数据采集已成为人形机器人产业化的野村主要制约因素，而灵巧手的分析技术成熟度将直接影响商业化的时间进度。
根据追风交易台，人形人数野村证券在最新发布的机器据关键瓶颈竞决定中国机器人行业报告中指出，数据已成为人形机器人大规模部署的争优"关键成分"。Figure AI的势灵商业CEO也提到，推动我们向大规模部署迈进的巧手最大障碍是“数据需求，我们需要大量数据”。化进野村估算，野村目前年出货量约10万台的分析情况下，行业年度数据需求需达到约1000万小时。人形人数
报告显示，机器据关键瓶颈竞决定在四类主要数据类型中，争优真机遥操作(tele-op)数据以每小时约500至1000元人民币的势灵商业单价构成最高价值子市场，市场规模约为22亿至25亿元人民币。巧手相比之下，仿真/合成数据成本最低，但无法独自替代真机数据。
“闭环方案”，即数据采集、传输、评估、训练、部署与调试全流程的整合，将是数据服务商最具防御力的商业模式。
四类数据价量分化，遥操作数据价值最高
野村将人形机器人训练数据划分为四个层级，各层级在价格与体量上显著分化，描绘出数据供应商之间的竞争局面。
第一层为无实体数据，包括第一视角(Egocentric/Ego)视频及通用操作接口(UMI)数据，占总时长的40%至50%，但单价约为100至300元人民币/小时，对应2026年可寻址市场约为10亿至15亿元人民币。
第二层为真机遥操作数据，占总时长约30%，单价约为500至1000元人民币/小时，对应的市场规模约为22亿至25亿元人民币，是单价最高的数据类型。
第三层为故障恢复数据，单价约为400至500元人民币/小时，但由于许多厂商尚未打通部署反馈闭环，该类数据的市场占比仍处于低个位数水平。
第四层为仿真/合成数据，成本最低，约50元人民币/万帧，对应市场规模约为5亿至6亿元人民币。
遥操作与故障恢复数据是最近最稀缺且利润率较高的层级，而Ego/UMI数据则是增速最快的市场。这样的“底部廉价合成、顶部稀缺真机”的分层价格结构，将决定哪些供应商能够形成持久的竞争优势。
闭环方案是最佳的防御商业模式
覆盖数据采集、传输、评估、训练、部署与调试全流程的软硬件闭环，构成了数据服务商最具防御力的商业模式。
简单的数据即服务(DaaS)模式尽管能快速按小时或项目收费，但随着客户的数据体量扩大，缺乏评估能力的供应商将面临被整合的风险。闭环商业模式能够积累第一方场景数据、故障样本和评估输出，这是构建持续的数据增强循环和经常性收入的先决条件。
在仿真数据的应用边界上，Physical Intelligence、英伟达和Lightwheel的公开研究结果一致指出：仿真是一种“力量倍增器”，而非替代品。具体来说，π0.5在多个步骤的家庭任务中成功率达94%；英伟达的合成动作流水线使得GR00T N1的性能比纯真机训练提升了约40%；而Lightwheel报告的合成与真机训练比例约为10:1，能使模型性能平均提升约30%，任务成功率从60%提升至85%。
工业场景(搬运、分拣、机床看管、装配)预计到2027至2028年将迎来质的突破，人形机器人的出货量将在此期间显著增长；而家庭场景的大规模部署可能要等到2030年，酒店及服务公寓的清洁则是较早落地的市场。
灵巧手的尺寸与传感器限制影响商业化进程
精密装配和接触密集型任务难以被仿真的原因，以及家庭部署推迟至2030年的根本原因，均源于灵巧手的技术瓶颈。
当前灵巧手市场面临一个尚未解决的核心问题：手部形态越接近人手尺寸，数据采集与下游操作的映射越准确，但缩小形态后，内部空间难以容纳所需的传感器。调查显示，国内厂家中仅有一家符合人手尺寸标准，而主流的触觉导向灵巧手及其他高自由度设计仍偏大，从而削弱了数据采集与执行间的一致性。
触觉技术在感知能力上也存在限制：点压力传感器无法感知侧向力或滑动现象，现有的电子皮肤在侧向力检测中保真度较低，即使是尺寸领先的全手方案也仅有约80个压力点。
在手臂市场中，谐波减速器加力矩传感器的方案（如Luna/Skye系列）正逐步向工业机械臂转变，仿生性有限，人形机器人的适用场景也难以找到。关键判断是：只有高精度手臂能解决中间运动环节，而灵巧的手部可以弥补手臂精度的不足。因此，更倾向于不采用力矩传感器和谐波减速器，而是专注于末端执行器的设计。
在手部灵巧性与触觉保真度差距得到弥补之前，真机遥操作数据的价值池以及掌握数据采集闭环的供应商将在结构上继续受到保护。
本文转自“华尔街见闻”；编辑：李佛。
