数据困局
政策层面的推动力不可小觑。今年6月9日，工信部与国资委联合启动了一项专项行动，目标很明确——到年底，让人形机器人等重点产品在代表性场景里真正“干起活来”，形成万台级的落地能力。顺着这个节奏，市场普遍预期具身智能很快就会进入大规模预训练阶段。而这时候，数据就成了最卡脖子的环节，相关服务需求自然水涨船高。
国泰海通证券的研报说得更直白：现在制约具身智能泛化能力突破的最大瓶颈，就是“数据饥荒”。高质量物理交互数据的供需严重失衡，原因不光是采集环节难度大，数据工具链碎片化同样令人头疼。说白了，不是没数据，是好数据难搞到，而且搞到了也不一定能直接用。
破解之道
如祺数据这次发布的平台，思路很清晰：用一套自动化流水线去处理Ego-centric数据，核心目标是把从数据采集到训练落地的边际成本打下来，从而突破“最后一公里”的尴尬。毕竟，这类数据从拿到手到能用，中间的预处理和标注工作量极其巨大，如果每个环节都靠人工堆，效率和成本都没法看。
其实如祺出行在数据这块的布局更早。2024年就开始搭AI数据解决方案的架子了。目前，他们在广州、上海、重庆等地常态化部署了超过300辆智能驾驶采集车，每天能贡献1600小时、130TB的多模态行车和泊车数据。全国有3大服务交付基地，团队规模超过1500人，每月千万级的交付标注产能。客户名单里，小马智行、理想、腾讯等头部企业已经在列。
数据本身也说明了这块业务的成长性。2025年，以AI数据解决方案为主要收入来源的技术服务板块，录得营收1.60亿元，同比大增487.4%。这个增速，放在当下任何一个行业，都算得上是现象级的。
值得关注的是，这次发布的具身智能数据平台，更像是如祺出行在数据服务领域的一次战略延伸——从智能驾驶场景的成熟经验，向更广泛的具身智能赛道铺开。毕竟，二者在数据处理逻辑上有不少共通之处，区别只是传感器的输入形式和应用场景变了。能不能跑通，就看这套自动化流水线能不能真的把成本降下来、把效率提上去。
