当前，具身智能从实验室走向产业现场，数据成为决定技术能否“跑起来、用得稳、落得下”的关键要素。
业内普遍反映，具身智能所需的数据不仅要“多”，更要“真”“全”“一致”，既要覆盖复杂物理环境，又要能支撑模型在不同任务、不同场景中迁移泛化。
然而，现阶段数据供给仍存在明显短板：标准不统一、采集成本高、场景覆盖碎片化、合规流通链条不完善，成为制约具身智能规模化应用的重要瓶颈。
问题在于，传统数据范式对具身智能的支撑存在结构性不匹配。
一方面，互联网文本与图像数据擅长表达知识与语义，却难以直接映射真实物理世界中的操作序列、力学约束与时序决策；仿真数据可快速生成，但与真实环境在摩擦、形变、遮挡等细节上存在差异，导致“仿真到现实”的迁移成本较高；遥操作真机数据虽然更接近真实，但采集通常以单次任务为主，长时序、全流程数据不足，且不同主体、不同设备、不同标注方式带来一致性难题。
另一方面，具身智能涉及人机交互、工业生产与公共安全等多场景，对数据安全、隐私保护、采集边界和使用规范提出更高要求，进一步抬高了可规模化供给的门槛。
在此背景下，上海库帕思科技与它石智航宣布达成战略合作并举行签约仪式，明确将从三方面推进合作：其一，联合推动具身数据标准研制；其二，共建覆盖垂直行业的高质量具身智能语料库；其三，共建“具身数据星火计划”，探索产业级数据共享生态。
双方提出以Human-centric（生产伴随式）数据为核心，即以真实场景下人类完成任务的操作流程数据为基础，形成更贴近具身智能“理解—决策—行动”闭环的数据形态，以弥补传统数据在一致性与可泛化性方面的不足。
原因层面看，具身智能数据标准缺位是行业共性问题。
不同机构在采集设备、数据结构、标注体系、质量评估与安全合规要求上各自为政，导致数据难以互认互通、复用成本高。
加之具身数据天然包含时序、动作、力反馈、环境状态等多模态信息，其标准化难度显著高于单一模态数据。
此次合作以标准为先，意在通过统一的数据格式、采集流程、质量指标与合规规则，降低跨机构、跨场景的数据使用摩擦，为后续规模化数据生产与流通奠定基础。
影响方面，垂类语料库建设有望成为具身智能从“能演示”走向“能生产”的关键支点。
与通用数据相比，垂直行业更强调任务边界清晰、流程可验证、风险可控。
通过在工业制造、物流仓储、服务业等典型场景沉淀高质量语料，可提升模型在特定任务上的成功率、稳定性与可解释性，形成可复制的落地路径。
同时，低成本、可合规获得的数据供给，将有利于扩大创新主体参与度，带动上下游在传感器、机器人本体、软件平台与行业解决方案等环节协同创新。
对策层面，“具身数据星火计划”提出构建安全、合规、高效的数据共享生态，目标指向更大规模的数据流通。
具身数据的产业化并非单点突破，而是需要形成覆盖采集、清洗、标注、评测、存储与共享的完整链条，并在合规框架内实现跨主体协作。
通过建立统一规则与平台化机制，有望降低数据采集与使用成本，提升行业协同效率，释放数据要素价值。
值得关注的是，数据共享并不等于无边界流通，未来仍需在权限管理、脱敏处理、审计追溯与责任界定等方面形成可操作的制度安排，才能真正实现“能共享、敢共享、可持续共享”。
从合作主体看，库帕思定位为语料数据平台型企业，强调为基础模型、垂类模型及创新主体提供低成本、高质量的数据服务；它石智航则强调全栈技术能力与数据基础设施建设能力。
双方提出以“需求牵引”与“技术驱动”形成闭环，意在让数据生产更贴近产业真实需求，让技术路线在场景验证中快速迭代。
双方相关负责人亦表示，将关注任务长时性与完整性等关键指标，推动具身数据标准化与规范化建设，并以语料库与共享计划为抓手，促进产业有序发展。
前景判断上，随着具身智能进入应用深水区，数据将与算力、算法同等重要，甚至成为决定产业边界扩张速度的“先导变量”。
标准体系的建立、垂类语料库的沉淀以及共享生态的形成，将有助于降低行业试错成本，推动具身智能在更多真实生产场景中实现规模化部署。
但也应看到，具身数据牵涉多方利益与安全边界，行业仍需在数据确权、合规审查、质量评估与跨平台互操作等方面持续完善治理能力，避免“数据堆积”替代“有效供给”。
具身智能作为人工智能发展的重要方向，其成败在很大程度上取决于数据的质量与规模。
库帕思与它石智航的战略合作，通过推进数据标准制定、建设高质量语料库、共建产业级数据共享生态，为具身智能产业的规范化发展探索了新的路径。
这一合作不仅体现了产业界对数据标准化的共识，更预示着具身智能产业正在从技术探索阶段向规模化应用阶段迈进。
随着"具身数据星火计划"的推进，中国具身智能产业有望在数据基础设施建设上实现新的突破，为实体经济的智能化转型提供有力支撑。