来源：市场资讯
（来源：陈晓晟 通信信息报）
近日，《人工智能关键基础技术具身智能数据集质量要求及评价方法》由工信部批准发布，将于2026年11月1日正式实施。该标准由中国信息通信研究院联合行业40余家单位起草编制，其发布标志着具身智能数据集建设从“规模导向”向“质量导向”转变，有效填补具身智能数据方向的行业标准空白，为具身智能领域的高质量数据集建设奠定基础。
行业快速扩张背后：
数据集质量痛点亟待破解
当前，我国具身智能产业已经加速迈向规模化发展阶段。业内分析认为，2030年中国具身智能市场规模有望达4000亿元，2035年突破万亿元。从资本侧来看，据IT桔子数据显示，2026年上半年，国内具身智能赛道融资总金额已突破900亿元，达到935亿元，较2025上半年提升了5倍，融资事件数量达到322笔，同比增长了137%。
在市场快速扩张背后，行业持续聚焦具身智能数据，不断推出开源数据集，具身智能训练场建设如火如荼。然而，这些数据是否可用、是否好用，业内判断标准不一，导致数据集质量难把控、不同数据集难整合等问题突出。
具身数据不同于文本和图片，它是多模态、强异构的“物理交互记录”：既要RGB图像、深度图、点云，也要关节角度、力矩、接触力、滑移信号，还要叠加语音指令、场景语义和本体状态。各家采集设备不同、坐标系不同、标注规则不同，结果就是“堆了几百万小时，真拿去训模型却发现时间戳对不齐、触觉通道缺失、场景覆盖偏窄”。供需双方各说各话：供给方强调“量大”，需求方抱怨“洗不动、接不上、泛化差”。没有统一标尺，数据流通就只能停留在PPT里，互不兼容，更是竖起了无形的壁垒，使得跨机构的数据共享举步维艰，重复采集成了全行业不得不承受的隐性成本。
实践落地显成效：
优质数据驱动具身智能迭代
具身智能与传统数字智能的根本差异在于其依赖物理世界的交互数据，这类数据无法从互联网获得，必须依靠真机采集或仿真生成。
以京东为例，今年3月，京东宣布将依托其零售、物流、健康、工业等业务场景，计划建设一个具身智能数据采集中心。该中心计划覆盖物流仓储、工业制造、健康医疗、家庭服务、城市运维五大核心场景，记录视觉、触觉、空间轨迹等多维度数据。京东将发动包括内部超10万员工及外部最多50万人员在内的数十万人参与采集，覆盖超百个细分场景，一年内积累500万小时人类真实场景视频数据，两年内总时长突破1000万小时，并同步采集100万小时机器人本体数据。
京东目前已经基于自采数据训练了具身大模型JoyAI-RA。在2026世界人工智能大会期间，京东宣布开源人类视角数据集EgoLive，对外公开JoyAI全矩阵模型，并展示落地家庭物理场景的硬件产品方案JoyInside“AI Home”，其产业已经对接覆盖玩具、教育、人形及四足机器人等品类。
标准引领新范式：
构建全链条评价护航产业前行
此次《人工智能关键基础技术具身智能数据集质量要求及评价方法》的发布，一方面，可为科研机构、企业开展数据集构建提供清晰指引，引导行业摒弃单纯追求数据体量的发展模式，更加关注数据真实度与场景适配度，降低企业筛选、清洗、融合数据的研发成本；另一方面，统一的评价标尺也将打通不同机构间的数据壁垒，推动跨主体的数据共享复用，减少重复采集建设。
该标准首次系统性地将“好数据”的定义具象化、规范化。它确立了涵盖数据生产、组织管理与评价的完整框架。在生产侧，标准要求建立覆盖采集、清洗、标注、管理到使用的全生命周期闭环，特别强调了多模态数据的时空对齐——例如，规定视觉、触觉、力觉等多源数据的时间戳同步精度必须控制在毫秒级，视觉采集分辨率需满足特定帧率与清晰度要求，且每一条数据都必须拥有唯一的标识符以便追溯。在组织侧，标准明确了人员培训、审核流程与安全合规机制，确保数据生产的规范性与一致性。最为核心的是评价侧，标准提出了完整性、一致性、多样性、真实性、易用性、实用性、可扩展性等维度的评价指标。
当标准正式落地后，具身智能行业将从“野蛮生长”迈入“精耕细作”的新阶段。这一数据集质量标准的实施，也将为万亿级赛道扫清障碍，让数据真正成为驱动机器人进化的核心“燃料”，夯实整个产业智能化升级的底座。
（图片来源：由AI生成）
热门跟贴