全球真实物理交互数据仅约50万小时，而训练通用具身模型至少需要千万小时，缺口超过99%。这个缺口催生了三条数据路线：本体厂商自采（智元、千寻，优势是硬件反哺数据）、独立数据服务商（光轮智能，靠高复售率变现）、互联网大厂众包（京东60万人采集网络，边际成本趋近于零）。三路人马同台竞技，但一个残酷事实是——近七成数采工厂已停运，原因很简单：单有效小时成本500-1000元，数据却同质化严重，只能做抓取、分拣、开门三件事。

2026年2月，英伟达 EgoScale 论文抛出一枚深水炸弹：用20,854小时第一人称人类视频训练VLA模型，验证了数据规模与验证损失之间的对数线性关系——具身智能版Scaling Law首次被实证。这直接引爆了行业对『人类数据』的抢购，光轮智能、星忆科技等公司估值数月翻倍。在此之前，行业主流依赖真机遥操（单有效小时成本500-1000元）和仿真合成（虚实差距巨大）；EgoScale之后，第一视角人类视频成为新的『标准燃料』，源头价格水涨船高。

2025年中，Meta以近150亿美元收购数据标注巨头Scale AI 49%股份，将其估值推至290亿美元。这笔交易震动了硅谷和北京：一家做数据标注的公司，估值追上了百度。支持者认为这印证了『数据公司可以讲出独立的资本故事』；反对者则指出，Scale AI的终局是被大模型巨头『收编』而非独立IPO，创始人Alexandr Wang亲自去Meta掌舵超级智能实验室，本质上是一场『技术人才收购』。同一笔交易，投资人看到数据壁垒，创业者看到天花板。

具身数据赛道想要从资本盛宴走向独立IPO，起码要过三关：数据标准化（格式、标注、物理参数形成行业共同语言）、数据有效性（能不能在真实机器人上提升成功率）、商业模式闭环（能否跨客户、跨任务、跨本体复用）。当前头部公司如光轮智能已实现高复售率，但大量尾部工厂停运，根源就是数据『绑死本体，换台机器就得重训』。云道资本判断，数据会贬值、会变老，持续生产数据的能力比数据本身值钱——只卖数据、离客户太远的公司，撑不过2027年的压力测试。

Scale AI近150亿美元『卖身』Meta而非独立上市，给数据赛道投下一道长长的阴影。具身数据公司讲着SaaS的叙事（同一份数据卖给多个客户）、背着重资产的成本（设备+场地+人力），毛利结构和软件公司完全不同。真正值得追问的不是『数据公司值不值钱』，而是：有没有可能跑出一家像Palantir那样以数据服务为内核、以项目制为外壳的独立上市公司？答案藏在头部公司的跨本体复用率和季度复购率里——这几项数据，目前还没有任何一家具身数据商愿意公开披露。