《科创板日报》9 月 4 日讯（记者 李明明 ）" 有的机构说年底要做到千万小时，有的说无本体数据已经有上千万小时——但真正的高质量数据有多少？什么是高质量？这才是最重要的。" 在北京人形机器人创新中心（下称 " 北京人形 "）数据与训练基地，基地负责人向《科创板日报》记者抛出了这个行业眼下备受关注的问题。

在人形机器人本体融资与发布节奏不断加快的当下，产业链的焦虑正悄然从造机器人转向喂数据。《科创板日报》记者实地探访这处被称作 " 国家队样板间 " 的数据基地，试图还原具身智能数据基建的真实进度条。

6000 平米 " 数据工厂 "：机器人在这里上班，数据在夜里下班

《科创板日报》记者现场参观发现，这处基地总面积 6000 余平方米——一二层约 5000 平方米为采集与训练区，总部中心另有 1000 余平方米。现场搭建了家庭、商超、工业、医药康养等六大类共 30 多种实景场景，投入采集的机器人本体设备 150 多台套，另有 150 多套无本体采集设备，包括自研的第一人称视角头环和五自由度的夹爪工装。

二楼一处约 200 平方米的光学动捕场地颇为醒目。负责人介绍，此前在机器人运动会上包揽举重项目前四名的 " 天工 " 机器人，其举重、跑步、翻越障碍乃至舞蹈动作的数据，全部出自这块场地。

数据的生产节拍更接近一座工厂：采集员一天工作 8 小时，扣除摆场景、摆道具，有效录制约 6 小时；数据边采边传至云端，夜间由自动化管线处理，第二天即可交付客户，内部称之为 "7+1" 交付。目前基地数据年产能 18 万小时，已服务 100 多家客户，多为头部大模型与具身智能本体公司。

" 全国现在能建数采场地的有一百多家，但中间的的平台能力才是最有价值的。" 该负责人直言，同质化建场并不构成壁垒。

三道质检与 95% 交付通过率

当下，行业对高质量数据的争论至今没有定论。该负责人给出的判断颇为务实：最有价值的数据，是让模型在场景里能落地、产生好效果的数据。他以自动驾驶类比——真正值钱的是 corner case 数据，特斯拉 " 影子模式 " 回流的正是这一类，而不是无论好坏把所有数据都采回来。

为支撑这一标准，基地设立三道质检：采集后一检、标注后二检、交付算法侧验收三检。据其透露，今年上半年交付一家头部客户的数据，验证通过率在 95% 以上。

记者在现场还看到，标注环节已基本由 AI 接管——过去需要数百上千人异地标注语义、动作与视频帧，如今 " 几张卡跑一晚上，第二天人工质检后即可交付 "。

采集端则采取 " 有本体 + 无本体 " 的矩阵式方案：自研的手部姿态算法可捕捉人手 21 个关节的运动轨迹，经映射后赋能机器人灵巧手，精度达到毫米级；触觉与力觉数据则通过高价动捕手套按需采集，" 不是所有场景都用最贵的方案，量产成本最终要消费者买单。"

RoboMIND 下载量破 2000 万

值得注意的是，据介绍，北京人形开源的 RoboMIND 数据集全球下载量近期突破 2000 万，居全球首位。该负责人表示，基地同时与工信部牵头制定数采场建设、数据采集、标注及高质量数据集等多项行业标准，数据合规、血缘追溯、版权合成已实现全链路留痕。

在生态层面，基地将自身定位为 " 样板间 "：一边满足天工本体、模型、算法的内部闭环——京东顺义物流分拣厂中已有天工机器人执行真实分拣任务，其自有的六层中试工厂里则上演着 " 机器人造机器人 "；另一边向外部数十家数采厂输出平台与 SOP 工艺，组建数据联盟，" 有大的订单、包括出海的单子，希望和各家数采厂一起做。"

热闹背后，行业的商业化现实并不轻松。该负责人表示，目前数据交易国家层面没有定价，真机数据价格约为每有效小时 500 到 1000 元且已有所回落，无本体数据则在几十到一两百元之间。基地自身虽有卖数据、平台服务、数采场解决方案三类商业化路径，但目前不是靠这个挣钱。

对于 " 集中式数采基地是否可持续 "" 机器人自学习闭环会否让存量数据失效 " 等争议，他认为，机器人现在的阶段，相当于 10 年前的自动驾驶，集中式采集能快速验证数据—算法—本体闭环；但真实场景数据的价值最终一定最高，只是这条路还没有被大规模验证过。至于 Scaling Law 在具身领域究竟指向 1000 小时、100 万小时还是 1 亿小时，现在没有定论，大家只是拿 ChatGPT 做了一个粗略的量化。

自动驾驶的下半场被证明是数据飞轮之争，这位自动驾驶出身的负责人判断，具身智能最卷的也会是数据飞轮。百万小时高质量数据集的目标写在这家 " 国家队 " 基地的规划里，但从 6000 平米的样板间走向千行百业的真实场景，行业的数据基建显然才刚刚打完地基。