具身智能数据采标一体化行业白皮书

序言：一份来自产业前沿的邀请

2026年，具身智能正处于一个罕见的「认知拐点」——几乎所有人都意识到数据是瓶颈，但很少有人真正理解这个瓶颈有多深、以及如何系统性地解决它。

全球高质量真实物理交互数据存量仅约50万小时*，而需求已超过1000万小时。这不是一个「缺口」，而是一个超过20倍的数量级鸿沟。¹

当特斯拉宣布Optimus年产能目标150万台、当四大互联网厂同期押注「大脑」而非本体、当Skild AI用「看人类视频学习」证明无机器人数据采集的可行性——这些变化的背后指向同一个底层需求：更大量、更高质量、更多模态的物理世界数据。

数创星光（NexaStar.AI）正是在这一产业背景下诞生。我们不制造机器人，我们为所有具身智能玩家提供底层数据基础设施。

本白皮书旨在系统梳理具身智能数据采标一体化的全球产业格局、技术演进趋势、市场规模与竞争态势，并在此框架下呈现数创星光的战略定位、核心能力与发展愿景。希望为产业同行、投资机构及政策制定者提供一份兼具全局视野与落地实践参考的行业分析。

¹ 注： 50万小时存量为针对全球主要机器人实验室和企业已公开采集的物理交互数据总量的保守估算；1000万小时需求基于人形机器人产业2030年百万台级部署目标的反向推算。两者之间约20倍的缺口，构成了当前具身智能产业最大的「隐形瓶颈」。

第一章 全球具身智能数据产业全景

1.1 定义与范畴

具身智能数据采标一体化，是指围绕机器人/具身智能体训练所需的全模态数据，将采集（Data Collection）与标注（Data Annotation/Labeling）两个核心环节整合为统一流水线的技术体系与商业模式。

其覆盖的数据类型包括：

1.2 市场规模与增长曲线

1.2.1 总体市场规模

² IDC预测出处： IDC《Worldwide Robotics and AI Spending Guide》及《Global Robotics Forecast 2025-2030》报告，1.5万亿美元为具身智能产业链总市场规模（含硬件、软件、服务及数据基础设施）的综合性预测，涵盖人形机器人、工业机器人和服务机器人三大赛道。

³ 训练数据集市场CAGR： 根据Grand View Research、MarketsandMarkets等多家机构对AI训练数据市场（含计算机视觉、自然语言处理、具身智能等细分领域）的综合预测，具身智能数据子市场增速显著高于整体AI数据市场均值。

这20倍的缺口，是整个具身智能产业最大的「隐形瓶颈」。

1.2.2 2024-2026年全球投资热度

2024-2026年，全球具身智能领域投资总额超过50亿美元⁴，其中数据基础设施相关的投融资占比约15-20%（根据公开融资事件统计分析）。

⁴ 投资总额来源： 综合Crunchbase、PitchBook及公开新闻报道，2024-2026年全球具身智能领域重点融资事件包括：Physical Intelligence（约4亿美元）、Skild AI（3亿美元）、Figure AI（约6.75亿美元）、1X Technologies（约1亿美元）等，不完全统计合计超过50亿美元。

关键判断： 全球具身智能投资持续升温，数据基础设施赛道正从「自建管道」向「专业第三方平台」演进。数创星光处于这一演进趋势的核心位置。

1.3 全球核心数据集与基准

过去三年，全球具身智能数据集经历了从「单一实验室」到「跨机构联合」再到「人类行为优先」的范式跃迁：

⁵ 注： Human-as-Humanoid为2026年6月发布的多机构联合研究成果，证明了从人类视频零样本迁移至人形机器人控制的可行性。相关论文可在arXiv等预印本平台检索，读者也可关注2026年机器人学顶会（RSS/CoRL/IROS）收录版本。

🔬 2026年最重要的研究发现：HumanScale

2026年6月发布于arXiv的HumanScale论文（2606.20521）对行业产生了深远影响。其核心发现是：

自我中心人类视频数据在预训练阶段优于真实机器人遥操作数据。- 验证损失比机器人数据低24%- 同分布内成功率提高52.5%- 分布外泛化成功率提高90%

这一发现对数据采标一体化行业的意义在于： 数据采集的「入口」正在从昂贵且低效的机器人遥操作转向低成本、大规模的人类日常活动录制。而「精心设计的过滤和标注管道」——这正是数创星光等专业数据平台的核心能力。

