财π新闻 《新华每日电讯》2026年9月16日报道，被誉为“机器人学校”的具身智能训练场正加速落地，成为支撑具身智能技术从实验室走向产业一线的新型基础设施。截至6月底，全国共建成启用超70家训练场，在建或规划中的有40多家，分布格局形成以长三角、京津冀和珠三角为核心的三大集群，并逐渐向三线及以下城市延伸，呈现多层级协同布局态势。具身智能训练场最初为解决物理世界实际作业数据缺口而建，如今功能已从单一的数据采集拓展为产业创新的公共底座，承担起供需对接与资源联通的“连接器”角色，大幅降低企业研发和中试成本。在政策层面，多部门联合启动实景实训专项行动，坚持应用牵引，打造可训练、测试和验证的实景实训空间。针对规模化落地难题，具身智能数据集质量要求及评估方法标准将于11月1日起实施，推动数据集建设从规模导向向质量导向转变。多数训练场当前面临商业模式可持续性考验，未来将从单一数据出售向覆盖数据生产、模型训练、应用验证的“训练即服务”转型，构建多元收入结构以实现可持续运营。

一字排开的具身智能机器人在数据训练师的遥控下，一遍又一遍地练习抓取矿泉水瓶、将餐盘放进微波炉、扫码快递件，不远处戴着动作捕捉设备的操作人员正来回叠衣服、整理床铺，每一个动作都被传感器精准记录，并转化为机器人学习的“教材”，这样的场景正在全国多地的具身智能训练场内常态化上演。中国信息通信研究院发布的《具身智能训练场研究报告（2026年）》显示，截至6月底，全国共建成启用超过70家训练场，在建或规划中的训练场数量达到46家，相关建设已覆盖全国18个省级行政区，过半省级行政区域都已有具身智能训练场落地运营。

从具体的区域分布来看，训练场的布局与国内具身智能产业集群的分布高度吻合，形成了以长三角、京津冀和珠三角为核心的三大产业集聚集群。其中浙江省已建成的训练场数量最多，达到14个，江苏、北京、广东、山东紧随其后，各自的建成数量均为8个，四川拥有5家已建成训练场，上海、广西各有3家，湖北、安徽、湖南各有2家，河南、河北、江西、吉林、天津、福建、重庆等地也都有训练场落地。仅长三角区域内，上海人形机器人麒麟训练场、智元机器人数据采集工厂、银河通用苏州具身智能数据采集中心、杭州市人形机器人中试基地、合肥市具身智能机器人数据采集预训练场等项目的总占地面积就超过7万平方米，产业集聚效应已经初步显现。

不同于传统人工智能产业高度集中在一线城市、省会城市的发展模式，当前具身智能训练场的建设正在逐步向三线、四线乃至五线城市延伸，呈现出多层级城市协同布局的发展态势。中国信通院人工智能研究所具身智能部副主任张蔚敏表示，这种布局逻辑的转变，反映出训练场建设正从人才、资本驱动转向真实场景、数据供给和运营效率驱动，哪里有合适的落地场景，训练场就会布局到哪里。这种选址逻辑的调整，打破了此前人工智能产业资源过度向核心城市集中的固化格局，让不同层级城市的特色产业场景都能转化为具身智能技术迭代的有效数据来源，进一步拓展了整个产业的发展空间。

叠一件衣服、拿起一个杯子、整理一张桌子，这些人类习以为常的日常动作，对机器人而言都需要在一次次数据采集和模型训练中反复习得，每一次抓取和放置的动作都会生成轨迹、力度、成功率等不同维度的数据，这些数据经过回传、清洗、标注等流程后，就会成为下一轮模型训练的核心“养料”。大语言模型、多模态大模型依托长期积累的文字资源和海量互联网数据，已经实现了“知”的层面的跨越式发展，而具身智能面向物理世界的“行”，则高度依赖真实环境中的实际作业数据，这类数据此前从未被系统性地采集、处理和存储，直接导致具身智能产业发展面临巨大的数据缺口，具身智能训练场正是在这样的产业需求背景下应时而生。

作为一类面向具身智能研发和应用搭建的关键基础设施，具身智能训练场最初的建设目标就是填补物理世界实际作业的数据缺口，支撑具身智能数据生产、模型训练、系统应用能力验证和迭代优化。随着产业的不断发展，训练场的功能已经从最初单一的数据采集场景，逐步拓展为整个具身智能产业创新的公共底座，承担起供需对接与资源联通的“连接器”角色。广东省具身智能训练场负责人高芳表示，将具身智能训练场称为“机器人学校”，本身就蕴含着对产业发展的清晰定位，就像人类需要通过上学获取知识和技能之后才能走向社会发挥价值一样，机器人在训练场内完成基础能力训练之后，也需要对接真实的产业场景找到合适的“工作岗位”。

