数据采集设备供不应求，表面看是硬件生意的爆单信号；更深处，它暴露的是具身智能行业最稀缺的生产资料——真实物理交互数据。设备紧俏把一个问题推到台前：当机器人下线数量已经能做出漂亮曲线，行业凭什么证明这些机器人在真实场景里持续创造价值？
一、2万台下线之后，考核标尺开始换轨
10月29日，智元在2026创新日上披露，通用AI机器人累计下线达2万台，今年上半年营收接近20亿元，占全球人形机器人（886069）市场43%。这组数字来自公司现场表述，市场份额的统计口径尚待独立审计确认，但它足以说明制造端的爬坡速度。另一面，公开报道提到，相当比例的人形机器人（886069）月均开机不足10天。两个数字放在一起，落差就出来了：下线是制造成绩，开机才是部署成绩。
出货结构也在提醒行业不要只看总量。公开报道披露，文娱商演和科教数采占据人形机器人（886069）出货结构六成以上，智能制造仅占13%。这意味着大量机器人仍停留在展示、科研和数据采集场景，真正进入工厂、仓库、商店并持续完成任务的比重仍低。行业判断标尺正从“下线了多少台”转向“有多少机器人真正在工位上干活”。
二、Worken把“行动”变成可计量指标
智元给出的新度量衡是Worken，公式为活跃机器人数量×自主工作时长×产出效能比。彭志辉的表述很直接：Token衡量机器思考了多少，Worken衡量机器行动了多少。不同智能水平的机器人执行不同任务，Worken费率不同，商业模式既可以卖本体，也可以卖服务。
这套指标的价值不在名字，而在它把“部署态”拆成了可追踪的变量：有多少机器人活跃、自主工作多久、产出效能如何。长隆乐园项目中，300多台机器人分布在100多个点位，机器人跟工程师配比从约1:1降到3:1，公司目标年底达到10:1、明年20:1。配比改善是运营效率提升的信号，但年底和明年的数字仍是目标，不是已实现结果。
Worken不是行业统一标准，也尚未被全行业采用。它更像一家头部公司对商业化考核的自我约束：参数表之外，还要交工时表。这个动作的行业意义在于，它把竞争从“能不能做出来”推向“能不能持续干”。
三、数据传导：50万小时与千万小时之间的缺口
真正卡住有效工时的，是数据。截至2026年初，全球高质量真实物理交互数据总量约50万小时，而实现物理AI需要千万小时量级，行业缺口超过95%。这是行业估算，不是审计数字，但方向足够清晰：机器人要在真实世界稳定作业，不能只靠互联网文本和仿真数据，还要靠真实物理交互。
数据采集设备供不应求，反映的是高附加值数据采集能力不足。市场反馈显示，同质化裸手数据价格下行，双目、触觉、手套、腕部相机等真实场景数据需求强劲、价格坚挺。数据不是没有，而是“能直接用于训练和部署”的数据稀缺。
供给端已经在找办法。行元智能发布跨本体数据引擎Chorus，支持智能眼镜、胸戴相机、腕部相机、UMI设备、智能头环等多种设备采集人类操作视频，转化为适配不同机器人本体的预训练数据，测试可实现超40倍有效训练数据扩容。它同时指出，采集成本高、原始数据可用率低、跨本体复用难，仍制约数据供给规模化。海天瑞声（688787）三季报则从数据服务商侧给出印证：前三季度营收2.90亿元、同比增长23.87%，第三季度研发投入1938.09万元、同比增长51.23%，财报提到高质量场景数据集供给缺口显著。
传导链由此清晰：高质量数据短缺→采集设备和高附加值采集能力紧俏→模型靠真实作业数据迭代→有效工时和场景闭环改善→反过来要求更多真实数据。设备紧俏是上游信号，但它不等于下游企业订单，也不等于收入确认。
四、量产、收入确认与亏损投入的时间差
