得数据者得天下？移动机器人企业手里的“数据牌”藏着多大筹码？

文｜编辑部

近两年，具身智能成为机器人产业最受关注的方向之一。

这场由人形机器人掀起的产业浪潮，也正在快速向移动机器人行业渗透。从杭叉、仙工智能、极智嘉，到新松、优艾智合、凯乐士等，越来越多移动机器人企业开始把具身智能放到更重要的位置，并推出轮式人形机器人、具身搬运机器人、具身拣选机器人以及具身智能底盘等产品。

表面来看，这是一轮产品形态的升级。但如果把视线从产品拉到产业链的更深处，会发现这场竞争真正发生变化的地方，或许并不只是“机器人长什么样”。

数据，正在成为移动机器人企业切入具身智能最重要的一张牌。对于已经在工业、物流、制造等场景部署了大量机器人的企业而言，过去十多年积累的客户、项目、机器人和真实作业场景，正在从传统商业资产转变为具身智能时代最重要的数据资产。

而这也意味着，移动机器人企业正在尝试将过去的“规模优势”，重新转换成具身智能时代的“数据优势”。

为什么移动机器人企业集体押注具身智能？

答案并不复杂。一方面，AGV/AMR市场经过多年发展，已经从单机竞争进入系统化竞争阶段，企业需要寻找新的增长空间；另一方面，具身智能带来的技术变革，也让移动机器人企业看到了能力延伸的可能。

与新进入者相比，移动机器人企业并不是从零开始。过去多年，移动机器人已经积累了移动控制、环境感知、路径规划、任务调度以及工业场景理解等技术能力。而具身智能的发展，本质上是让机器人从“执行固定任务”进一步走向“理解环境、自主决策、完成复杂任务”。

这种进化已经在产品层面快速落地。仅2025年，便有数十家移动机器人切入具身智能赛道，陆续推出对应产品；进入2026年，创新节奏进一步加快。产品矩阵持续扩张，印证了产业各方对具身智能赛道的集体看好。

相较产品形态的推陈出新，头部企业更在围绕具身智能展开系统化的能力建设。

图表：部分移动机器人企业具身智能布局

在内部能力建设上，企业一方面夯实技术底座，如新松于2025年成立具身智能研究院，聚焦AI大模型与自主决策，突破“大脑+身体”协同瓶颈；睿芯行等也在底层技术体系上持续投入。另一方面，产品矩阵同步拓宽，优艾智合搭建了“通用+专用”并行的具身机器人产品体系，翼菲科技则向具身智能底盘与整机两端双向延伸。

与此同时，外部生态协同与平台建设也在加速。在产业生态布局上，杭叉与人形机器人头部企业就轮式智能移动底盘开展深度合作；中力则联动星源智、睿芯行等AI算法与控制器企业，推进产业链层面的战略协同。在平台层面，凯乐士以“物流大脑”为战略核心，面向仓储场景打造具身智能基座平台，进一步丰富产业赋能路径。

透过这一系列举措不难发现，对头部移动机器人企业来说，具身智能早已不是简单新增一款产品的战术选择，而是开辟下一增长曲线的重要战略入口。它正推动企业在组织架构、技术路线乃至商业模式上发生深层次变革——而这，或许才是具身智能成为全新增长曲线的真正内涵所在。

任何宏大战略的落地，都需要坚实的支点，在具身智能的语境下，这个支点就是物理世界的高质量数据。

具身智能目前面临的最大技术瓶颈之一，就是缺乏足够多、足够真实的物理交互数据。这些数据究竟从哪里来？价值如何被释放？移动机器人企业手中的数据优势，能否真正转化为具身智能时代的竞争优势？

在新战略移动机器人产业研究所、移动机器人产业联盟展开的行业深度调研中，我们发现移动机器人企业已经普遍意识到真实场景数据的重要价值，并围绕数据来源、采集、使用与治理，分化出了极具代表性的策略路径。

从数据来源来看，“真实数据+仿真数据融合”正在成为行业主流选择。调研显示，目前采用融合方式获取数据的企业占比达到50%，单纯依赖真实数据的企业占比37.5%，而单独使用仿真数据的企业占比最低。

