物理AI数据基建爆发，数采设备与垂类应用率先受益

数据成为物理AI发展的核心瓶颈

以人形机器人为代表的物理AI，其“大脑”训练正成为行业决胜关键，而数据量级和质量直接决定了模型的泛化能力。当前，机器人高质量、高保真物理交互的真实数据极度缺失，具身模型可用的真实交互数据规模远小于大语言模型的万亿级token训练数据。要实现可用的具身智能，至少需要千万小时级别的多模态数据，而实际所需的数据集因多场景、多模态及长尾数据等因素远超此标准。随着全球物理AI市场规模步入爆发阶段，数据基础设施的建设已成为产业加速发展的先行条件。

数采技术路线呈现多元化并存格局

目前，整机遥操作、第一人称视角（EGO）和通用操作接口（UMI）是主流的真实数据采集方案。整机数据虽然质量高但采集成本高昂且难以共用；EGO方案具备轻量化、低成本和高通用性优势；UMI单体设备成本较高但数据精度优异。无论采用何种技术路线，产业对数据质量的需求日益确定，推动了相机、姿态感知（IMU）及触觉传感等核心感知设备的广泛应用。无本体化采集趋势凸显，通过人类视频转化为3D坐标和运动数据，成为兼顾成本与可用性的综合性方案，其中第一人称采集方式因成本最低而受到市场高度关注。

产业链环节深度受益，设备与垂类应用率先放量

数采爆发有望拉动数采设备、仿真平台、数采公司及垂类应用四个环节规模快速提升。在设备端，包含机器人整机、VR眼镜、相机、IMU及触觉传感器等，其中高ASP且格局较好的相机、IMU和触觉传感器赛道值得关注。在数采服务端，具备场景、数据标准化和标注平台经验的公司，以及拥有数据成本和质量壁垒的企业将深度受益。此外，垂类应用凭借行业内专属数据库和稀缺的数采场景，有望形成数据闭环并率先实现商业化落地，特别是在工业制造、电力巡检等高壁垒细分领域。