若行业需求向亿小时级迈进，按数百元/小时价格测算，2027年数据市场潜力约百亿元，远期市场规模有望超千亿元。数据采集成本下降和技术进步将推动市场持续增长，产业链涵盖基础设施、数据采集、加工及应用等环节。
本报告重点分析了哪些方向？
本报告重点分析了具身数据的关键环节和产业链构成。首先强调数据采集是高质量数据供给的首要支撑，数据处理直接影响模型学习效果。其次剖析了具身数据的市场现状，指出当前行业存在1000万小时级别数据缺口，真机有效数据价格约500~1000元/小时，而Ego数据采集成本则低得多。最后探讨了商业模式和竞争格局，指出定制化服务为主，数据质量与规模化交付构筑壁垒。
具身数据市场当前状况如何？
具身数据市场当前存在显著缺口与高成本问题。报告指出，要实现真正可用的具身智能，至少需要1000万小时级别的真实场景交互数据，但当前全行业高质量真实物理交互数据总量仅约50万小时。数据价格差异巨大，真机有效数据约500~1000元/小时，而未标注Ego数据仅几十元/小时，处理后的高质量数据几百元/小时。这表明数据供给与需求存在结构性矛盾，市场潜力巨大但门槛较高。
本报告有哪些风险提示？
本报告提示具身数据赛道面临采集成本高、规模化难等风险。当前高质量真实物理交互数据采集成本高昂，真机有效数据约500~1000元/小时，大规模采集投入巨大。此外，数据处理技术要求高，需确保样本一致性、完整性和可用性，否则影响模型学习效果。市场竞争加剧也可能导致数据价格波动和利润空间压缩。企业需在数据质量、规模化交付和技术创新上形成差异化优势以应对风险。