人形机器人的训练数据分三类：互联网公开数据（成本低但质量差，放进去浪费算力）、仿真引擎数据（中等）、真实场景数据（成本最高，价值最大）。
真实数据怎么采集？头戴设备录制真人操作轨迹、VR手教生成运动轨迹、真机部署后持续采集强化学习数据。
但数据采集不是简单的「录下来就行」。背后还有切割、标注、清洗、多模态对齐（视觉+力觉+时序）、动作融合等工序。技术门槛远高于传统互联网数据标注公司。
判断：数据采集是伴随整个行业的长期业务，不是阶段性使命。 具身智能的多维物理交互数据，价值远超互联网的一维/二维数据。未来头部数据公司会从「卖服务」转型为拥有私有域IP的平台型企业。
真正决定商业价值的，不是机器人能不能跳高，而是能不能稳定可靠地在真实场景完成任务。而获取数据的唯一方式，就是大量部署、持续运行。
谁先部署得越多，谁积累的数据就越多，模型就越强，能力就越好，部署就更多——这是一个飞轮，比互联网时代的网络效应更深，因为物理世界的数据门槛远高于数字世界。这和消费互联网的逻辑一模一样：先有规模，才有数据；先有数据，才有壁垒。