一边是机器人公司为了融资和上市制造订单，一边是不断降价、层层转包的数据，一位数据采集商无奈表示，“这门生意明年会是什么光景，还很难说”。

这两年，具身智能如火如荼。但不同于大语言模型——互联网有海量文本可供清洗，机器人此前基本没有现实数据。由此，数据采集和交易这门生意突然变得火热起来。可伴随着新一轮上市潮，机器人数据采集正引发越来越多质疑。前不久梅卡曼德创始人邵天兰公开发声，直接把部分企业借助数采中心包装虚假营收的乱象摆上台面。

一时间，数采不再是产业基建，反而成了关联交易、报表注水的“代名词”。更令从业者不安的是，人形机器人订单开始集体挤水分，明星企业估值泡沫似乎也被戳破。一旦市场动荡，数采这门生意可能更不好做了。

一、左手倒右手的“游戏”要结束了

在全国，不到两年时间，已经有106座人形机器人数采中心拔地而起，其中大部分由政企共建。在这种合作下，数采中心、机器人企业及当地政府摸索出一套固定模式：企业把机器人卖给中心，收入计入企业营收；中心招聘员工，用买来的机器人采集数据；企业再花钱把数据买回来，用于模型训练。

一笔资金，在三方之间转了一圈，都获得了成绩。

这套“卖设备—回购数据”的模式本身并非原罪，问题在于机器人企业奔赴上市的热潮中，数采中心成了单纯做高账面收入、推高估值的“工具”，数据有没有价值反而成了其次。

财经杂志报道，采集商老台曾替一家机器人公司“走了一笔账”，签下约数百万元合同。一方购买硬件，另一方购买数据，双方没有完成实物交割，只做了账务往来。他的一位同行透露，有一家数据公司短时间内完成多轮融资，通过众包采集数据，把投资人的钱“合法套了出来”。

如今这一玩法即将失效。原因有三：

第一，资本评估标准正在重构。 一位投资人称，“以前市场热的时候，订单量、出货量、收入增速很容易直接推高估值，现在大家会追问这些收入是谁贡献的，设备有没有真正用起来，客户明年还买不买。”

第二，监管问询堵死修饰路径。 从二季度起，科创板、北交所机器人企业上会，收入真实性、关联交易合理性、毛利率可持续性成为固定问询要点，靠修饰账面业绩冲击上市的路径基本被堵死。

第三，采集方式正在发生根本性转变。 机器人数据采集从依赖本体的真机遥操，变为无本体采集——未来数采员只需戴着摄像头、数据手套等设备正常工作，就能为机器人采集数据。这意味着采集场景从搭建模拟场走向工厂、酒店、药店、家庭、社区等真实世界。无本体采集越普遍，数采中心就越不需要花大价钱购买机器人，机器人企业也就无法让它们消化自己的订单了。

二、具身智能“挤泡沫”，数采没有故事了？

机器人行业的数据缺口确实巨大。据贵州省大数据局今年7月披露，当前我国真实场景合规数据存量约50万小时，而商业化落地需要数千万小时，缺口超过99%。

巨大的缺口看似意味着源源不断的需求，但现实是：更多数据公司、人力公司和中间商涌入后，数据价格已经开始下降。老台称，去年每小时能卖200多元的数据，今年只能卖100多元。

在原有模式下，先投入的是数采中心或数采企业，机器人公司可以推迟回购，也可以重新压价。如今采集方式从集中式转向分布式，数据采集变成了一门组织劳动力的生意，数据往更便宜的劳动力走，价格进一步被拉低。

价格下降、交易混乱，这门生意正在变成“苦哈哈的活”。但更大的风险在于具身智能赛道本身过热，估值泡沫一旦破裂，机器人企业上市失败或拿不到融资，数据采购需求会大幅萎缩。

当前繁荣表象正被重新审视。一面是订单掺杂水分的事实揭开，另一面是机器人进厂打工的故事遭受质疑——很多机器人企业说是进厂，但并没有真的进，或者不算真正进厂工作。

就在前不久，福布斯直接炮轰Figure AI，称这家企业存在巨大估值泡沫。Figure大约造出1000台机器人，外界却不知道多少台真正部署、多少台正在工作、谁在持续付款。文章提及，Figure曾与宝马试点合作，号称部署了“一支执行端到端操作的机器人队伍”，但实际上只有一台Figure机器人在工作，现场还有一台用来轮换充电。

