返回全部内容物理AI训练数据存在量级缺口，关键在于把人类动作转成机器人可用数据
行元智能发布机器人预训练数据引擎，测试显示有效训练数据可扩容超40倍。华源证券认为，数据服务商的壁垒将从采集延伸至动作转换与训练基础设施。
原始来源：财联社本站首次发布：原始资料日期：
核心观点物理AI所需真实数据与现有高质量数据相差一个量级，能否低成本采集并转化为机器人可用的动作数据，决定数据服务商的价值。
机器人训练为什么需要更多真实数据？
- 据机构测算，具身基础模型要迎来自己的“ChatGPT时刻”，至少需要千万小时级真实数据；当前全球可用的高质量真实数据仅为数十万至百万小时级，供需存在量级差。
- 随着模型公司进入物理AI领域，训练数据需要外采或与机器人本体厂商共建，数据采集因此可能形成可独立定价的外部需求。
人类操作视频怎样变成机器人训练数据？
- 行元智能发布的跨本体数据引擎“Chorus众行”，可将多种设备采集的人类操作视频转化为适配不同机器人本体的预训练数据。测试显示，其可使机器人有效训练数据扩容超40倍。
- 华源证券认为，低成本获取大量第一视角数据只是第一步，更重要的是将人类操作转成机器人可使用的动作训练数据。具备3D空间重建、动作轨迹提取和物理仿真能力的服务商，有机会从数据采集延伸至数据资产和训练基础设施。
上市公司的业务连接在哪里？
- 天奇股份面向工业场景提供具身智能解决方案，业务涵盖机器人整机适配、工业实景真机数据采集与智能实训，以及垂类场景算法定制。
- 凌云光的光学运动捕捉系统已用于人形机器人数据采集和量产检测，并与机器人厂商、数采中心合作。公司2025年光学动捕系统收入受具身智能需求带动较快增长，实现初步商业化。
