机器人去哪里“学本事”
过去两年，人形机器人是科技行业最热闹的赛道之一。但热闹背后，一个朴素的问题越来越绕不开：大语言模型可以靠互联网上的海量文本“读万卷书”，机器人却必须“行万里路”——在真实物理世界里学会抓取、搬运、避障。具身智能所需的数据无法靠爬虫获得，必须有人搭建场景、操作设备、一条条采集。于是，“具身智能训练场”这一新兴基础设施品类应运而生，不妨把它粗略理解为机器人的“驾校”兼“练功房”。
8 月 18 日，中国信通院人工智能研究所联合人形机器人（上海）有限公司、具身智能测试实验室发布了《具身智能训练场研究报告（2026 年）》（via IT之家），对这一业态做了系统盘点。结论相当克制：产业链已初步成型，但离健康的商业闭环还有明显距离。
报告里的三个关键判断
其一，产业链呈“倒三角”。 上游技术供给活跃——本体、传感器、数采设备、场景搭建、算力一应俱全；下游应用仍待拓展——真正愿意为训练场付费的客户寥寥。供给侧的热闹与需求侧的冷清，形成鲜明反差。
其二，这是门重资产生意。 报告指出，训练场的建设成本涵盖场景建设、数采及本体设备、算力、网络、存储与管理系统等多个方面，日常运营费用同样不菲。换句话说，训练场不是“租个仓库摆几台机器人”那么简单，其形态更接近一座小型数据中心与实验工厂的复合体。
其三，最现实的收入是卖数据，但卖数据养不活训练场。 当前商业服务以数据产品出售为主，模型与本体训练验证、联合研发、测试验证等业务仍在探索期。数据出售回款最快，却难以覆盖重资产投入，回本周期较长。报告给出的出路是：平台化交易、增值服务拓展，以及“训练即服务”。
为什么会有训练场这门生意
要理解这种尴尬，不妨对比自动驾驶。车企拥有量产车队在真实道路上日夜行驶，天然形成“行驶—采集—训练—升级”的数据飞轮；而人形机器人出货量尚小、应用场景高度碎片化，通过遥操作采集演示数据的单位成本居高不下。训练场本质上是一座“体外数据工厂”，用集中化的场景与设备，替整个行业摊薄数据采集的边际成本。
问题在于，数据飞轮能否持续转动，最终取决于具身智能自身能否找到刚需场景。下游没有爆款应用，机器人厂商融资再凶猛，也难以为昂贵的训练数据长期买单——这正是“倒三角”的根源。
这一局面并不陌生。云计算早期、充电桩建设初期，都经历过“基础设施先行、需求滞后”的漫长爬坡。区别在于，前两者背后尚有明确的终端需求（企业上云、电动车销量）作锚，而具身智能的商业终点至今仍在雾中。
点评：别急着卖数据，先想清楚卖什么
平心而论，这份报告的可贵之处在于坦白：它没有回避“仅靠数据出售难以覆盖投入”的现实，而是把“训练即服务”摆上台面。如果这一模式跑通，训练场的角色将从“数据批发商”升级为“机器人时代的云服务商”——按训练与验证工作量计费，叠加评测认证、标准化数据集、仿真—实物混合验证等增值服务，收入结构才有机会多元化。
另一重价值容易被忽视：标准。当前各家机器人公司的数据格式、接口与评测口径各自为政，行业缺乏公认的“试金石”。训练场若能沉淀出统一的数据规范与测试基准，其话语权将远超“卖数据”本身——这恰是信通院这类机构介入的意义所在。
当然，风险同样直白：重资产、长周期、需求不确定，叠加各地高涨的建设热情，重复投入的隐忧不容小觑。机器人行业的最终答案，恐怕还得靠一款真正的“爆款应用”来揭晓；在那之前，训练场更像一场押注行业未来的期权交易——买的人赌的不是当下的现金流，而是具身智能终将兑现的那个明天。