核心摘要
同样是攀登具身智能这座高峰，中美选择了两条截然不同的路线：一条是大厂独自背着所有装备的「闭源飞轮」，一条是专业团队各司其职的「开放分工」。谁会先登顶？
技术路线的差异之外，中美在具身数据上的战略选择，正呈现出鲜明的「双轨」特征。理解这种分野，对判断未来格局至关重要——它甚至可能决定，下一个十年的产业话语权落在谁手中。
图1｜中美具身产业能力雷达—资本、技术、量产、落地、政策、合规
两种打法，两种基因
美国走的是闭源飞轮路径：以特斯拉、Figure、NVIDIA为代表，大厂倾向于自建数据闭环，将数据采集与基础模型紧密绑定，辅以Scale等通用数据巨头供给。其优势在于算力与人才密集，劣势则是版权诉讼频发、数据获取环境趋严——这是一条「大力出奇迹」但壁垒高筑的路。
中国走的是开放+专业化分工路径：以光轮、它石、帕西尼、智元数据工厂为代表，独立的数据公司沿四大范式各自做深，形成协作生态。其优势在于工程化速度快、采集成本低、应用场景丰富，并有数据要素政策与国资入场的支持，更容易孕育出真正的数据交易市场——这是一条「分工协作、众人拾柴」的路。
图2｜中美数据策略五维对比—来源、打法、玩家、成本、合规
美国大厂自建数据闭环以筑壁垒；中国独立数据公司分工协作以做底座——两条路径，各有胜负手。
量产竞赛：谁先把机器人「造出来、用起来」
数据策略的差异，最终要靠量产与落地来检验。在这条战线上，中国正展现出鲜明的工程化优势。2026年6月1日，宇树科技通过上交所科创板上市委审议，从受理到过会仅73天，拟募资约42亿元——若顺利注册挂牌，将成为「A股人形机器人第一股」。其底气来自实打实的出货：2025年宇树纯人形机器人出货超5500台，以约32%的全球份额位居第一，2026年目标更喊出1万至2万台。
反观美国，特斯拉的Optimus雄心勃勃却屡屡推迟——马斯克规划Fremont工厂百万台年产能、2026年产5至15万台，却也坦言「产量无法预测」、Gen 3量产一再延后；Figure的BotQ工厂初期产能1.2万台，其Figure 02已在宝马斯帕坦堡工厂参与3万辆整车试点；Agility Robotics的Digit则是少数有稳定商业收入的人形，已在GXO仓库搬运超10万个料箱。一边是中国的「先量产、再迭代」，一边是美国的「先练模型、谨慎放量」，两种节奏背后，正是两种数据哲学。
价值链与商业模式
无论哪条路径，数据的变现都沿着同一条价值链展开：采集、标注、治理、仿真增广、训练评测，直至资产化。其中，数据集授权、DaaS订阅、评测基准服务构成三种主要变现路径，资产化环节毛利最高（白皮书测算口径）。
围绕「是否对外开放数据」，大厂的布局进一步分化。开放生态一侧，NVIDIA的Cosmos/GR00T、智元的AgiBot World百万真机数据集(长程数据规模号称为GoogleOpenX-Embodiment的10倍)、HuggingFace的LeRobot社区、光轮的RoboFinals评测基准共同构筑行业底座；封闭飞轮一侧，特斯拉、波士顿动力、Figure、谷歌则各自握紧自采数据，以此筑高壁垒。开放与封闭之间，是一场关于「生态」与「壁垒」的长期博弈。
从场景到未来
商业化的节奏，清晰呈现出「从近及远」的阶梯。物流仓储最早盈利——Agility的Digit已在GXO、亚马逊、丰田落地；工业制造正在规模化——Figure进宝马、Apptronik进奔驰、银河通用的Galbot在宁德时代（300750）产线实现零遥操全自主作业；商业服务与零售医疗处于试点期——银河通用与美团展出全球首个人形机器人智慧药房；而家庭服务，承载着这个行业最大的想象空间（1X NEO、Figure 03均已面向家庭），尽管它也最遥远。
展望未来，几条主线已然清晰：2026年是数据规模化元年，真机、仿真、视频混合数据集中爆发；数据资产化加速，DaaS订阅与数据交易兴起；世界模型崛起，成为数据生成的新引擎。而中国凭借丰富的场景、快速的工程化能力与「数据要素」政策、国资入场的支持，在这条赛道上握有独特机遇——这也是宇树们能够率先量产、独立数据公司能够密集跑出的制度土壤。
当AI从数字世界迈入物理世界靠谱的线上股票配资，真实交互数据已成为决定具身智能上限的稀缺生产要素。读懂数据，就读懂了具身智能的下一程——这或许是这场全球竞赛留给所有参与者，最重要的一条共识。
元鼎证券股票配资推荐：如何选择正规实盘交易平台？提示：本文来自互联网，不代表本网站观点。
