随着人工智能技术范式的迭代升级，具身智能对数据的需求已发生结构性转变，数据的质量、广度和多样性比规模更为关键。具身智能数据有三大特点：一是场景适应性，机器人系统需应对家庭护理、工业制造、医疗救援等多元应用场景，数据集必须覆盖多个领域，如服务机器人的训练数据需涵盖物体识别、语义理解、空间导航等跨模态任务。二是本体感知复杂性，不同形态的机器人（人形机器人、四足机器人、无人机等）搭载的传感器阵列存在显著差异，导致数据采集维度呈现高度异构性，如工业机器人侧重力反馈数据，而医疗机器人则需高精度生物信号采集。三是决策鲁棒性，在动态物理环境中，具身智能系统通过强化学习等技术实现从感知到执行的闭环优化，要求训练数据具备足够的真实场景覆盖度与环境干扰模拟。

  具身智能数据产业前景广阔。多个相关预测显示，未来全球具身智能部署量将超过100亿台，彼时单凭基础的数据投入就可能形成总规模达十万亿美元的庞大市场。此外，具身智能数据的价值并不仅限于设备与训练本身，还将通过多种衍生机制放大。但目前具身智能数据面临复杂性与“孤岛”挑战。一方面，具身智能所产生和使用的数据呈现出高度多样化和复杂化特征；另一方面，“数据孤岛”现象导致大规模、多源异构数据难以形成合力。

  在基础数据投入与数据衍生服务的结合之下，具身智能数据产业有望形成一个覆盖产业链上下游、广泛影响各个行业的全新经济生态，上海应从以下五方面推动具身智能数据产业发展。其一，强化顶层设计，构建制度创新框架。其二，完善基础设施，夯实数据底座。一方面，搭建具备兼容性、自动化和可扩展性的具身智能数据采集平台，通过多种采集设备和跨场景的数据收集手段，保证信息的广度与多元性；另一方面，搭建基于仿真环境的具身智能数据生成平台，通过仿真及合成技术，不断衍生并扩展数据规模与深度。其三，聚焦标准建设，破解数据流通壁垒。其四，深化产权改革，加速数据资产转化。其五，创新交易机制，培育要素流通市场。