国金证券发布研报称，数采服务是整个数据采集产业订单可见度最高，现金流最稳定的环节，龙头公司将持续受益于供需缺口的放大和路线收敛带来的格局集中。短期关注具备订单、产能和交付能力的数采服务商，中长期优选能够将数据处理平台化，并向模型评测、后训练及部署回流延伸的公司。重点关注三类公司：拥有传统AI数据服务经验的传统龙头;以仿真资产为底座，构建软硬件一体平台的仿线)布局“数据—仿真—训练—迁移—场景”闭环的全流程平台。

　　数量：行业预计成熟具身大模型所需数据至少为千万小时级，进一步迈向通用智能则可能需要亿小时量级，而当前行业高质量训练数据仅数十万至百万小时，供需缺口约90%。质量：物理AI需要建立任务指令、环境观测、机器人状态、控制动作与执行结果之间的时序关联，数据既要包含

　　真机、无本体和仿真的路线分歧，本质是精度和规模的平衡。真机拥有最高的精度，无本体拥有最快的规模提升速度，仿真则拥有最广阔的发展潜力，该行预计混合数据类型将成为具身模型的主流训练方式。供给的缺口与尚未收敛的技术催生众多玩家入局，从商业范式看，数采设备和服务的商业模式最为清晰，数据资产及平台SaaS则更具长期潜力。

　　基模能力提升对于具身数据公司的边界是冲击也是重定义。市场对于具身数据公司最大的分歧之一在于：如果通用模型持续改善，独立具身数据公司是否会被降维打击。该行认为，通用模型能力圈在于“理解指令、拆解任务、调用技能”，精密任务能力尚不足。GPT在精密操作组成功率仅为4.0%，而对照组DM0.5为16.75%。具身数据公司具有丰富的物理信息资产，其核心壁垒体现在切换更强基模后，公司的数据与服务的额外边际增益。

　　数据公司的产品不是而是训练资产。丰富的物理信息、完整的数据处理能力以及持续优化的训练反馈是构建数据资产的核心。训练数据在多样性与策略在未见环境下的泛化表现大致呈幂律关系，以DROID项目为例，加入多场景外部数据后模型在分部内和未见场景下的表现平均提升22PP和35PP，泛化能力得到显著提升。

　　长期看，数采服务公司的长期护城河来自场景入口、评测闭环和复用能力。中长期最有价值的公司，往往是掌握部署网络或深度嵌入部署流程的公司。其数据

　　特别

　　25岁空姐闪嫁60岁富豪老公，婚后每月51次夫妻生活，直到她夜里忽然晕倒被送去医院，医生轻声问她：你清楚你老公的线年干到年薪五六十万，张雪：他的股份估值将上亿，你们大学生起点都比他高，还怕什么，“我自己的开局是一把扳手”

　　苹果官网上线Apple智能国行版页面！兼容设备表公布：iPhone 15 Pro以上都能用