量产提速的另一面，是财务验证的时间差。启元第5000台个人机器人下线，距离Q1、T1开售仅一个多月。上纬新材（688585）2026年三季报显示，机器人业务研发投入约3.6亿元，但尚未确认收入；受新业务投入等因素影响，合并报表归母净利润亏损4.22亿元。公司同时提示，机器人业务尚处于规模化量产爬坡及商业化验证阶段，技术路线、模型性能和商业化能力存在不确定性。
这组数据把“有效工时”转向的另一面说清楚了：下线量可以快速爬坡，收入确认却要等场景稳定、交付验收和复购验证。姚卯青把具身智能的规模化扩展分为预训练、后训练和部署后训练三个阶段，强调具身模型不能光靠“训”出来，还要靠“干”出来。他还提出，全行业至少在中国看到1万台机器人在工厂稳定长时间作业，才是重要里程碑拐点。这是高管判断，不是行业统计，但它点出了拐点的性质：不是又多下线了几台，而是有多少台在工厂里稳定长时间作业。
工业现场的试跑也提供了参照。博银合创与联合汽车电子（885545）的产线设备调试于今年6月启动，首台具身机器人进入上海工厂量产线试跑，落地标准化取放料场景，作业准确率达80%—90%，仍需少量人工介入修正放料偏差，整体节拍效率尚未达到熟练人工水平。部署不是开关，而是爬坡。
五、结论：短期是压力测试，中期才可能加速
数据采集设备供不应求，对产业发展的推动作用不是线性的。它先带来压力测试：数据成本上升、场景适配变难、量产与收入确认之间出现时间差，企业必须用有效工时、月均开机天数、人机配比和收入确认来证明商业化，而不是只比参数和下线量。
中期看，数据瓶颈会倒逼数据、模型、场景闭环。谁能用更低成本采集高附加值真实场景数据，谁能把真实作业经验反哺模型，谁能让机器人在工厂、仓库、商店稳定长时间作业，谁才可能把Worken从公司内部指标变成可复制的生产力。
后续观察变量不复杂：有效工时是否持续提升，月均开机天数是否改善，人机配比是否按目标下降，机器人业务收入是否开始确认，数据采集成本是否下探，工厂稳定作业是否从试跑走向常态化。设备紧俏是上游水温，不是下游订单。把这两件事分开看，才能判断这轮数据采集热究竟是产业加速的起点，还是商业化验证的压力测试。
一、2万台下线之后，考核标尺开始换轨
10月29日，智元在2026创新日上披露，通用AI机器人累计下线达2万台，今年上半年营收接近20亿元，占全球人形机器人（886069）市场43%。这组数字来自公司现场表述，市场份额的统计口径尚待独立审计确认，但它足以说明制造端的爬坡速度。另一面，公开报道提到，相当比例的人形机器人（886069）月均开机不足10天。两个数字放在一起，落差就出来了：下线是制造成绩，开机才是部署成绩。
出货结构也在提醒行业不要只看总量。公开报道披露，文娱商演和科教数采占据人形机器人（886069）出货结构六成以上，智能制造仅占13%。这意味着大量机器人仍停留在展示、科研和数据采集场景，真正进入工厂、仓库、商店并持续完成任务的比重仍低。行业判断标尺正从“下线了多少台”转向“有多少机器人真正在工位上干活”。
二、Worken把“行动”变成可计量指标
智元给出的新度量衡是Worken，公式为活跃机器人数量×自主工作时长×产出效能比。彭志辉的表述很直接：Token衡量机器思考了多少，Worken衡量机器行动了多少。不同智能水平的机器人执行不同任务，Worken费率不同，商业模式既可以卖本体，也可以卖服务。
这套指标的价值不在名字，而在它把“部署态”拆成了可追踪的变量：有多少机器人活跃、自主工作多久、产出效能如何。长隆乐园项目中，300多台机器人分布在100多个点位，机器人跟工程师配比从约1:1降到3:1，公司目标年底达到10:1、明年20:1。配比改善是运营效率提升的信号，但年底和明年的数字仍是目标，不是已实现结果。
Worken不是行业统一标准，也尚未被全行业采用。它更像一家头部公司对商业化考核的自我约束：参数表之外，还要交工时表。这个动作的行业意义在于，它把竞争从“能不能做出来”推向“能不能持续干”。
