数据是具身智能持续进化的重要基础。2026年6月8日，工信部、国资委联合发布《关于联合开展2026年度人形机器人与具身智能实景实训专项行动的通知》，提出“通过真实场景训练，持续优化具身智能模型算法，积累高质量真机数据。”

随着相关政策的推动，具身智能训练场建设持续升温。2026年8月18日，中国信通院人工智能研究所等联合发布《具身智能训练场研究报告（2026年）》。报告统计，截至2026年6月底，全国建成启用的训练场已超过70家，在建或规划中的还有46家。同时，报告也判断，行业正由建设热潮期迈向能力沉淀期，下一步的重点是让训练场真正承担起数据生产、模型训练和能力验证的作用。

训练场从“建起来”到“转起来”，关键在数据工程化

具身智能规模化发展，需要高质量、多模态、泛化性强的真实场景数据供给，这也是当前行业亟待补强的关键环节。

具身数据无法像文本、图片一样从互联网中批量获取，很大一部分必须在真实行动中创造。机器人每一次动作反馈、任务完成和失败经验，都是模型持续优化的重要数据。随着机器人进入更多真实场景，视觉、语音、动作轨迹、位姿和力觉等不同来源、不同类型的数据将持续增加。然而，“可采集数据规模”并不等同于“可训练数据规模”。原始数据只有经过清洗、标注、质检、管理和验证等多道工程环节，才能转化为可训练、可复用、可流通的数据产品；其中任何一个环节效率不足或标准不统一，都可能成为数据流转的堵点，直接影响模型训练和应用落地效率。

面对这些问题，《具身智能训练场研究报告（2026年）》指出，训练场要产出大规模高质量数据产品、实现商业落地，必须打造完善的数据工程化流水线，形成从任务下达、真实数据采集、清洗标注、合规质检、存储管理到训练验证与反馈迭代的全流程闭环。并认为，数据全链路的工具化、自动化改造正在取代人工密集的数据生产方式，成为训练场稳定产出高质量数据的必然选择。

这意味着，衡量具身数据供给能力，不能只看采集时长和标注数量。真正决定训练场价值的，是能否把真实任务中出现的问题持续转化为模型可以学习、训练效果可以验证的数据。为此，训练场需要建设贯通数据采集、存储、治理、训练和应用的基础设施，使数据得以高效沉淀、持续流转和反复利用，这将推动训练场的建设规模进一步转化为模型的迭代效率。

从自动驾驶到具身智能，数据工程能力释放迁移价值

自动驾驶是AI进入物理世界率先实现规模化落地的场景，也是具身智能的重要应用形态。无人车在真实道路运行中不断识别新场景和长尾问题，其价值不仅在于积累了大量道路数据。更在于已经打通从问题发现、数据回收、清洗标注、模型训练、仿真验证到部署反馈的数据工程闭环，形成了一套持续生产、处理和利用高质量数据的工程体系。

机器人与无人车在本体结构、任务类型和交互方式上有所不同，但二者面对的核心问题高度相通：如何让AI在真实物理环境中持续学习和进化。自动驾驶这套经过真实场景验证的数据工程能力，可以系统性迁移到具身智能，减少共性环节的重复建设，为机器人探索新的任务能力争取时间。目前，产业上已有相关实践。美国Scale AI在2025 年发布Physical AI Data Engine，定位是为机器人公司提供数据采集和标注解决方案。官方表示这项能力“起步于自动驾驶，现在正在快速扩展到机器人”。

国内一个典型案例就是百度智能云的具身智能数据服务。依托过去十多年在自动驾驶行业的沉淀，百度智能云围绕具身数据全生命周期建设数据Infra能力，支持从采集、清洗标注、数据集管理，到训练数据供给、模型评测和真实部署数据回流的完整闭环，帮助企业在真实部署中形成“数据-模型-场景”飞轮的正向循环。《具身智能训练场研究报告（2026年）》提到，“百度智能云具身智能数据采标服务通过真实场景数据定义任务价值，仿真与合成数据补充长尾样本、高风险场景和低频失败案例，在规模、质量和成本之间寻找更优平衡。”

目前，百度智能云已服务北京、上海等多地具身智能创新中心，以及50余家具身智能产业链重点企业。根据IDC在7月17日发布的《中国具身智能云市场份额报告，2025》，百度智能云以29.55%的市场份额位居第一。《具身智能训练场研究报告（2026年）》在梳理各地训练场建设实践时，也将广东东莞联合百度智能云共同建设具身数据采集场纳入典型案例。这是粤港澳大湾区首个建设的具备实体化、规模化、标准化能力的具身智能数据生产基础设施，以“规模化、高质量、合规化”数据生产为核心，通过真机实采、虚实融合、异构机型协同及全链路采标服务，系统性破解数据规模、质量、成本之间的“不可能三角”。目前，采集场已服务多家行业重点企业，并积极链接制造、能源、消费、康养、教科研等行业场景资源，推动数据能力向产业应用转化，促进上下游企业协同创新。

机器人走进真实世界的速度，也将越来越取决于行业把真实场景转化为持续学习能力的效率。训练场的价值，最终也将在真实应用中兑现。随着数据生产、模型训练与部署反馈逐步形成闭环，具身智能将从单点能力验证走向更多行业的稳定作业。

【以上内容为推广信息，所涉及内容不代表本网观点，不构成投资建议、消费建议。】