国家数据局表示将适时推动具身智能数据标准建设并指导地方开展相关工作，但尚未公布具体标准草案、时间表或征求意见安排。业界关注标准如何覆盖数据格式、质量评估、采集安全与共享机制，以及未来与现有工信部标准和地方训练场的衔接。
中国国家数据局表示，将适时推动具身智能数据标准建设，并指导地方数据系统有序开展相关工作。这一表态显示，围绕机器人训练和应用所需数据的基础设施与规范建设，正在进入更明确的政策布局阶段；但截至目前，官方尚未公布具体标准草案、强制性时间表或公开征求意见安排。
国家数据局网站发布的消息称，9月10日，国家数据局党组书记、局长刘烈宏主持召开具身智能座谈会。中国科学院自动化研究所、北京通用人工智能研究院，以及光轮智能、京东集团、深度机智、石景山人形机器人数据训练中心、星海图、自变量、北京人形机器人创新中心等机构和企业代表参加了会议。国家数据局党组成员、副局长夏冰出席会议。
官方将这次座谈会的主题概括为“数据赋能具身智能发展”。国家数据局表示，具身智能产业正在发展，并呈现出明显的数据驱动特征，对高质量、多样化、大规模数据的需求持续增长。该局将加强科学布局和发展引导，适时推动相关数据标准建设，指导地方数据系统开展工作，同时支持企业增加数据资源投入。
这是一项政策布局，而不是已经生效的标准
从现有公开信息看，国家数据局的表述重点在于“推动”“指导”和“支持”，并没有宣布一套已经发布或正式生效的具身智能数据标准。官方消息也没有披露标准的具体章节、适用范围、强制性程度或实施日期。
因此，现阶段更准确的理解是：监管部门正在围绕具身智能数据的生产、整理、流通和使用展开政策准备，并试图把地方数据系统、科研机构和企业纳入同一发展框架。至于未来标准会更侧重数据格式、质量评估、采集安全、标注规范，还是数据合规与共享机制，仍需等待后续文件确认。
这一点也解释了为什么此次座谈会的参与者既包括科研机构和机器人企业，也包括数据企业及人形机器人数据训练中心。具身智能模型需要处理的不只是文本或图像，还包括机器人在真实环境中看到的画面、采取的动作、受到的反馈，以及任务完成过程中的连续状态。不同硬件、场景和采集方式之间如果缺乏统一规范，数据能否被整合和复用，可能成为产业规模化发展的限制因素。
具身智能竞争正在转向数据供给能力
与主要依赖互联网文本和静态图像的模型不同，具身智能系统必须在物理环境中学习。机器人需要通过视频、传感器读数、动作轨迹和人类示范，逐步建立对空间、物体、力度和任务顺序的理解。数据的多样性和质量，直接影响模型能否从实验室演示迁移到工厂、仓储或家庭环境。
《The Next Web》在相关报道中援引行业估计称，具身智能基础模型可能需要约1000万小时的真实训练数据，而全球目前可获得的高质量数据规模在10万至100万小时之间。报道还称，中国已有超过70个具身智能训练场在运行，覆盖一半以上的省级地区，另有46个训练场处于规划或建设阶段。这些数字来自二手报道和行业估计，并非此次国家数据局公告公布的官方结论，不能与官方政策表述混为一谈。
报道还指出，中国的训练场主要集中在长三角、京津冀和珠三角，并有相当一部分面向工业制造。若这些训练场能够持续产生结构化、可复用的数据，统一的数据质量和交换标准将可能影响训练成本、模型迭代速度以及不同机器人平台之间的迁移效率。
The Next Web：China’s embodied AI data push highlights the gap with Europe
中国已有相关标准化工作，但政策层级和范围需要区分
国家数据局此次表态并不是中国具身智能标准化工作的起点。新华社2月报道，人形机器人与具身智能标准化年会发布了《人形机器人与具身智能标准体系（2026版）》，该体系覆盖基础共性、类脑与智算、肢体与部组件、整机与系统、应用、安全伦理等部分，目标是为相关产业提供全产业链、全生命周期的标准化框架。
此外，深圳市政府网站转引《人民邮电报》的报道说，工业和信息化部已批准发布《人工智能 关键基础技术 具身智能数据集质量要求及评估方法》，计划于2026年11月1日实施。该文件涉及的是具身智能数据集的质量要求和评估方法，属于已经公开报道的标准化进展；它与国家数据局此次提出的更广泛“数据标准建设”并不等同，也不能据此推断国家数据局已经公布了完整的数据标准方案。
这种区分很重要。行业标准、标准体系和主管部门提出的政策布局，可能处于不同的制度阶段，适用范围也可能不同。未来如果国家数据局公布更具体的指导文件或标准草案，才能进一步判断其与工信部相关标准、地方训练场建设以及企业数据平台之间如何衔接。
行业需要的不只是更多数据，也需要更可用的数据
机器人企业面临的核心问题并非简单地把数据量做大。真实世界数据往往存在传感器型号不同、动作标签不统一、任务定义不一致和场景覆盖不足等问题。某个机器人平台上采集的抓取数据，未必能直接用于另一种机械臂或人形机器人；在受控环境中完成的动作，也未必能够代表工厂或家庭中的复杂情况。
这也是为什么，具身智能领域的开源工具和训练框架开始把数据采集、仿真、评估和部署反馈连接起来。AIFlux此前报道的 Gemini Robotics 2展示了不同机器人本体、视觉语言行动模型和本地设备适配之间的结合；而 LeRobot v0.6 的闭环机器人学习工具链则把部署失败、奖励模型和训练数据回收放在同一流程中。这些技术路径共同说明，数据标准最终需要服务于模型训练和实际部署，而不仅是建立一套形式上的目录或格式。
后续应关注哪些具体动作
国家数据局下一步是否公布标准建设的牵头单位、工作机制和时间安排，将决定此次座谈会是停留在方向性表态，还是转化为可执行的行业政策。还需要观察地方数据系统是否会启动试点，以及企业和科研机构能否在数据采集、授权、隐私保护和跨平台复用方面形成更明确的规则。
目前可以确认的是，中国监管部门已经把具身智能数据供给和标准化建设放入政策视野；可以合理推断的是，未来的工作可能会同时涉及数据质量、采集流程、标注体系和安全合规；但具体标准内容、实施边界和企业义务，仍未由官方公开说明。
因此，这次消息的意义不在于一套新标准已经落地，而在于数据基础设施正在成为具身智能政策讨论的重点。对于机器人产业而言，下一阶段的竞争可能不仅是模型参数、硬件性能或演示效果的竞争，也将是能否持续获得高质量真实世界数据，以及能否让这些数据在不同系统之间可靠流动的竞争。
彭博社：China’s Data Regulator Plans Standards Push for Embodied AI
注：国家数据局官网页面按中国时间发布于2026年9月13日；彭博社页面显示的发布时间为美国东部时间2026年9月12日晚上11时29分。两者对应同一场座谈会及同一份官方声明。