在具身智能加速落地的背景下，数据正成为产业竞争的关键变量。
近日，中国信息通信研究院携手中国人工智能产业发展联盟、沈阳市数据局发布《人工智能数据标注产业图谱（2026版）》。
利亚德旗下虚拟动点入选该图谱，反映出其在数据采集、加工处理与场景化训练方面的能力获得权威机构认可，也折射出行业正在进入以高质量数据驱动算法与产品迭代的新阶段。
问题：具身智能迈向规模化应用仍面临“数据鸿沟” 当前，人形机器人、四足机器人及各类服务机器人从实验室走向工厂、家庭与公共空间，普遍遭遇数据供给不足、标准不统一、场景覆盖不够、标注成本高等瓶颈。
一方面，机器人要在真实环境中完成行走、抓取、避障、交互等复杂任务，需要大量可复用、可对齐、可训练的数据；另一方面，真实世界的数据采集受安全、成本、隐私、场地与设备等因素制约，导致高质量数据稀缺，训练数据与应用场景之间存在明显断层。
原因：产业重心从“硬件堆叠”转向“数据与算法协同” 业内人士指出，随着传感器、关节模组、算力平台等硬件体系逐步成熟，单纯依靠硬件升级带来的性能增益边际递减。
具身智能的能力提升，更依赖于数据规模、数据质量与训练范式的持续迭代：其一，机器人动作与环境信息具有多模态特征，数据需要实现跨设备、跨场景的统一表达与精准对齐；其二，数据不仅要“采得全”，更要“用得上”，必须经过去噪、修复、结构化与质量评估；其三，仿真训练与实景数据之间需要建立映射关系，才能让算法在虚实结合中形成可迁移的能力。
影响：高质量数据供给能力成为产业链的“新基础设施” 图谱发布与企业入选，凸显数据标注与数据工程在产业链中的基础性作用。
对机器人企业而言，稳定的数据供给能够缩短模型训练周期，提升运动控制与行为决策的可靠性，并降低在长尾场景中的失效率。
对行业生态而言，数据能力的专业化分工有助于形成“平台—数据—应用”的协同格局，推动从单点产品竞争走向体系化能力竞争，进一步带动标准、评测、合规与人才体系建设。
对策：以全链路数据服务打通“采集—处理—训练—复用” 据介绍，虚拟动点围绕“数据采集与平台服务”进行布局，明确不涉足机器人本体制造，而是面向产业链提供数据与工具能力。
其一，在采集环节，通过光学定位、无标记点识别、光学与无标记融合等技术路径，构建适配不同机器人形态与任务需求的多模态采集系统，覆盖从实验室精细动作到真实环境复杂任务的多类需求。
其二，在处理环节，面向原始数据开展修复、去噪、结构化与自动化加工，提高数据一致性与可用性，使动作数据能够以更规范的方式进入训练与验证流程。
其三，在场景沉淀方面，围绕工业智造、智慧家庭等应用方向，将典型动作与交互姿态转化为可复用的数据资产，降低企业在重复采集与重复标注上的投入。
值得关注的是，在北京石景山人形机器人数据训练中心等场景化平台中，依托上万平方米训练空间与多类细分场景，相关数据服务能力被用于支撑规模化数据产出与迭代验证。
据公开信息，该训练场可形成年度数百万条高质量数据供给，体现出从“单次采集”向“持续生产”的产业化特征。
前景：以标准化、规模化与合规化推动具身智能走向更复杂场景 面向未来，具身智能将加速进入工厂柔性制造、仓储物流、公共服务、康养陪护等更复杂环境，对数据的精度、覆盖度与实时性提出更高要求。
业内预计，数据工程将呈现三方面趋势：一是数据标准与质量评测体系加快完善，推动跨平台、跨企业的训练数据协同；二是自动化标注与工具链能力进一步提升，降低长周期运营成本；三是数据安全、隐私保护与合规治理要求同步加强，促进数据供给在可控边界内高效流通。
在此过程中，专注数据与平台服务的企业有望成为连接算法研发、产品迭代与场景落地的关键环节。
通过持续提升多模态采集、结构化处理、场景化训练与资产化复用能力，形成可持续的数据供给体系，将为具身智能从示范应用走向规模应用提供更稳固的支撑。
从实验室技术到产业基础设施，数据能力的突破正重新定义智能机器人的竞争维度。
虚拟动点的实践表明，在数字化与实体经济的深度融合中，谁能率先打通数据壁垒，谁就能在下一代人机协作生态中占据制高点。
这场以数据为纽带的智能革命，或将重塑全球机器人产业格局。