OpenAI的具身智能研究依赖外部数据供应商提供真实世界操作数据，一批专注于数据采集与标注的公司正成为其关键上游。这些供应商通过远程操作、动作捕捉和仿真合成等方式，为机器人基础模型提供训练素材，构成具身智能产业链中容易被忽视却至关重要的一环。
详细分析
OpenAI在具身智能领域的布局正在加速，而其背后隐藏着一条鲜为人知的数据供应链。与语言模型主要依赖互联网文本不同，具身智能模型需要大量真实世界的物理交互数据——抓取、移动、装配等动作轨迹，这些数据无法简单从网上爬取，必须通过人工遥操作、动作捕捉设备或仿真环境合成来获取。这就催生了一批专业的数据供应商，它们为OpenAI等前沿实验室提供高质量的机器人操作数据集。这一现象的背景是具身智能赛道在2024至2025年间的急速升温，资本和人才大量涌入，但数据瓶颈成为制约模型能力提升的核心障碍。从行业影响看，数据供应商的崛起意味着具身智能产业链正在细分：上游是数据采集硬件与标注服务，中游是模型训练与算法开发，下游是机器人本体与应用场景。市场反应方面，专注于具身数据采集的初创公司近期融资活跃，估值攀升，部分公司已与多家头部AI实验室签订长期供应协议。竞争格局上，OpenAI并非唯一买家，谷歌DeepMind、Physical Intelligence以及中国的多家具身智能创业公司也在争抢有限的高质量数据资源，导致数据采集成本居高不下。值得注意的是，数据供应商与模型开发商之间形成了微妙的共生关系：供应商需要模型公司的需求来定义采集标准，模型公司则依赖供应商的产能和多样性。然而，这一模式也面临挑战——真实数据采集成本高昂、规模化困难，仿真数据与真实世界之间存在sim-to-real gap，且数据隐私和版权归属问题尚未厘清。长远来看，谁能掌握高效、低成本、大规模的数据采集能力，谁就能在具身智能竞赛中占据先机。OpenAI选择外部供应而非全部自建，反映其聚焦模型与算法的战略取舍，但也意味着其对上游数据伙伴的依赖度将持续加深。
具身智能的竞争表面是模型和本体的比拼，底层却是数据供给能力的较量。OpenAI把数据采集外包，短期可加速迭代，长期却可能让数据供应商成为产业链上真正的隐形赢家。
原文：量子位