真实数据仍是行业最核心的数据源，主要来自企业自有部署工厂与客户端真实作业场景。以新松、仙工智能、杭叉国自等为代表的企业，依托多年项目沉淀，通过已落地的机器人设备与客户现场运行环境持续积累真实业务数据，核心优势在于机器人长期运行打磨出的场景理解能力。其中仙工智能服务的全球超1000家工厂内，在线机器人的每一次搬运、调度与协同，都在真实生产流程中持续沉淀数据资产。

与此同时，井松智能、凯乐士、华晓精密、睿芯行等企业主要探索真实数据与仿真数据融合路线。这些企业的真实数据同样来源于客户现场与现有工业场景，依托已部署项目持续积累一线运行数据；但真实工业数据获取不易，让机器人在生产线上直接试错既耗时又影响效率，仿真数据恰好可以在虚拟环境中低成本、大批量生成。于是，真实数据用来保留现实场景的精准度，仿真数据用来拓展训练样本的丰富度，二者优势互补。

具体打法上，各家也有细微差异：华晓精密聚焦平面库、输送线、料架等物流细分场景，持续沉淀真实数据的同时按比例补充仿真合成数据；睿芯行则更倾向于一条“轻数据”路径，通过类人脑的技术思路减少对海量数据采集的依赖，转而依靠在线特征提取与感知反馈来提升执行精度。

这一分布折射出行业对数据价值的认知迭代，数据来源已从非此即彼的二元选择转向融合优先的思路，真实数据仍是移动机器人企业最核心的数据源。而过去十年在客户现场部署的每一台机器人，正在成为今天最重要的“数据入口”。

如果说数据来源决定了移动机器人企业的“起跑线”，那么采集方式、使用方式与治理能力，则决定了它们能跑多远。

从数据采集方式来看，移动机器人企业正在形成明显的“自有化”趋势。调研显示，针对特定场景主动采集，是当前企业最主要的数据获取方式，占比达到62.5%；通过已经部署机器人持续回传数据，占比达到50%。相比之下，与其他机构合作获取数据、采购公开数据集的比例均为25%。这意味着，移动机器人企业的数据来源，本质上依然建立在自身业务场景之上。

在数据的使用方式上，“在端侧做小样本微调”是受访企业最主要的选择，占比达到一半；汇聚到云端做大模型训练次之，占比接近四成，凯乐士、新松等企业均是这一路径的代表；此外还有部分企业目前收集数据仅用于测试/验证、并不用于训练，占比相对较少。这表明，多数企业已经跨过“单纯囤积数据”的阶段，更倾向于让数据尽快投入实际使用。

这些长期运行数据，构成了移动机器人企业进入具身智能时代的重要壁垒。不过，拥有数据并不意味着天然拥有数据优势。

当前行业仍处于数据资产化早期阶段。调研显示，移动机器人企业提升数据价值最主要的方式，是提高单台机器人数据采集频率或维度，占比接近九成；增加机器人部署规模是第二重要路径；通过仿真扩充数据样本和跨场景或跨客户数据复用均约四成；而通过建立数据闭环，持续反哺模型迭代以扩大数据效益的比例仍然较低。这说明，行业目前更多关注“如何获得更多数据”，而对于“如何让数据持续反哺模型”仍处于探索阶段。

但值得注意的是，仙工智能是这条更难走的路径上少数已经跑通的样本，其搭建的统一云端基础设施与云边协同架构，贯通真机纳管、数据回流、清洗标注、模型训练、仿真评测及模型回灌真机，初步形成“机器人部署→数据回流→闭环训练→模型迭代→扩大部署”的数据飞轮。

未来真正决定企业竞争力的，不只是数据数量，而是数据治理能力。包括如何统一数据格式；如何实现跨场景复用；如何建立训练、部署、反馈的闭环；如何将一次项目经验转化为通用能力。

目前，移动机器人企业已经开始重视数据复用。其中统一数据格式/接口标准化和模型预训练+场景微调，是最主要的两种方式，采用比例分别达到87.5%和75%；相比之下，构建通用数据中台的企业还比较少，杭叉国自是目前少数已经在这一方向上投入的企业。

