活力中国调研行 | 人形机器人量产迈入“快车道”：有企业半年产能扩大十倍，行业亟须破解数据“瓶颈”
每经记者：张怀水 每经编辑：张益铭
2026年被行业誉为“人形机器人量产元年”。开年以来，多家公司宣布加速人形机器人量产和商业化落地。
国内人形机器人量产“狂飙”的同时，也有行业内人士指出，海量、高质量的数据供给缺口依然十分巨大。
近日，《每日经济新闻》记者跟随2026年“活力中国调研行”北京主题采访活动来到中关村具身智能创新产业园等地，进行为期4天的调研。在走访过程中，记者发现，2025年以来，多家人形机器人企业均已产生实际订单，产能不断扩大。与此同时，行业对高品质数据，尤其仿真数据需求十分旺盛。
行业关键瓶颈正从算力转向数据
当人形机器人不再满足于执行“固定剧本”，而是像人类一样在被打断后能够自主调整策略并完成任务，其背后不仅需要算力支撑，更需要真实物理场景海量数据的供给，让其变得更“聪明”。
在北京人形机器人创新中心，记者了解到，在人工智能从“感知智能”向“具身智能”跃迁的关键窗口期，高质量数据已成为驱动人形机器人产业发展的战略资源。
北京人形机器人创新中心作为具身智能“国家队”，已牵头制定国内首个具身智能数据集行业标准《人工智能具身智能数据采集规范》，通过标准定义具身智能采集规范，引领具身智能行业发展。
北京人形机器人创新中心机器人数据训练基地相关负责人接受《每日经济新闻》记者采访时表示，人形机器人要真正走进千行百业，需要的不仅仅是几百、几千条“精修”数据，而是海量、多样、高质量的数据“原料”。其中，真机数据是机器人智能从虚拟走向现实的必经之路。
该负责人进一步指出，真机数据能够精准还原力觉反馈、触觉信息、环境干扰等仿真难以复制的细节，这些被称为“物理直觉”的关键信息只能通过真机采集的多模态数据来训练。
光轮智能联合创始人兼总裁杨海波向《每日经济新闻》记者表示，随着人工智能从数字世界走向物理世界，行业的关键瓶颈正在从算力转向数据。物理AI（人工智能）需要一套能够持续生成训练数据、通过评测识别能力边界与问题场景，并将真实部署反馈带回数据、仿真与评测体系的闭环基础设施。
谈及行业需求，杨海波认为，具身智能所需的数据不再只是传统意义上的文本、图像、视频或简单标注数据，而是包含动作、接触、受力、材料、空间关系和任务结果的物理交互数据。高质量、大规模和多样性的数据对于推动机器学习技术的进步至关重要。当前行业真正稀缺的不是单点数据的采集能力，而是把人类行为数据、仿真合成数据和规模化评测打通，并持续反哺模型迭代的物理AI数据与评测基础设施。
记者了解到，光轮智能是全球首家数据独角兽，也是全国首批具身智能行动计划数据领域唯一民营企业。此前，光轮智能作为唯一中国企业加入国际开源GPU（图形处理器）加速物理引擎Newton技术指导委员会（TSC），与英伟达、谷歌DeepMind、迪士尼研究院、丰田研究院共同参与下一代物理AI仿真架构、核心技术路线与生态治理。
杨海波告诉《每日经济新闻》记者，如果把具身智能数据比作金字塔，顶层是真实机器人数据，中间是可规模化生成的仿真合成数据，底部是人类第一视角视频和人类行为数据。三类数据共同构成机器人的学习基础：人类数据提供真实世界经验，仿真数据放大和泛化这些经验，真机数据则用于验证和回流真实反馈。“数据就像是机器人的知识和教材。数据供给的质量、规模和多样性，直接影响机器人的学习效率和能力边界。”
有企业半年产能扩大10倍
随着越来越多人形机器人走出展区，进入家庭、物流、制造等实际应用
本文作者可以追加内容哦 !
