数采设备普及后，具身数据竞争焦点转向头部企业与标准化

总体来看，随着数采设备的普及，具身数据领域的竞争焦点正从设备供应转向数据质量、场景覆盖和集中采购。头部企业凭借资金、工程能力和运营优势将在这一过程中占据主导地位，而数据标准化和众包模式将成为推动行业发展的关键因素。

在8月31日上海浦东叠桥路举行的觅蜂数采工厂下线仪式上，第20000套MEgo无本体数据采集设备正式交付给京东科技集团。这标志着觅蜂在短短半年内实现了从2月成立到6月量产再到突破2万台的跨越式发展。与此同时，觅蜂累计生产的无本体数据已超过100万小时，并与腾讯Robotics X实验室签署了无本体数据业务合作。

行业专家姚卯青在活动中表示，物理AI的数据电网今天立下了第一根电线杆。他进一步阐述了当前具身数据领域的发展态势：真机数据与无本体数据并非替代关系，而是分层互补。无本体数据更适合预训练阶段学习通用表征，而真机数据则在后训练和具体任务落地中不可或缺。例如，蚂蚁灵波、小米和智元等公司的Foundation Model都依赖数十万小时级别的真机数据进行训练。

姚卯青特别强调，互联网视频和仿真数据在现阶段仍扮演辅助角色。当第一人称视角数据不足时，互联网视频可作为拐杖获取知识和表征；而仿真数据虽然成本高昂，但在评测环节仍有价值。然而，随着无本体设备规模化运营，单小时真实数据的成本已经低于仿真，这使得无本体数据在规模效应下更具竞争力。

在需求端，姚卯青观察到客户要求正在逐渐收敛。年初时，客户对数据的要求较为多样，甚至可以用手机或运动相机采集数据。但到了下半年，60FPS、1080P、双目、深度等指标逐渐成为共识，需求主要由头部客户定义。目前已有单一客户一次性订购了一万套设备，国内能做到这个量产规模的公司屈指可数。

数据标准不统一的问题也引发了关注。姚卯青指出，一家模型公司同时使用几家供应商的第一视角数据进行混合训练，效果往往难以保证。他以自动驾驶为例，ISP算法的微小变化就可能导致Raw Data转成RGB图像时出现差异，进而影响模型训练结果。因此，集中采买成为当前行业的必然选择。

展望未来，姚卯青认为具身数据领域一定会向头部企业收敛。这种趋势不仅体现在设备生产规模上，更反映在数据质量和应用场景的深度拓展上。随着技术进步和市场需求的深化，具备资金实力、工程能力和运营经验的头部企业将在竞争中占据绝对优势。

值得注意的是，数据采集劳动力市场也在发生变革。退休人员和宝妈等群体已成为数据采集的新力量，为行业提供了稳定的人力资源支持。这种多元化的人才结构，不仅降低了人力成本，也为数据采集的规模化提供了保障。