机器人行业研究：数采：物理AI最大短板，数据基建即将爆发

投资逻辑

以人形机器人为代表的物理AI，数据是最卡脖子领域。当前人形机器人行业硬件方案趋于收敛，"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。大语言模型有万亿级token训练，而具身模型可用的真实交互数据不足其万分之一。

数采爆发在即，市场空间将充分打开。根据Future Markets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。

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。

数采爆发有望拉动以下环节规模快速提升

（1）数采设备：包含机器人整机、UMI和ego整机设备，姿态感知IMU、灵巧手、触觉传感器、相机（2D+3D）、VR眼镜等。整机数采需要机器人本体和VR眼镜进行1:1配套；第一人称数据以手眼协同为主导需求，分别需要相机头环和灵巧手进行1：1配套。

（2）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。

（3）数采公司：数采公司具备较强的场景、数据标准化和数据标注平台经验，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。

（4）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。

投资建议及估值

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。数据已成为制约物理AI发展的关键瓶颈，数据基础设施加快建设有望带动数采产业链持续扩容。（1）数采设备及供应链：重点关注高asp、好格局的赛道如相机、IMU、触觉传感器等；（2）数据成本和质量有壁垒的数采公司；（3）垂类应用：关注细分赛道数据场景资源有壁垒的公司。

风险提示

机器人发展进展不及预期，数据采集技术路线迭代风险。