機器人量產了，為何還需要補充資料？

  • 興業證券強調，人形機器人量產並不等於具身智能成熟：本體能夠生產出來，與物理 AI 能力取得突破，是兩個不同進程。該機構將資料視為最稀缺的底層資源，資料採集則是產生這些資源的源頭，因此可能從配套環節上升為關鍵瓶頸。
  • 這項判斷的時間參照來自宇樹科技創辦人王興興：物理 AI 快則1至2年、慢則2至3年看到被「擊穿」的苗頭。這裡指的是能力突破的初步跡象，資料採集需求的邏輯在於為這一進程提供資料，而非僅隨機器人出貨同步擴張。

600億元以上的市場空間是如何估算出來的？

  • 據產業鏈估算，2030年全球人形機器人本體市場規模約為2500億元；按資料採集硬體與資料服務占整體成本25%估算，對應的資料採集市場約為600億元以上。這一規模同時依賴機器人市場擴張與25%的成本占比，不能只看本體數量增長。
  • 資料還提出一個上行情境：若上游零組件需求量更大，整體空間可進一步提升。這應與600億元以上的基礎估算分開理解，後者已將採集硬體和資料服務一併納入計算範圍。

採集方式和收費模式出現了哪些變化？

  • 採集場景正從封閉場館轉向工廠、連鎖零售門市和家庭，透過分散式採集讓操作人員「邊工作邊採集」。變化不只是增加採集地點，而是讓資料直接來自真實作業環境；資料據此強調，這類資料的稀缺性與不可替代性進一步凸顯。
  • 資料服務商主要按小時收費，大規模採購可協商套裝價格；資料既可賣給機器人本體廠商等第三方，也可由採集方自行使用。因此，資料採集活動擴大與對外銷售的資料服務收入擴大之間，還隔著客戶採購方式和資料用途兩層關係。