人形机器人行情重启，数据采集环节涨幅领跑产业链

10月16日至23日，A股人形机器人板块迎来一轮显著反弹。万得人形机器人指数（8841699.WI）从10185.92点低点回升至11519.18点，区间累计上涨11.48%，同期沪深300下跌1.57%；10月28日单日再涨4.07%，113只成分股全部收红，主力资金由净流出转为净流入超103亿元。值得注意的是，本轮行情并非全线普涨，而是呈现清晰的产业链梯度分化——感知与数据环节涨幅居前，核心零部件次之，本体与场景落地环节相对滞后。

图中数据清晰显示：10月16日至23日区间，海天瑞声（感知与数据）涨幅达+79.98%，奥比中光+52.50%，汉威科技+47.01%；核心零部件如兆威机电+50.11%、鸣志电器+35.43%；而本体厂商埃斯顿仅+20.38%，汇川技术+7.65%；算法层科大讯飞涨幅仅+6.11%。这一结构揭示了市场对产业瓶颈的认知转变：当人形机器人从实验室演示迈向真实场景，决定其能力上限的已不仅是硬件本体，更是模型对物理世界的理解深度，以及支撑该理解的高质量数据供给能力。

行情启动的直接催化剂是产业关键节点的密集落地。10月19日，特斯拉向美国证券交易委员会（SEC）提交文件，确认Optimus V3已完成大规模生产准备，弗里蒙特首代产线预计2026年晚些时候投产，得州超级工厂锚定2027年夏季投产，长期年产能目标1000万台。10月21日Q3财报电话会上，马斯克首次系统披露量产节奏：年产百万台产线已在弗里蒙特落地，预计至少一年后达到周产2万台，并于2027年底前后向外部企业交付。此前市场对Optimus的认知停留在“方向确定、节奏未知”，此次首次获得可追踪的中间里程碑。

同期，OpenAI于10月18日至19日确认自研人形机器人，招聘岗位覆盖执行器、运动控制、数据采集与供应链等二十余个方向，并明确2027年演示样机目标。大模型厂商直接下场造本体，标志着具身智能正从学术议题转向工程议题。10月20日至22日，英伟达GTC柏林大会将“物理AI”推至核心议程，黄仁勋称AI工厂部署周期最快可压缩至14天；公司同步扩展Isaac开放机器人开发平台，新增人形机器人参考平台、专用数据集、运行时框架及机器人学习工具。

国内政策亦加速落地。10月15日，首批6项人形机器人国家标准正式发布，将于2027年4月1日起实施；10月19日，商务部等9部门联合发文，推动具身智能进入商贸、家庭服务、仓储物流等应用场景；上海市印发《加快发展新一代智能制造行动方案》，明确2028年推动8000台人形机器人进入工厂。

在产业共识形成的同时，一个更紧迫的约束浮出水面：数据供给严重不足。据行业估算，截至2026年初，全球高质量真实物理交互数据存量约50万小时，而通用具身基础模型训练所需数据规模被普遍认为至少需1000万小时——当前供给仅为需求的5%。浙商证券测算指出，具身模型要迎来自己的“ChatGPT时刻”，必须跨越千万小时级真实数据门槛，而现有数据量级差距显著。

这一缺口正倒逼数采硬件进入工业级标准化采购阶段。多模态真实世界数据——尤其是覆盖视觉、触觉、力反馈的人-物动态交互数据——成为制约模型泛化能力的核心瓶颈。OpenAI CEO山姆·奥特曼曾直言：“人形机器人的最大瓶颈不在硬件，而在于AI对物理世界的理解还不够。”这意味着，当前产业价值重心正从“造身体”向“喂大脑”迁移，即从本体制造转向数据采集与标注服务。

市场反应印证了这一逻辑。宇树科技作为情绪中心，10月16日至27日8个交易日上涨58%，成交活跃；但与其同属整机环节的埃斯顿、汇川技术涨幅明显温和。而海天瑞声、奥比中光等感知与数据服务商领涨，反映资金对“卖铲人”角色的优先认可。值得注意的是，IDC数据显示，2026年上半年全球人形机器人出货量达2.5万台，同比增长432.1%，但其中科研教育、表演展示及数据采集用途仍占69%，工业制造与仓储物流等商业化场景多处于试点阶段。整机厂与场景落地方的收入确认周期最长，因而在此轮资金分配中处于相对弱势。

从筹码位置看，机器人板块自5月26日高点已回调近五个月，万得指数最大回撤29.22%，年内仍跌13.27%；相比之下，光模块、半导体设备等AI硬件主线年内涨幅显著但近期持续回调。资金在“负收益且超跌”的机器人板块与“高涨幅待消化”的其他科技主线间做出相对选择，具备合理性。

产业链内部的分化揭示了一个深层趋势：当人形机器人从单一任务演示走向复杂环境自主作业，其能力边界将越来越取决于两个维度——一是本体硬件的可靠性与成本控制，二是模型对物理规律的理解精度。后者高度依赖真实世界数据的质量与规模。在算力与算法持续进步的背景下，数据已成为当前最具刚性约束的环节。

目前，数采设备厂商正加速推进标准化方案。例如，配备高精度力传感器、IMU阵列与多视角视觉系统的数据采集平台，已在部分头部机器人企业试点部署；仿真-真实闭环的数据增强流程也逐步成熟。但要满足千万小时级训练需求，仍需整个产业链协同投入：从硬件端提升采集效率，到数据服务商建立标注规范，再到平台方提供清洗与合成工具。

短期看，数据环节的景气度或延续；中期看，随着Optimus等产品进入小批量交付阶段，本体与执行器环节有望接力；长期则取决于具身智能能否在真实场景中验证经济性。当前市场选择“先买铲子”，是对产业现实瓶颈的理性回应。