三、数据传导：50万小时与千万小时之间的缺口
真正卡住有效工时的，是数据。截至2026年初，全球高质量真实物理交互数据总量约50万小时，而实现物理AI需要千万小时量级，行业缺口超过95%。这是行业估算，不是审计数字，但方向足够清晰：机器人要在真实世界稳定作业，不能只靠互联网文本和仿真数据，还要靠真实物理交互。
数据采集设备供不应求，反映的是高附加值数据采集能力不足。市场反馈显示，同质化裸手数据价格下行，双目、触觉、手套、腕部相机等真实场景数据需求强劲、价格坚挺。数据不是没有，而是“能直接用于训练和部署”的数据稀缺。
供给端已经在找办法。行元智能发布跨本体数据引擎Chorus，支持智能眼镜、胸戴相机、腕部相机、UMI设备、智能头环等多种设备采集人类操作视频，转化为适配不同机器人本体的预训练数据，测试可实现超40倍有效训练数据扩容。它同时指出，采集成本高、原始数据可用率低、跨本体复用难，仍制约数据供给规模化。海天瑞声（688787）三季报则从数据服务商侧给出印证：前三季度营收2.90亿元、同比增长23.87%，第三季度研发投入1938.09万元、同比增长51.23%，财报提到高质量场景数据集供给缺口显著。
传导链由此清晰：高质量数据短缺→采集设备和高附加值采集能力紧俏→模型靠真实作业数据迭代→有效工时和场景闭环改善→反过来要求更多真实数据。设备紧俏是上游信号，但它不等于下游企业订单，也不等于收入确认。
四、量产、收入确认与亏损投入的时间差
量产提速的另一面，是财务验证的时间差。启元第5000台个人机器人下线，距离Q1、T1开售仅一个多月。上纬新材（688585）2026年三季报显示，机器人业务研发投入约3.6亿元，但尚未确认收入；受新业务投入等因素影响，合并报表归母净利润亏损4.22亿元。公司同时提示，机器人业务尚处于规模化量产爬坡及商业化验证阶段，技术路线、模型性能和商业化能力存在不确定性。
这组数据把“有效工时”转向的另一面说清楚了：下线量可以快速爬坡，收入确认却要等场景稳定、交付验收和复购验证。姚卯青把具身智能的规模化扩展分为预训练、后训练和部署后训练三个阶段，强调具身模型不能光靠“训”出来，还要靠“干”出来。他还提出，全行业至少在中国看到1万台机器人在工厂稳定长时间作业，才是重要里程碑拐点。这是高管判断，不是行业统计，但它点出了拐点的性质：不是又多下线了几台，而是有多少台在工厂里稳定长时间作业。
工业现场的试跑也提供了参照。博银合创与联合汽车电子（885545）的产线设备调试于今年6月启动，首台具身机器人进入上海工厂量产线试跑，落地标准化取放料场景，作业准确率达80%—90%，仍需少量人工介入修正放料偏差，整体节拍效率尚未达到熟练人工水平。部署不是开关，而是爬坡。
五、结论：短期是压力测试，中期才可能加速
数据采集设备供不应求，对产业发展的推动作用不是线性的。它先带来压力测试：数据成本上升、场景适配变难、量产与收入确认之间出现时间差，企业必须用有效工时、月均开机天数、人机配比和收入确认来证明商业化，而不是只比参数和下线量。
中期看，数据瓶颈会倒逼数据、模型、场景闭环。谁能用更低成本采集高附加值真实场景数据，谁能把真实作业经验反哺模型，谁能让机器人在工厂、仓库、商店稳定长时间作业，谁才可能把Worken从公司内部指标变成可复制的生产力。
后续观察变量不复杂：有效工时是否持续提升，月均开机天数是否改善，人机配比是否按目标下降，机器人业务收入是否开始确认，数据采集成本是否下探，工厂稳定作业是否从试跑走向常态化。设备紧俏是上游水温，不是下游订单。把这两件事分开看，才能判断这轮数据采集热究竟是产业加速的起点，还是商业化验证的压力测试。