第二章 全球竞争格局与典型模式

2.1 全球主要玩家的数据策略对比

2.2 2025-2026年六大技术趋势与产业演进

2.3 数据采标一体化的技术架构演进

阶段一：分散式数据管道（2023年以前）

遥操作采集 → 原始存储 → 人工标注 → 格式转换 → 模型训练（每场景独立） （各自存储） （标准各异） （兼容成本高）

阶段二：一体化集成架构（2024-2026，当前主流）

┌─────────────────────────────────────────────────────┐
│ 数据采标一体化平台                                  │
│ [采集层]    [标注层]      [训练层]                   │
│ 遥操作采集 → 自动化标注 → VLA预训练                 │
│ 人类视频     人工校验     微调适配                   │
│ 仿真合成     质量门控     评测反馈                   │
│   ↑                              │                  │
│   └──── 数据闭环 ────────────────┘                  │
└─────────────────────────────────────────────────────┘

阶段三：下一代智能融合体系（2026+，正在形成）

┌────────────────────────────────────────────────────┐
│ 采集端: 人类视频 + 可穿戴传感器 + 云端仿真同步       │
│ 标注端: 人类行为→机器人动作自动映射 + VLA Token化   │
│ 质量端: 从次优数据学习 + 跨形态数据兼容性校验        │
│ 模式: 真实+仿真混合 + 在线学习+数据回注             │
└────────────────────────────────────────────────────┘

第三章 数创星光（NexaStar.AI）：行业新锐的破局之道

3.1 公司概览与定位

数创星光（品牌名：NexaStar.AI）成立于2026年，总部位于天津，是感恩科技旗下专注具身智能数据服务的子公司。公司定位为 「具身智能数据采集与训练基础设施平台」——不生产机器人，而是为所有具身智能玩家提供底层数据基础设施。

一句话定义：

让每一台机器人，从出生的第一天就拥有高质量的多模态物理世界经验。

3.2 核心能力矩阵

┌────────────────────────────────────────────────────────────┐
│ 数创星光 · 四维核心能力矩阵                               │
├────────────────────────────────────────────────────────────┤
│                                                            │
│ ① 规模化采集能力                                           │
│ ├─ 全国6大采集基地（天津/济南/贵阳/赣州/杭州/济宁）         │
│ ├─ UMI手持设备500-700台（月产8000+小时）                   │
│ ├─ 真机场景验证 + 第一人称动捕 + 遥操作采集                 │
│ └─ 覆盖工业/物流/商超/家居/酒店/零售等数十场景             │
│                                                            │
│ ② 多模态硬件级同步能力                                     │
│ ├─ 自研同步采集系统：视觉+力觉+关节扭矩+触觉+音频         │
│ └─ 时序精度达毫秒级，行业领先                              │
│                                                            │
│ ③ 标准化数据集生产能力                                     │
│ ├─ AI自动标注 + 千人标注团队 + 10人专家质检三级品控网      │
│ ├─ 产出可直接加载到主流训练框架                            │
│ └─ 采集即标注：采集过程中自动生成基础标注                  │
│                                                            │
│ ④ 全链路训练评估能力                                       │
│ ├─ VLM预训练 → VLA联合训练 → 世界模型 → SFT → 评估       │
│ └─ 兼容主流大模型框架                                      │
│                                                            │
└────────────────────────────────────────────────────────────┘

3.3 核心数据一览

3.4 团队核心优势

团队特点： 战略+商业+技术三角配置完整。拥有百亿级营收操盘经验+千万级融资能力+15年分布式系统技术积累，形成「有战略高度、有商业落地、有技术壁垒」的金三角架构。

3.5 行业竞品对比⁶

⁶ 竞品评分说明： 评分基于公开可查的信息进行定性评估。技术深度综合考量研发投入、论文产出、专利数量及客户技术门槛；硬件同步能力评估多模态传感器融合的硬件层级与精度；成本优势对比同等数据规模和质量下的综合成本水平。评分仅反映截至2026年6月的行业认知，不代表对各公司综合实力的排名。