人形机器人到底能不能干活仍未得到验证。如果始终无法干活，就代表数据没有价值——这将直接动摇机器人数据采集存在的根本逻辑。

据不完全统计，我国有近300家机器人相关公司。Argo Venture Partners管理合伙人熊伟铭指出，“300家太多了。市场可能只能容纳20到30家。剩下的公司会成为大集团的一部分，或者开始转型。”有专业人士推测，行业洗牌预计将在2026下半年至2027年集中显现。机器人企业的淘汰赛，可能也正是数采行业的淘汰赛。

更不利的是，资本正在加速流向关节模组、力传感器、触觉感知等“卖铲人”细分领域。当机器人企业缺钱了，数采厂辛辛苦苦采集来的数据可能更不好卖了。

三、别把数据采集的生意想得太美好

这两年具身智能站在风口之上，庞大的训练需求催生了数采中心遍地开花。数千平方米的空间里，家居、商超、工业等场景被搬进同一座“训练场”，上万台机器人分布其间，练习物品收纳、快递打包、床铺整理等任务。

这无疑是一种重资产模式。根据中国信通院等机构发布的《具身智能训练场研究报告（2026年）》，一个数千平方米的综合性训练场，建设投入可达数千万元至上亿元，机器人采购占据较大比例，年度运营费用也可达数百万元。前期投入大，如果后续收购价格偏低或数据不符合要求，设备、人力和调试投入就可能难以收回。

如今一个同样的问题指向数采：这些重金采集出来的数据，市场上到底有没有外部买家？尴尬的事实是，绝大多数数采厂的模拟场景都集中在叠衣服、搬箱子、包裹分拣等少数通用任务中，数据重复度极高，即使是机器人企业也不想要了。

市场正在向不需要依赖本体的分布式采集要答案。当所有人都可能同时成为戴着摄像头、数据手套的数采员，一边工作一边为机器人采集数据，由此带来的数据是海量的，也有望填上巨大的数据缺口。更关键的是，采集从模拟场景走向真实场景后，数据也为头部大模型厂商及世界模型公司所需，这带来了更多真实的买家。

近期，英伟达首席研究科学家、具身自主研究团队负责人范麟熙（Jim Fan）在红杉AI Ascent 2026大会上提出，用WAM（世界动作模型）取代VLA模型，用UMI和Ego数据取代真机数据。巨头的带动，让无本体采集越发受到关注。

只是当数据采集变成一门组织劳动力的生意，层层分包下，一个更加混乱的数采“江湖”正在形成。一位数据代理商透露，一个头部数据采集公司融了几十亿元，在山东、河南一些地方搞“进村采数据”，让村里老太太、大姨戴着PICO的VR设备做切菜、做饭等任务，一小时一单给5块钱。离谱的是，有一线人员反馈，组织采集的中间商最后直接跑路，连这点劳务费都没结。

价格混乱、数据倒卖、采集设备不成熟……这些问题在分布式采集发展初期不可避免。但更根本的问题是：这些海量数据到底能不能用、有多少能用来训练？

抛开商业考量，这种数据采集还存在一个潜在风险：人类向AI售卖真实的劳动数据，让机器人变得更智能，这些机器人以后很可能再来取代人类。如果这种不安和焦虑逐渐放大，谁还愿意为机器人提供“养料”？

拼产能、拼订单、拼落地，整机厂商仍在狂奔，但理性的声音越来越大。 当狂热退去，数采这门生意暴露出的不只是商业模式的脆弱，更是整个具身智能产业链在从概念走向落地时必经的阵痛。

短期看，关联交易被堵、价格战打响、资本转向，数采行业确实站在了悬崖边上。但长期看，如果无本体分布式采集能跑通，数据从模拟场走向真实世界，这门生意未必会消失——它只是会从“做账工具”变回它本该有的样子：为机器人提供真实、可用、便宜的训练数据。

谁能在这一轮洗牌中活下来，取决于一件事：你采集的数据，到底有没有人愿意为它付第二笔钱。