当前国内不少具身智能训练场都在常态化开展机器人产品与行业应用方之间的精准供需对接服务，一方面帮助机器人研发企业找到真实的落地场景，获取机器人核心大脑训练所需的各类特色资源，另一方面也帮助制造业、医疗、能源、零售等不同领域的行业用户对接适配自身场景需求的具身智能产品，大幅降低了供需双方的对接成本。这种公共底座属性的服务，直接减少了具身智能企业在场景搭建、数据采集、中试测试等环节的重复投入，有效降低了全行业的研发和中试成本，让更多中小市场主体也能参与到具身智能技术的创新迭代过程中，进一步激活整个产业的创新活力。

当前我国具身智能训练场的建设总体呈现以应用为牵引、以综合能力提升为目标的核心特征，各个训练场都在围绕工业制造、家庭服务、商业零售、医疗康养、特种应急等不同的行业场景加快布局。从场景覆盖的统计数据来看，包含工业制造场景的训练场数量最多，占全部已建成训练场的86%，家庭服务和商业零售类场景的覆盖比例紧随其后，特种应急相关行业场景的占比相对较低，仅约25%。从训练场的综合属性划分，当前综合类训练场的占比超过60%，聚焦单一行业赛道的垂类训练场占比不足20%，不同训练场的场景建设方向直接决定了后续的数据生产方向、能力训练重点和运营服务边界。

在产业发展的政策引导层面，多部门已经联合启动了人形机器人与具身智能实景实训专项行动，相关工作始终坚持应用牵引的核心原则，全力打造能够支撑机器人开展系统性训练、测试和验证的实景实训空间。此前工业和信息化部等八部门在相关专项行动实施意见中，已经明确提出要建设人形机器人中试基地和训练场，国家发展改革委也提出要以训练场和中试基地为抓手，构建高质量真机数据采集系统，破解具身智能训练长期面临的“数据饥渴”难题，国家数据局也同步部署了行业高质量数据集的相关建设工作，2024年至2026年6月期间，各地方政府已经累计发布超过40份相关政策文件，从不同维度为具身智能训练场的建设提供支撑。

针对具身智能产业规模化落地过程中面临的数据集质量参差不齐的现实难题，具身智能数据集质量要求及评估方法标准将于11月1日起正式实施，这一标准的落地将直接改变此前部分数据集建设片面追求数据规模、忽视数据实际应用价值的导向，推动整个行业的数据集建设从规模导向全面转向质量导向。此前行业内已经出现大量训练场场景集中在少数易采集任务上的情况，不少采集到的数据泛化价值有待提升，同时“可采集数据规模”并不等同于“可训练数据规模”，原始数据需要经过清洗、对齐、标注、质检等多道工程环节，任一环节效率不足都可能造成数据流转卡点，相关标准的实施将为全行业的数据生产流程建立统一的规范，有效打通数据流转的各个环节。

当前多数具身智能训练场都属于重资产投入项目，建设成本涵盖场景搭建、本体设备采购、算力部署、网络搭建、存储系统配置等多个方面，仅以部署100台人形机器人的规模计算，仅本体采购成本就可达数千万元，重资产投入的属性让不少训练场都面临商业模式可持续性的现实考验。目前大部分训练场的商业服务仍以数据产品直接出售为主，仅靠单一的数据出售收入很难覆盖前期的重资产投入，项目回本周期普遍较长，部分训练场已经开始探索模型训练验证、联合研发、测试验证等多元业务，但可持续的稳定盈利模式仍在进一步探索过程中。

除了商业模式层面的挑战，当前整个具身智能训练场行业还面临场景任务同质化、数据实际产能有限、数据多样性和流通性不足等共性问题，不同本体、不同场景、不同机构之间的数据难以互通共享，进一步制约了具身智能模型的训练效果。为了破解这些现实难题，未来具身智能训练场将逐步从单一数据出售的传统模式，向覆盖数据生产、模型训练、应用验证全链条的“训练即服务”方向转型，通过拓展多元的服务内容构建多元收入结构，最终实现训练场的可持续运营。

随着具身智能技术逐步成熟、产业应用不断深化，训练场还将在场景、数据、服务、运营、标准化等多个维度持续演进，我国具身智能训练场整体将从当前的建设热潮期向能力沉淀期稳步过渡。后续场景建设将进一步走向实景实训，训练场将从封闭的专用场地逐步延伸到真实的工厂、家庭、门店等生产生活场景，形成“中心训练场+分布式实景点位”的协同布局模式；数据生产环节将全面走向工程化，全链路向工具化、自动化方向升级，以标准化流水线替代传统的分散人工作业，大幅提升数据生产的效率和质量；数据交易环节也将逐步走向合规化，依托数据交易所等规范渠道开展数据流通，明确数据的权责边界，进一步激活全行业的数据要素价值。

(编辑：张广德)