国信证券发布研报称，数据是物理AI大模型发展的关键资源，是支撑模型训练、能力涌现与智能进化的底层驱动力。当前具身数据积累以
纵观数字AI大模型的发展历程，模型能力边界的突破始终伴随着数据、算力与算法的协同演进。数据是物理AI大模型发展的关键资源，是支撑模型训练、能力涌现与智能进化的底层驱动力。具身智能领域的Scaling Law已开始获得初步实证支持，如Dyna-2在Ego第一视角人类预训练数据的实验中发现，当数据规模从千小时扩展至百万小时，模型的表现呈现明显改善趋势，为具身Scaling Law提供初步证据，预计数据需求将持续扩大。
部分基础模型厂商数字AI业务ARR增速放缓，向物理世界的延伸有望成为其拓展应用边界的重要方向，具身数据采购需求迅速增长。以GPT-6 Astra为代表的多模态通用模型持续向物理世界拓展，在具身领域展现出较强的任务理解、规划与闭环纠错能力，进一步扩大了数据需求主体。当前具身数据积累以
具身数据采集技术路线包括互联网数据、Ego第一人称数据、仿真合成数据和真实数据等类型，不同
具身智能数据产业链覆盖基础设施、数据采集、数据加工及应用等环节，具备软硬件协同、真实场景资源及持续数据交付能力的企业有望形成差异化优势。市场空间方面，展望明年，行业需求向亿小时级迈进，按数百元/小时价格测算，数据市场对应约百亿元市场空间潜力;长期看，借鉴特斯拉智能驾驶数据积累历程，在车辆持续在用、单车日均行驶1小时的假设下，测算到2024年FSDV13模型能力有明显突破时，特斯拉全球车队行驶时间测算约为60亿小时。理论上，机器人的数据复杂度远高于智能驾驶汽车，若具身智能形成类似FSDV13重大模型能力突破，则数据需求大概率超越该时长，考虑到未来数据采集成本下降，远期数据市场规模也有望超千亿元，市场空间广阔。
