机器人电报11月2日讯，10月28日上午，国家数据局组织召开行业高质量数据集建设链主工作座谈会，明确行业高质量数据集建设应坚持”以需定供、以用促建、以评提质”原则，并将摸清人工智能用数需求列为重点工作。会议要求链主单位立足自身需求，主动拓展产业链上下游等外部需求，坚持需求导向推进数据集建设。此前10月20日，国家数据集团有限公司已正式挂牌成立。
数据采集是为VLA等具身大模型提供训练”原料”的关键环节，也是构建数据飞轮、支撑商业闭环的基础。与文本大模型可从互联网抓取语料不同，物理AI无法依靠网络爬取积累数据，需建立任务指令、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。数据内容既要覆盖视觉、语言，也要涵盖关节位姿、力觉、触觉等多维信息，并满足”准、全、广、真”的要求。随着人形机器人与物理AI产业快速推进、硬件方案持续迭代，高质量物理交互数据供给不足已成为制约模型能力跃升的核心短板。
从供需差距看，国金证券指出，成熟具身大模型所需数据至少为千万小时级，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%。浙商证券研报显示，2026年初全球合规可用的真实物理交互数据距离训练单个通用具身大模型尚有20倍缺口。现阶段，标准体系加速构建、数据要素市场化、数据规模工业化、资本快速涌入四大利好因素正在驱动具身智能数据采集快速发展，数采设备和服务的商业模式最为清晰，物理AI领域头部公司正加速商业化推进。