聚焦机器人行业研究:数采,物理AI最大短板,数据基建即将爆发。据 2026 年机器人全产业链接会披露,GPT-2 和 GPT-3 的训练数据分别对应约 79 万小时和 1100 万小时,要实现可用的具身智能至少需要 1000 万小时的多模态数据,而多场景、多模态、良率、长尾数据和多参与者等因素导致实际所需的多模态数据集远超 1000 万小时,觅蜂已将目标数据采集量提升到 2030 年 100 亿小时。根据 Future Markets 数据,全球物理 AI 市场规模将从 2026 年的 3830 亿美元增长至 2040 年的 3.26 万亿美元,未来几年将步入爆发阶段。数据已成为制约物理AI 发展的关键瓶颈,数据基础设施加快建设有望带动数采产业链持续扩容。
聚焦机器人行业研究:数采,物理AI最大短板,数据基建即将爆发。据 2026 年机器人全产业链接会披露,GPT-2 和 GPT-3 的训练数据分别对应约 79 万小时和 1100 万小时,要实现可用的具身智能至少需要 1000 万小时的多模态数据,而多场景、多模态、良率、长尾数据和多参与者等因素导致实际所需的多模态数据集远超 1000 万小时,觅蜂已将目标数据采集量提升到 2030 年 100 亿小时。根据 Future Markets 数据,全球物理 AI 市场规模将从 2026 年的 3830 亿美元增长至 2040 年的 3.26 万亿美元,未来几年将步入爆发阶段。数据已成为制约物理AI 发展的关键瓶颈,数据基础设施加快建设有望带动数采产业链持续扩容。
聚焦机器人行业研究:数采,物理AI最大短板,数据基建即将爆发。据 2026 年机器人全产业链接会披露,GPT-2 和 GPT-3 的训练数据分别对应约 79 万小时和 1100 万小时,要实现可用的具身智能至少需要 1000 万小时的多模态数据,而多场景、多模态、良率、长尾数据和多参与者等因素导致实际所需的多模态数据集远超 1000 万小时,觅蜂已将目标数据采集量提升到 2030 年 100 亿小时。根据 Future Markets 数据,全球物理 AI 市场规模将从 2026 年的 3830 亿美元增长至 2040 年的 3.26 万亿美元,未来几年将步入爆发阶段。数据已成为制约物理AI 发展的关键瓶颈,数据基础设施加快建设有望带动数采产业链持续扩容。核心数据:据 2026 年机器人全产业链接会披露,GPT-2 和 GPT-3 的训练数据分别对应约 79 万小时和 1100 万小时,要实现可用的具身智能至少需要 1000 万小时的多模态数据,而多场景、多模态、良率、长尾数据和多参与者等因素导致实际所需的多模态数据集远超 1000 万小时,觅蜂已将目标数据采集量提升到 2030 年 100 亿小时;根据 Future Markets 数据,全球物理 AI 市场规模将从 2026 年的 3830 亿美元增长至 2040 年的 3.26 万亿美元,未来几年将步入爆发阶段。
本报告由国金证券发布,发布于 2026 年。
覆盖 2026 年。
本报告为付费报告,可在资料宝站内下单后获取完整内容。
重点分析了机器人、AI、基建、人形机器人等议题。