核心差异优势：

差异优势一：硬件级多模态同步。 与纯软件标注平台不同，数创星光自研同步采集系统，视觉、力反馈、关节扭矩、触觉、音频等多路信号在硬件层面实现毫秒级同步。这是训练高质量VLA模型的关键技术门槛。

差异优势二：UMI手持设备规模化。 500-700台UMI设备、月产8000+小时的产能规模，在全球独立数据采集商中处于领先位置。与HumanScale等最新研究的结论一致——人类手持采集的质量和效率已超过传统遥操作。

差异优势三：6大基地×全场景覆盖。 全国6大采集基地覆盖工业、物流、商超、家居、酒店、零售等数十场景，能够提供跨场景、跨环境的多样化真实数据，避免单一场景过拟合。

差异优势四：感恩科技生态赋能。 作为感恩科技的子公司，可以借助母公司在人力资源服务领域的技术积累（43项软件著作权、SaaS平台能力、产业园运营经验）以及产业园区布局，实现数据采集的人力规模化供给和属地化管理。

第四章 产业痛点与数创星光的解决方案

4.1 行业五大核心痛点

4.2 数创星光的系统性解决方案

4.3 产品矩阵

第五章 战略愿景与发展规划

5.1 数据飞轮效应

数创星光的核心商业模式建立在以下正向飞轮之上：

采集数据越多 → 数据集质量越高 → 训练出的模型越好 → 模型越好 → 客户需求越多 → 数据采集规模扩大

这一飞轮一旦启动，将形成强大的网络效应和规模壁垒——后来者需要同时具备采集、标注、训练、评估的全链路能力，单一环节的竞争者难以复制。

5.2 三年战略规划

5.3 城市拓展计划

第六章 行业展望与建议

6.1 2026-2028年行业趋势预测

6.2 对数创星光的战略建议

• 深耕UMI手持设备规模化优势。 当前全球独立数据采集商中，具备500+台UMI设备月产8000+小时产能的屈指可数，这是短期内最强的差异化壁垒。
• 推进行业标准制定。 联合开源社区和行业伙伴，推动「中国版Open X-Embodiment」数据标准，降低下游客户的切换成本，提高生态锁定。
• 强化多模态硬件同步技术壁垒。 自研同步采集系统是核心护城河，持续投入研发，保持领先。
• 借力感恩科技的产业园区网络。 利用母公司在九江、荆州、安阳、芜湖等地的产业园资源，以「数据标注中心+采集基地」模式快速扩展。
• 加强与头部模型厂商的深度绑定。 从「数据供应商」升级为「训练基础设施合作伙伴」，提升客户粘性和客单价。

6.3 对政策制定者的建议

• 将「具身智能数据基础设施」纳入数字经济核心基础设施范畴，给予用地、税收、人才等配套政策支持。
• 推动建立具身智能数据的质量标准体系和安全合规框架。
• 鼓励「政府引导+企业运营」的公共数据采集基地建设模式，降低行业整体成本。

结语

具身智能正处于从「技术验证」到「规模产业」的历史性跨越期。在这场跨越中，数据不是「锦上添花」，而是「生存底线」。

全球高质量物理交互数据20倍的供给缺口，不是挑战，而是机遇。谁能以更低的成本、更高的质量、更标准化的方式提供多模态物理世界数据，谁就将成为这场产业革命的底层基础设施供应商。

数创星光（NexaStar.AI）以「让每一台机器人从出生的第一天就拥有高质量的多模态物理世界经验」为使命，依托全国6大采集基地、自研硬件级多模态同步系统和全链路训练评估能力，正在成为这一赛道的核心玩家。

我们相信：算力的终点是电力，而具身智能的终点，是物理数据。

附录

附录A：核心论文索引（2023-2026）

附录B：关键术语表

附录C：数创星光核心团队

免责声明

本白皮书所引用的行业数据、市场规模预测、技术趋势判断等内容，均来自公开可查的信息来源（包括但不限于IDC报告、arXiv论文、企业官方公告、新闻报道等），仅供行业参考。数创星光对此不构成任何形式的担保或承诺。

联系方式

数创星光（天津）科技有限公司（NexaStar.AI）

官网：https://nexastar.ai

新闻与平台入口：https://nexastar.cn

数据训练平台：https://ai-training.nexastar.cn

白皮书完成日期：2026年7月

© 数创星光（天津）科技有限公司 保留所有权利