当宇树、智元等机器人企业密集完成大额融资，当字节、小米、OPPO、vivo等科技巨头布局具身智能赛道，一个更上游的产业环节正在悄然崛起——垂类AI数据。
机器人用什么数据训练？与大模型可抓取互联网文本不同，具身智能的数据必须来自物理世界的真实交互，涉及视觉、触觉、力觉、语音等多模态同步采集。遥操作、UMI、Ego视角、仿真合成等技术路线彼此割裂，数据格式与标准无法互通。机器人企业做模型迭代时，面临的不是算法问题，而是没有足够好的燃料。这是具身智能从实验室走向量产的阻力。
在AI数据领域，通用数据与垂类数据的区别，堪比百科全书与专业教材。
业内人士对记者介绍，具身智能的垂类数据具备三大不可替代性：场景针对性、物理精确性、安全与合规，然而供给侧面临三重困境：采集成本高昂、处理流程复杂、标准严重缺失。产业共识是，垂类AI数据正在成为具身智能产业链中最“卡脖子”环节。
在此背景下，一些典型的数据服务商正在崛起。以二向箔数字智能科技有限公司（以下简称“二向箔”）为例，已服务字节、小米、OPPO、vivo及多家头部机器人企业，在手订单持续增长，被视为推动具身智能从实验室走向规模化量产的关键数据基础设施。
从数据赛道来看，已经分化为不同路线。其一，数据标注公司，这是多数数据公司采用的传统模式；其二，垂类场景的理解与全栈技术能力，二向箔为其中代表，这需要在技术、服务和人才等方面形成独特壁垒。
垂直AI数据赛道崛起背景下，上市公司也在争相布局。二向箔的发展获得了港股上市公司万咖壹联（HK1762）（1762.HK）旗下全资子公司玩咖控股的战略加持。
玩咖控股于2024年与二向箔展开深度合作，基于对行业发展趋势的精准研判，双方围绕高质量数据采集、标注及训练等核心环节开展协同创新。2025年11月，玩咖控股正式参股二向箔，标志着双方合作从业务协同升级为资本绑定，进一步巩固了在具身智能数据领域的战略纵深。此次参股将整合双方在算法、算力与行业资源上的优势，加速具身智能数据技术在多领域的商业化应用，也意味着上市公司正在将数据能力延伸至AI产业变革的最前沿。
有接近小米的人士对记者表示，具身智能的真正爆发，或许还需等待量产节奏提速与场景规模化验证。可以确定的是，无论哪几家企业最终跑出来，都需要高质量的垂类AI数据，这是整个产业共同的基础设施需求。
