具身智能的发展高度依赖高质量数据这一基础要素，加快建设适配发展需求的高质量数据集，已成为突破具身智能技术瓶颈、打通产业化落地“最后一公里”的关键任务。

　　当前，人工智能正处在重塑经济社会发展模式的关键时期。“十五五”规划建议提出，前瞻布局未来产业，推动具身智能等成为新的经济增长点。作为智能原生驱动的典型代表，具身智能的发展高度依赖高质量数据这一基础要素，加快建设适配发展需求的高质量数据集，已成为突破具身智能技术瓶颈、打通产业化落地“最后一公里”的关键任务。

　　当前高质量数据集建设面临挑战

　　随着具身智能研发热度的持续提升，国内外科研机构与领军企业纷纷投入数据资源建设。然而，全球具身智能高质量数据集的整体建设尚处于早期探索阶段。我国虽在部分领域展现出积极态势，但当前具身智能高质量数据集建设仍面临技术路线不统一、数据规模与质量不足、建设主体分散、共享机制不畅等深层次挑战，制约技术迭代与产业应用。

　　一是技术路线尚处百家争鸣期，数据集建设缺乏统一标准，难以汇聚成势。具身智能作为一个新兴融合领域，机器人本体形态和底层基础大模型等的技术路线仍在快速演进。现阶段，视觉—语言—行动模型、世界模型、分层与端到端架构等不同路径均在探索，相应地，所需的数据类型，包括视频数据、仿真数据、真机数据的采集方式与处理范式也迥然有别。企业内部、不同企业与科研机构的数据集建设工作相对独立，数据孤岛效应明显。数据格式各异、语义标注自成体系、机器人本体的传感器配置与控制模态千差万别。这种分散化、碎片化的建设模式，导致有价值的数据难以跨主体、跨场景复用，极大地提高了研发成本，阻碍了整体技术验证与迭代效率的提升。

　　二是高质量数据的规模数量匮乏与质量不均，限制了模型涌现泛化能力和数据闭环的形成。规模定律在多模态模型中已经验证，但目前具身智能可获得的有效交互数据量与实现广泛泛化所需的阈值相距甚远。一方面是量不足，获取真机交互数据极度依赖昂贵的硬件成本和场景部署，且在复杂操作、极端情况和长尾任务中的数据严重稀缺。另一方面是质不齐，数据采集缺乏全程质量把控，标注一致性差、噪声多，部分仿真数据与真实物理世界存在难以对齐的鸿沟。这使得训练出的模型常常陷入实验室完美、真实世界失灵的困境，难以形成采集、训练、部署、回流的高效数据闭环与正向反馈。

　　三是专业化建设主体与共享平台不足，覆盖场景有限，难以支撑规模化落地。我国当前的具身智能数据建设多由机器人厂商或科研团队自给自足，专业数据采集企业较少且数据采集规模仍旧较小。公共数据基础设施建设不足，面向具身智能领域的可信数据空间、国家级开放数据集平台建设尚在起步，现有数据资源开放度低，数据产权与流通交易规则不明晰。同时，现有数据资源主要集中在工业制造、仓储等有限的特定场景，对于医疗康复、家庭服务、公共应急等民生与社会治理场景的数据积累很少，极大限制了具身智能在民生领域的规模化应用落地。

　　四是数据市场化运作与商业模式尚不清晰，缺乏可持续的投入与回报机制。高质量的具身智能数据集建设是一项高投入、高风险、回报周期长的系统性工程。目前，数据集建设很大程度上依赖政府的科研项目经费和专项补贴，市场主体参与的商业模式并不成熟。数据如何定价、价值如何度量、如何在保护知识产权的前提下实现高效流通等关键问题尚未解决。市场牵引力不足，企业缺乏长期投入的动力，阻碍了数据集建设的规模化、商业化进程。

　　前瞻布局夯实高质量数据基座

　　面对严峻挑战与广阔机遇，亟待政府部门、学术界、产业界等多方合力，系统性、前瞻性布局具身智能高质量数据集建设工作，为我国具身智能产业的腾飞筑牢数据基座。

　　一是加强顶层设计与示范引导，着力推动数据标准体系化建设。首先，强化前沿交流与动态监测，建立由相关部门牵头、产学研共同参与的常态化机制，定期跟踪研判全球具身智能技术发展态势，绘制技术路线图，引导数据集建设与核心技术攻关相匹配，避免重复投入和资源分散。其次，着力推进数据标准与规范的统一。鼓励成立由领军企业、科研机构、标准组织等组成的具身智能数据生态联盟，率先在联盟内针对VLA模型、世界模型等主流技术路线，推动数据类型、标注语义、接口格式等核心要素的标准化，降低数据汇流与复用成本。同时，国家层面应主导制定统一的质控标准与可信度认证体系。最后，实施一批标杆示范项目，有针对性支持建设一批覆盖工业抓取、家庭服务、仓储零售等典型场景的国家级行业示范数据集，以标杆带动标准扩散，引导数据供给从分散走向协同。

　　二是强化关键技术攻关与工具链建设，全面提升数据集建设能效。将数据技术提升至与模型算法、硬件本体同等重要的高度。在研发层面，建议设立具身智能数据相关专项，重点攻关高保真仿真与智能合成数据技术，利用物理仿真、生成式人工智能等技术，高效、低成本地生成覆盖长尾、复杂、极端场景的高质量合成数据，作为真实数据的重要补充；以自动化多模态数据治理技术结合大模型的自动标注、清洗、对齐工具，提升海量多源异构数据的处理效率与一致性；攻关数据集评测与验证技术，建立科学、定量的指标体系和测试基准等。在产品层面，鼓励龙头企业、科研机构和开源社区共建共享模块化、标准化的数据集建设工具链，形成覆盖数据采集、清洗、标注、管理、评估的一站式平台，降低中小企业参与门槛，营造开放协同的技术发展环境。

　　三是构建多层次场景与平台体系，加速数据模型应用飞轮迭代。分阶段、分层次推进真实世界场景的开放与共建。建议按以下路径实施：初期重点支持在重点产业园区、高校等建设一批标准化、高水平的具身智能数据采集测试验证场，提供统一的硬件、场景和评测环境，实现真实数据的高效获取和模型快速验证。中期推动在零售、餐饮、医疗、养老等半开放场景建立示范应用点，探索商业场景下的数据采集机制与安全规范。远期则要推动数据结构化、标准化进入家庭、社区、城市交通等社会化泛在场景。支持领军企业联合上下游伙伴及场景方共同建设应用示范项目，在实践中积累数据、打磨模型、验证商业模式，形成以用促建、以建带用的正向循环。

　　四是创新市场机制与治理模式，培育壮大数据要素新生态。积极鼓励探索适应具身智能发展特点的市场化路径。首先是创新数据要素流通机制，依托国家数据交易所或行业可信数据空间试点，设立具身智能数据专区。探索开发“可用不可见”的新型数据产品和交易模式，如按使用时长、模型性能增益、任务完成量等计费的订阅制或贡献度分成模式，确保数据拥有者的核心权益，激发其数据共享意愿。其次是大力培育专业化数据服务市场主体，鼓励和支持从数据标注、仿真合成、数据治理到数据合规服务的全产业链发展，培育中国的数据工厂和“数据即服务”提供商。最后是完善政策激励与保障，统筹运用财税、金融、人才、知识产权保护等多元化政策工具，加大对数据基础设施建设、技术研发、商业化应用的扶持力度，引导社会资本有序投入，系统构建一个面向未来、开放协同的具身智能数据创新生态。