中国已建70个机器人训练场：具身智能竞赛转向真机数据工厂与标准化基础设施
· 来源：en.sedaily.com
在整机量产竞争升温之际，中国正密集建设机器人训练场以补齐真实交互数据短板；与此同时，Figure等海外公司以数十亿美元级算力承诺押注训练能力，具身智能的竞争重心正从单机演示转向可复制的数据、算力与技能验证体系。
在整机量产竞争升温之际，具身智能的关键战场正由机器人本体转向训练基础设施。韩国《首尔经济日报》援引中国信息通信研究院数据称，截至2026年6月底，中国已有70多个机器人训练场投入运营，另有46个处于建设或规划阶段。这些场地通过复现家庭、零售、工业、医疗等环境，让机器人持续完成抓取、搬运、避障等任务，形成可用于模型训练和技能验证的真实交互数据。
与互联网文本、图像可被大规模抓取不同，具身智能依赖机器人在物理世界中的“感知—决策—行动”闭环数据，采集成本高、标准也尚未统一。报道援引国信证券估计，面向实际部署的具身智能训练至少需要1000万小时多模态交互数据，而全球累计数据量仍不足该目标的5%；中国机器人行业对真实物理交互数据的估算约为50万小时。数据缺口使训练场不再只是展示空间，而更像面向行业的“真机数据工厂”。
北京人形机器人创新中心的实践提供了一个样本：其约6000平方米训练设施配置150多台、40种构型的机器人，复现30多类真实场景；其开源数据集RoboMIND收录逾30万条双臂操作轨迹和700多项真实任务数据。该中心称，已向企业和研究机构提供约3万小时高质量数据。北京石景山近期出现的“机器人幼儿园”则尝试让机器人借助触觉和传感器，通过试错自主学习，以减少逐动作人工示教的依赖。
训练场的价值还在于把分散的数据采集过程标准化。摄像头、动作捕捉、触觉传感器、力传感器，以及任务定义、数据标注和评测流程，正共同构成新的基础设施层。谁能以更低成本、稳定地生产跨场景数据，并验证技能迁移和长期可靠性，谁才可能将一次性演示转化为可复制的部署能力。
海外竞争者则从算力侧加码。CryptoBriefing报道称，英国AI云与数据中心公司Nscale已承诺向人形机器人公司Figure提供至少35亿美元的AI云算力，并可能扩大至超过60亿美元；规划中的美国得州设施最多将部署10万颗英伟达Vera Rubin GPU，硬件安装预计于2027年下半年启动。对Figure这类同时处理视觉、推理和运动控制的系统而言，真机数据之外仍需大量仿真、训练与迭代计算。
这意味着，具身智能下一阶段的门槛不只在于能否造出人形机器人，更在于是否拥有数据采集、训练算力、场景复现和评测标准相互衔接的产能。中国凭借制造供应链和场景密度加速铺设训练场，海外公司则以大规模云计算投入强化模型能力；最终竞争将落在机器人能否在真实环境中稳定、持续完成任务，而非单次演示的流畅程度。
—— 综合整理自：首尔经济日报、CryptoBriefing、拓端数据