机器人行业研究：数采：物理AI最大短板，数据基建即将爆发

核心观点

物理AI进入数据驱动阶段，数据是人形机器人最卡脖子环节。当前人形机器人硬件方案趋于收敛，"大脑"训练成为决胜关键，而数据量级和质量直接决定模型泛化能力。机器人高质量、高保真物理交互的真实数据极度缺失，具身模型可用的真实交互数据不足其万分之一。

产业趋势

数采爆发在即，市场空间将充分打开。根据FutureMarkets数据，全球物理AI市场规模将从2026年的3830亿美元增长至2040年的3.26万亿美元，未来几年将步入爆发阶段。据2026年机器人全产业链接会披露，GPT-2和GPT-3的训练数据分别对应约79万小时和1100万小时，要实现可用的具身智能至少需要1000万小时的多模态数据，而多场景、多模态、良率、长尾数据和多参与者等因素导致实际所需的多模态数据集远超1000万小时，觅蜂已将目标数据采集量提升到2030年100亿小时。

技术路线

整机、EGO、UMI等多种数采路线并存，高质量数据边际需求越来越确定，相机、姿态感知、触觉感知越来越重要。当前整机、UMI和EGO（第一人称视角）方案是主流真实数据采集方案，其中整机数据很难共用且采集成本最高；EGO则具备轻量化和低成本、高通用性等优点；UMI单体设备贵，但数据精度高。无论采用哪种数采技术路线，未来产业对数据质量越来越高的需求是确定的，相机、姿态感知、触觉传感应用空间越来越大。

产业链

数采爆发有望拉动以下环节规模快速提升：

• 数采设备：包含机器人整机、人类穿戴式Ego-centric相机、UMI相机及IMU、触觉传感器、相机（2D+3D）、VR眼镜等。
• 仿真平台：仿真是目前物理AI公司的核心训练方式之一，成本和数据产出优势明显。
• 数采服务：以数据销售为主要商业模式，核心竞争力在数据产出成本和质量。
• 垂类应用：各行业内专属数据库和数采场景，具备较强稀缺性，垂类物理模型是物理AI最具价值的赛道。

投资建议

数据是人形机器人为代表的物理AI赛道最大的卡脖子领域，数据基建爆发供应链将深度受益。重点关注高ASP、好格局的赛道如相机、IMU、触觉传感器等，数据成本和质量有壁垒的数采公司，以及细分赛道数据场景资源有壁垒的公司。

风险提示

• 人形机器人发展进展不及预期。
• 数据采集技术路线剧烈变动。