人形机器人产业化进程正从硬件瓶颈转向数据驱动。野村证券最新报告指出，数据已成为规模化部署的“关键零部件”，其稀缺性与价值分层将重塑行业竞争格局，而灵巧手的技术突破则是商业化落地的最后一道门槛。 据野村证券7月5日发布的中国机器人行业报告，Figure AI首席执行官的表态印证了数据的重要性：“阻碍大规模部署的最大障碍就是数据，我们需要海量数据。”野村估算，在年出货量约10万台的情景下，行业年度数据需求约达1000万小时。 报告将人形机器人训练数据划分为四个层级，呈现显著的量价分化格局： – 无实体数据（Ego/UMI）：占总时长40%-50%，单价约100-300元/小时，2026年可寻址市场约10-15亿元； – 真机遥操作数据：占总时长约30%，单价约500-1000元/小时，子市场规模约22-25亿元，是价值最高的数据类别； – 故障恢复数据：单价约400-500元/小时，目前占比低个位数，但稀缺性高； – 仿真/合成数据：成本最低，约50元/万帧，市场规模约5-6亿元。 从资金面看，遥操作与故障恢复数据是近期最稀缺、利润率最高的层级，而Ego/UMI数据则是增速最快的体量池。这种“底部廉价合成、顶部稀缺真机”的分层价格结构，将决定哪些供应商能构建持久的竞争护城河。 野村强调，覆盖数据采集、传输、评估、训练、部署与调试全流程的软硬件闭环，是纯数据服务商最具防御性的商业模式。单纯的数据即服务（DaaS）模式虽可快速变现，但缺乏评估或“大脑级”能力的供应商将面临下游整机厂商垂直整合风险。闭环模式能持续积累第一方场景数据、故障样本及部署遥测数据，构建真正的数据增强循环与经常性收入。 从技术面看，灵巧手的成熟度直接决定商业化时间表。目前，仿真数据虽成本最低，但无法单独替代真机数据，Physical Intelligence、英伟达等厂商的公开披露也印证了这一点。 展望后市，随着人形机器人从实验室走向量产，数据服务商与整机厂商的竞合关系将加速演变。具备闭环能力的数据供应商有望在估值修复中率先受益，而灵巧手技术的突破则可能成为板块轮动的催化剂。