川观智库研究员 刘成婧

8月18日，中国信通院人工智能研究所联合人形机器人（上海）有限公司、具身智能测试实验室共同发布《具身智能训练场研究报告（2026年）》（以下简称“报告”）。报告认为，随着技术演进，具身智能训练场正从单纯的数据生产走向场景化的实景实训，成为真实物理环境中集数据生产、模型训练与能力验证于一体的关键基础设施。

具身智能训练场由数据需求催生。在AI领域，数据规模越大、模型能力越强的规律已被反复验证。具身智能同样遵循这一规律，但与大语言模型不同，后者有上千年文字沉淀和60亿网民持续贡献数据，而具身智能所需的视觉、动作、力触觉等多模态交互数据此前从未被系统性记录，只能从零逐条生产。按测算，具身基础模型要迎来“ChatGPT”时刻，至少需要千万小时级的真实数据。这些数据如果全部通过机器人实际运行采集，按每天有效工作2小时、每年工作300天计算，需要超过两万台机器人连续工作一整年才能完成采集。而当前全球可用的高质量真实数据仅为数十万至百万小时级，远未达到支撑能力涌现的临界点。在此背景下，具身智能训练场应运而生，推动真实数据供给从零散采集走向标准化、工程化、流水线式生产。

近两年，在政策引导与产业需求共振下，我国正在加速布局训练场。据不完全统计，截至2026年6月底，全国建成启用超70家训练场，在建或规划中的46家。建设已覆盖全国过半省级行政区，形成以长三角、京津冀和珠三角为核心的三大集群。与此同时，训练场正突破传统人工智能产业高度集聚于省会城市、直辖市和一线城市的模式，向三线、四线乃至五线城市延伸，呈现出多层级城市协同布局态势。

从场景分布看，工业制造是最大建设方向，占86%；家庭服务和商业零售次之；特种应急行业场景最少，仅约25%。当前综合类训练场占60%以上，行业垂类训练场不足20%。

从建设模式看，重资产投入与商业模式探索并行。训练场属于重资产投入，建设成本涵盖场景建设、本体设备、算力、网络、存储等多个方面。以部署100台人形机器人计算，仅本体采购成本就可达数千万元。当前训练场商业服务以数据产品出售为主，但仅靠数据出售难以覆盖重资产投入，回本周期较长。部分训练场正探索模型训练验证、联合研发、测试验证等多元业务，可持续盈利模式仍在探索中。

挑战同样存在。报告认为，训练场建设面临场景任务同质化、数据实际产能有限、数据多样性和流通性不足等共性挑战。大量训练场场景集中在少数易采集任务上，数据泛化价值有待提升。同时，“可采集数据规模”并不等同于“可训练数据规模”，原始数据需经过清洗、对齐、标注、质检等多道工程环节，任一环节效率不足都可能造成数据流转卡点。此外，不同本体、场景、机构之间的数据难以互通共享，进一步制约了模型训练效果。

展望未来，报告认为我国训练场正处于从建设热潮期向能力沉淀期过渡的关键阶段。一是场景走向实景实训，训练场将从封闭场地走向工厂、家庭、门店等真实场景，形成“中心训练场+分布式实景点位”协同布局。二是数据走向工程化，全链路向工具化、自动化方向发展，以标准化流水线替代分散人工作业。三是交易走向合规化，依托数据交易所等规范渠道开展数据流通，明确数据权责边界。四是服务走向一体化，从单一数据供给向覆盖数据生产、模型训练、应用验证的“训练即服务”转型。五是标准走向全周期，围绕场景建设、数据生产、安全合规等环节建立覆盖训练场全生命周期的标准体系，推动行业标准YD/T 6771-2026已发布，2026-0074T-YD《具身智能训练场综合评估技术规范》正在编制中。报告判断，短期训练场建设可能在路径探索中经历波折，但长期看，这套依托物理场景沉淀高质量数据、支撑技术迭代验证的基础设施模式，将持续为具身智能从技术验证走向大规模产业应用提供支撑。

【未经授权，严禁转载！联系电话028-86968276】