这意味着，移动机器人企业正在从单纯的数据采集阶段，逐步走向数据运营阶段。过去十年，它们争夺的是客户现场；未来十年，它们争夺的可能是数据入口。

而在更为关键的数据安全与合规层面，行业头部企业已经建立起较为严格的全生命周期管控体系。井松智能通过落实数据分级分类、敏感数据脱敏去标识化、执行最小权限访问与审计日志，从机制上防范数据泄露与滥用，这不仅构筑了严密的合规防线，也成为企业持续获取客户现场高质量“活水”数据的信任基石；华晓精密同样围绕数据分类分级、最小必要与告知同意、技术防护措施搭建了合规体系。

当移动机器人企业在自家的“存量金矿”中大举挖掘时，另一边，正试图进军工业制造场景的人形机器人企业，也在这条数据赛道上焦急地狂奔。

将两者获取工业数据的路径并置审视，我们可以清晰地看到两者的路线差异。

近年来越来越多人形机器人企业开始从单纯的数据使用者，转向数据生产体系建设者。目前，行业正在形成三条主要路径：投资数据企业、自研数据采集设备以及建设数据采集基础设施。

首先，人形机器人企业开始通过投资方式提前布局数据供应链。具身数据相比传统AI数据更加复杂。一套真正用于机器人训练的数据，需要同步记录视觉、深度、机器人关节状态、末端位姿、动作轨迹，部分任务还需要加入力觉、触觉和语音信息。同时，数据采集完成后，还需要经过时间同步、任务切分、异常剔除、质量评价等流程，才能进入模型训练。因此，本体企业很难在短期内覆盖数据采集、治理、训练等完整链路。投资专业数据企业，成为补齐能力的重要方式。

与此同时，越来越多企业开始自研数据采集设备，试图掌握数据产生入口。目前行业已经出现真机遥操作、UMI无本体采集、Ego第一视角采集、外骨骼和触觉采集等多种路线。其中，遥操作能够直接记录机器人动作过程；UMI和Ego设备降低了数据采集对机器人本体的依赖；外骨骼和触觉设备则更适合复杂操作任务。这些设备的出现，本质上是在解决一个问题，即如何将人的操作经验转化为机器人的训练数据。

此外，人形机器人企业也开始建设数据采集中心。据人形机器人场景应用联盟不完全统计，全国已建成或正在建设的人形机器人数据采集中心超过50家。这些中心正在承担机器人训练、测试验证、人才培养以及数据生产等功能。（延伸阅读：一年时间，中国悄悄建了50多所机器人“学校”）

当前，人形机器人企业处于数据基础设施建设阶段。它们需要通过投资、设备和采集中心，从零构建数据生产体系。

因此，两类企业形成了两条不同的数据路径。移动机器人企业是从真实工业场景中提取智能，人形机器人企业是通过人类行为示范构建智能；前者拥有长期产业运行数据，后者拥有广泛的人类操作数据。

未来，双方竞争的核心，都将指向同一个目标——建立持续产生数据、利用数据和优化模型的数据闭环。

具身智能正在改变机器人产业竞争规则。过去，机器人企业比拼的是硬件能力、成本能力和交付能力。未来，竞争将进一步转向数据能力。

对于移动机器人企业而言，最大的机会是重新认识过去十年的产业积累。那些已经部署在工厂、仓库和物流现场的机器人，正在从生产工具转变为数据入口。

但数据优势并不会自动转化为智能优势。真正的竞争，将取决于企业能否建立完整的数据飞轮：从机器人部署，到数据采集；从数据治理，到模型训练；从模型优化，到业务反馈。谁能够让数据持续流动，谁才能持续提升机器人智能水平。

具身智能的下半场，或许不只是机器人之间的竞争，更是一场围绕“谁拥有现实世界数据入口”的竞争。而对于移动机器人企业而言，过去十年的产业深耕，正在迎来新的价值兑现阶段。

*本文核心观点与数据图表均源自新战略移动机器人产业研究所、移动机器人产业联盟发起的「移动机器人企业具身智能数据策略」专项调研。调研面向国内头部移动机器人本体企业，通过问卷的方式系统梳理了行业在数据采集、使用、治理及安全合规等环节的实践现状。调研数据均基于企业真实业务运行情况采集，并经过信息核实与交叉验证，具备较高的行业参考价值。

2026年11月4日，由移动机器人产业联盟与人形机器人场景应用联盟联合主办，新战略移动机器人全媒体承办的“2026具身拣选与装卸机器人产业论坛”将在上海CeMAT展同期举行，欢迎扫码报名！