数采专题（二）：数采服务：采数千端，炼数一炉，闭环致远

物理AI的数据瓶颈，既是数量缺口，更是质量与闭环的缺口。（1）数量：行业预计成熟具身大模型所需数据至少为千万小时级，进一步迈向通用智能则可能需要亿小时量级，而当前行业高质量训练数据仅数十万至百万小时，供需缺口约90%。（2）质量：物理AI需要建立任务指令、环境观测、机器人状态、控制动作与执行结果之间的时序关联，数据既要包含视觉、语言，也要覆盖关节位姿、力觉和触觉等信息，并满足“准、全、广、真”的要求。（3）交互：具身数采需要通过边缘端采集与云端加工协同，形成“数据采集-清洗对齐-标注加工-质量评测-交付反馈”的闭环。

从行业画像看，数采行业处于技术路径百家争鸣与商业模式仍在探索的早期阶段。真机、无本体和仿真的路线分歧，本质是精度和规模的平衡。真机拥有最高的精度，无本体拥有最快的规模提升速度，仿真则拥有最广阔的发展潜力，我们预计混合数据类型将成为具身模型的主流训练方式。供给的缺口与尚未收敛的技术催生众多玩家入局，从商业范式看，数采设备和服务的商业模式最为清晰，数据资产及平台SaaS则更具长期潜力。

数采服务的竞争要素核心围绕边界的调整和资产的升级。

（1）基模能力提升对于具身数据公司的边界是冲击也是重定义。市场对于具身数据公司最大的分歧之一在于：如果通用模型持续改善，独立具身数据公司是否会被降维打击。我们认为，通用模型能力圈在于“理解指令、拆解任务、调用技能”，精密任务能力尚不足。GPT在精密操作组成功率仅为4.0%，而对照组DM0.5为16.75%。具身数据公司具有丰富的物理信息资产，其核心壁垒体现在切换更强基模后，公司的数据与服务的额外边际增益。

（2）数据公司的产品不是视频而是训练资产。丰富的物理信息、完整的数据处理能力以及持续优化的训练反馈是构建数据资产的核心。训练数据在多样性与策略在未见环境下的泛化表现大致呈幂律关系，以DROID项目为例，加入多场景外部数据后模型在分部内和未见场景下的表现平均提升22PP和35PP，泛化能力得到显著提升。

（3）长期看，数采服务公司的长期护城河来自场景入口、评测闭环和复用能力。中长期最有价值的公司，往往是掌握部署网络或深度嵌入部署流程的公司。其数据来源随业务运行持续产生，竞争对手难以通过一次性资本开支复制。拥有场景并不必然意味着拥有数据价值。还需要建立“失败诊断—数据配方—采集处理—训练回灌—实机复测”的完整闭环真正实现模型能力增益，同时，数据迁移至不同本体后的复用性是竞争同质化后数据公司盈利能力的重要保障。

投资建议及估值

数采服务是整个数据采集产业订单可见度最高，现金流最稳定的环节，龙头公司将持续受益于供需缺口的放大和路线收敛带来的格局集中。短期关注具备订单、产能和交付能力的数采服务商，中长期优选能够将数据处理平台化，并向模型评测、后训练及部署回流延伸的公司。重点关注三类公司：（1）拥有传统AI数据服务经验的传统龙头；（2）以仿真资产为底座，构建软硬件一体平台的仿真龙头；（3）布局“数据—仿真—训练—迁移—场景”闭环的全流程平台。

风险提示

机器人发展进展不及预期，数据采集技术路线剧烈变动，各公司主业发展不及预期。