中国信息通信研究院给具身智能模型算了笔账：要达到自己的“ChatGPT时刻”，至少需要千万小时级的真实数据。凤凰网和《财经》10月10日的报道把另一组数字端到了台面上：普通单目原始数据的实际成交价已经落到每小时15到20元，来源不明的数据甚至低到每小时3到5元。需要强调的是，这两档报价涉及完全不同的来源和交付条件，不能视为同一种数据产品的统一市场价格。中国证券报10月19日的报道则勾勒了上游的产业轮廓：北京、上海、深圳等地已建成启用的具身智能训练场超过70家，另有40多家在建或规划中。一边是千万小时级的缺口，一边是按小时计价的采集产能与灰色流量同时涌入，这中间的价差，就是具身智能数据产业正在经历的资产重估。
先把数据的三条来源铺开。真机数据、无本体采集数据、仿真数据，构成了具身智能训练的三大类数据养料。真机数据最接近真实工况，但受限于机器人台数和场景覆盖；无本体采集数据由人类采集员在动捕笼里穿戴传感器完成，生产效率高，但要解决从人体操作到机器人执行之间的映射损耗；仿真数据可以在虚拟世界里以一条生成百条，但仿真域和真实域之间的差距本身就...