机器人“实训”加速走向规模化：全国超70家具身智能训练场已启用

中国信息通信研究院18日发布的《具身智能训练场研究报告（2026年）》显示，截至2026年6月底，全国建成启用的具身智能训练场已超过70家，另有46家处于在建或规划阶段。伴随具身智能加快从实验室走向产业应用，我国正密集布局人形机器人中试基地和训练场，训练场已逐步成为具身智能产业发展的关键基础设施，并形成规模化、集群化布局。

从区域分布看，目前国内已启用和在建的训练场分布在浙江、广东、江苏、四川、北京、上海、广西、山东、湖北、天津、重庆、福建、安徽、湖南、河南、江西、河北、吉林等18个省区市，覆盖全国过半省级行政区，并形成长三角、京津冀、珠三角三大核心集群，与国内具身智能产业集群高度吻合。

为什么具身智能需要“训练场”？

与主要从文字、图片和互联网内容中学习的大模型不同，具身智能最终要在真实物理世界中完成抓取、搬运、整理、装配等具体动作。机器人能否准确理解环境、控制身体并应对现实中的各种变化，很大程度上取决于真实物理交互数据。

报告指出，视觉、动作、关节扭矩、力触觉等具身智能所需数据此前并未像互联网文本一样得到长期、大规模积累，高质量真实数据的缺失已经成为制约具身智能发展的重要因素。具身智能不仅要通过数据“理解世界”，还需要在真实环境中反复行动，从物理接触、任务失败和异常情况中学习。

报告援引相关测算称，如果未来具身智能模型达到一定参数规模，仅依靠真机回流提供训练数据，可能需要超过2万台机器人连续工作一年，才能形成千万小时级有效数据；而当前全球可用的高质量真实数据仍只有数十万至百万小时级。这也是近年来训练场快速增加的重要背景。

所谓具身智能训练场，并不只是把大量机器人集中到同一个场地。它需要在真实物理环境中同时支撑数据生产、模型训练、系统应用能力验证和迭代优化。例如，在一个模拟家庭环境中，机器人可以反复练习倒水、擦桌子、捡垃圾、叠衣服；在工业场景中，则可以围绕物料分拣、搬运、装配、质检等任务反复训练。通过调整物体位置、光照、人员干扰、指令和任务难度，训练场还可以主动制造机器人容易“出错”的环境，形成“模型评测—失败分析—定向补采—再训练—再验证”的迭代闭环。

相较于直接进入工厂、商超、医院或家庭进行测试，训练场也为机器人提供了一个试错成本更低、测试频率更高的过渡空间。报告指出，在部署到真实客户现场前，训练场可以提前复刻典型行业场景，对机器人的任务成功率、执行效率、稳定性、安全性和场景适配性进行验证。

三大集群形成，长三角建设最密集

元股证券:ygzq.hk

从目前布局看，长三角是国内具身智能训练场建设最密集的地区。

报告统计，上海的龙头企业和产业资源正在带动江苏、浙江、安徽等地同步建设，上海人形机器人麒麟训练场、智元机器人数据采集工厂、银河通用苏州具身智能数据采集中心、杭州市人形机器人中试基地、合肥市具身智能机器人数据采集预训练场等项目总占地面积已超过7万平方米。

京津冀则更多依托北京科研资源形成从基础研发到场景落地的推进链条。北京石景山区梯度建设三期人形机器人训练场，总面积超过1万平方米，数据年产量近千万级；天津帕西尼具身智能数据采集工厂面积达到1.2万平方米，数据年产量预计达到数亿条。北京通州、朝阳以及河北石家庄、保定等地也已有训练场布局。

珠三角则呈现出鲜明的制造业和应用场景驱动特征。目前广州、佛山、深圳、珠海、东莞、惠州等地均有训练场建设。其中部分项目聚焦工业巡检、清洁等垂直应用，也有训练场同时布局多种通用场景。

工业制造场景最多，占比达86%

训练场不断增加的同时，“机器人应该在哪里训练”，也正在形成较为清晰的答案。

报告统计，目前在3类以上行业、多个细分场景同时开展建设的综合类训练场占比超过60%，面向单一行业、深入多个细分场景的行业垂类训练场占比不足20%。同时包含“工业场景、家庭场景、商业零售”三类场景的训练场，占全部综合类训练场的44%，反映出当前训练场建设仍较为重视数据的通用性和机器人跨场景泛化能力。

进一步看，工业制造已经成为目前训练场布局最集中的应用方向。在已披露场景中，包含工业制造场景的训练场占比达到86%，家庭场景和商业零售分别为62%和60%，医疗康养约为30%，特种应急约为25%。

工业场景之所以率先形成较大规模，与现阶段机器人能力和产业需求密切相关。相较于家庭等高度非结构化环境，生产制造中的物料分拣、搬运、装配、质检等任务边界相对明确，环境更可控，也更容易形成稳定、重复的数据采集流程。

报告显示，目前物流仓储、物料搬运等任务已经占到已披露工业制造场景的近40%。北京石景山人形机器人训练场还原了智能生产线和汽车车间等实际作业环境，一些工业数据采集与实训中心则直接模拟工厂物料分拣、电动汽车检测、电池电芯装包等场景。

家庭和商业服务则成为下一步重点拓展方向。家庭场景中，机器人需要面对物体种类多、空间布局变化大、任务链条较长等问题；商业零售则进一步延伸至商超、餐厅、办公等环境，包括理货、补货、导览、制作咖啡、送餐、文件派送等具体任务。

训练场开始走出一线城市

与传统人工智能产业高度集中于北京、上海、深圳等创新资源密集城市不同，具身智能训练场正在出现另一种空间分布趋势。

报告指出，目前训练场已逐步向三线、四线乃至五线城市延伸。这意味着训练场的选址逻辑，正在从单纯依赖人才和资本集聚，转向更加关注真实应用场景、数据供给能力和运营效率。

一方面，工业制造、物流仓储、商业服务等机器人的潜在应用场景本身就大量分布于非一线城市，且这些地区的场地租赁、场景改造和数据采集成本相对较低，更适合长期、规模化开展真实数据生产。

以东莞为例，当地已经形成电子制造、模具注塑、家具制造、现代物流等产业集群，为机器人提供大量能够被复刻和训练的真实任务场景。报告认为，随着具身智能逐渐进入产业落地阶段，“场景在哪里，训练场就可能向哪里延伸”。与此同时，多地也希望以训练场为切入点，带动机器人研发测试、数据服务、装备制造等上下游产业集聚。