今天分享的是：东吴证券-具身智能数据：AI时代的石油
报告共计：32页
具身智能数据：AI时代的核心驱动力
一、具身智能数据的关键地位与特性
具身智能作为AI与机器人技术融合的前沿领域，其发展依赖四大核心因子：算法、算力、机器人硬件与数据。其中，数据是当前面临的世界级难题，也是技术突破的关键。与大语言模型不同，具身智能模型无法直接使用互联网数据，需通过机器人操作或仿真模拟采集视觉、触觉、力觉等多源异构数据，且数据需满足通用性、标准化与高质量要求，以支撑模型训练与复杂任务执行。
二、数据分类与采集方式
具身智能数据主要分为真实数据与仿真数据两类：
1. 真实数据：通过机器人传感器在真实环境中交互采集，来源包括人工遥操作与动作捕捉。其优势在于高度还原真实场景，确保模型在现实中的可靠性，但存在成本高、采集效率低、覆盖场景有限等难点。
2. 仿真数据：利用计算机模拟生成，通过构建虚拟场景与智能体交互产生数据。技术路径包括“合成视频+3D重建”（如Hillbot、群核科技）与“AIGC直接合成3D数据”（如ATISS、DiffuScene）。仿真数据具有低成本、高效率、可控性强等优势，适合预训练阶段，但需与真实数据结合以解决“虚实差距”问题。
两类数据互补性显著：短期仿真数据助力简单任务突破，长期真实数据支撑复杂场景应用。
三、国内外数据集现状与标准化进展
当前具身智能数据采集以厂商自主为主，开源数据集逐渐丰富：
- 真实数据集：国内智元发布的AgiBot World是全球首个百万级真机数据集，覆盖家居、餐饮等多场景，长程任务数据规模超国外同类数据集10倍；谷歌Open X-Embodiment整合60个数据集，支持22种机器人形态；国地中心RoboMind数据集强调多构型通用性，解决数据质量参差不齐问题。
- 仿真数据集：群核科技SpatialVerse构建物理正确的虚拟世界，支持机器人交互训练；智元AgiBot Digital World开源仿真框架与海量数据；英伟达Isaac Sim结合Cosmos模型生成可控合成数据。
标准化方面，中国信通院联合编制《具身智能数据集质量要求及评价方法》，国家地方共建创新中心发布首个行业标准《人工智能 具身智能 数据采集规范》，推动数据共享与行业良性发展。
四、技术挑战与未来趋势
数据采集面临多重挑战：高昂成本、多模态数据复杂性、场景覆盖不足、仿真与现实差距等。未来，混合使用真实与仿真数据、提升数据生成效率（如生成式物理引擎Genesis）、强化数据质量把控（如全流程标准化）将成为关键方向。随着AIGC与3D生成技术的突破，端到端合成结构化空间数据的能力将进一步释放，推动具身智能从实验室走向工业级应用。
具身智能数据作为“AI时代的石油”，其采集、生成与标准化能力将直接决定机器人技术的演进速度。通过技术创新与行业协作，构建高质量、多样化的数据集体系，将为具身智能的爆发式增长奠定基础。
以下为报告节选内容
