在任何一个正在从技术验证走向商业化的行业里，最重要的判断往往不是"技术能不能做到"，而是"规模化的真正瓶颈在哪里"。

对于人形机器人产业，野村证券给出了一个与市场主流叙事存在显著差异的判断：阻碍这个行业走向大规模部署的，不是硬件，而是数据。

Figure AI的CEO已经以最直白的方式确认了这个判断："阻碍我们从当前阶段走向大规模部署的最大障碍就是数据，我们需要海量数据。"

野村的报告，是对这个判断的系统性量化和产业链解构。

1000万小时：这个数字揭示了什么

野村估算，在年出货量约10万台的情景下，行业年度数据需求约达1000万小时。

这个数字，需要被放在具体的背景里才能感受到它的量级。

人形机器人的学习方式，与大语言模型依赖互联网文本数据有根本性的不同。文本数据可以从互联网上大规模抓取，成本极低，规模扩展相对容易。但机器人所需要的数据，是物理世界中的交互数据：机械臂如何抓取不同形状和重量的物体，手部如何在狭窄空间内完成精细操作，机器人如何在遭遇障碍时调整步态。这类数据，必须通过真实的物理操作来产生，无法被简单地从其他来源迁移。

1000万小时的年度数据需求，意味着整个行业需要建立一套规模庞大的、持续运转的数据生产基础设施。 这不是一次性的建设投入，而是一个随着机器人出货量增长而持续扩大的需求，而这个需求的存在，正是数据成为真正护城河的根本原因。

四类数据的量价分化：产业链的商业逻辑

野村将人形机器人训练数据划分为四个层级，这个分层本身就是理解整个数据产业链竞争格局的核心框架。

第一层，无实体数据，包括第一视角视频和通用操作接口数据，占总时长的40%至50%，但单价仅约100至300元每小时。这类数据规模最大，成本最低，获取门槛也相对最低，对应2026年可寻址市场约10亿至15亿元，是数据层级里竞争最充分的一个层次。

第二层，也是价值最高的层次，是真机遥操作数据。 单价约500至1000元每小时，规模约达22亿至25亿元。遥操作数据的高价值，来自其不可替代性：它是由人类操作员实时控制真实机器人执行任务时所记录的数据，包含了最真实的物理交互信息、最自然的人类操作直觉，以及最复杂场景下的应急决策。这类数据的采集，需要专业的设备、经过训练的操作员，以及足够密集的场景覆盖，任何一个环节的短板都会影响数据质量。

仿真合成数据，虽然成本最低，可以在虚拟环境中大量生成，但野村明确指出：它无法单独替代真机数据。仿真和现实之间存在一个被称为"仿真到真实迁移差距"的根本性问题，机器人在仿真环境中学到的技能，在接触真实物理世界时往往需要大量的真实数据微调才能稳定运行。这意味着仿真数据只能作为真机数据的预训练辅助，而无法取代它。

这个层级结构，决定了数据产业链的竞争逻辑：规模大但价值低的数据层，会成为充分竞争的市场；而真机遥操作数据这个价值最高的层次，将成为少数拥有规模化真机采集能力的企业的核心护城河。

"闭环方案"：最具防御性的商业模式

野村报告中最值得关注的产业判断，是关于什么样的商业模式具有最高的竞争防御性。

报告明确指出：能够打通数据采集、传输、评估、训练、部署与调试全链路的"闭环方案"，将是纯数据服务商最具防御性的商业模式。

这个判断，揭示了一个在AI和机器人行业普遍适用的竞争原则：在数据驱动的行业里，真正的护城河不是拥有大量数据，而是构建一套让数据持续产生、持续优化、持续提升模型性能的闭环系统。

一家只能提供原始数据采集服务的公司，其商业价值会随着竞争者的进入而被侵蚀，因为数据采集本身是一个相对容易被复制的能力，进入门槛主要是设备和人力成本。

但一家能够构建完整闭环的企业，其竞争优势会随着系统运转时间的积累而不断加深：采集的数据越多，模型优化效果越好，部署的机器人性能越强，产生的新数据越高质量，形成一个自我强化的飞轮。

这与特斯拉在自动驾驶领域的竞争逻辑高度相似： 特斯拉之所以在自动驾驶数据上具有其他竞争者难以追赶的优势，不只是因为它拥有数百万辆在路上行驶的汽车，更是因为它构建了一套完整的数据采集、处理、标注、训练和部署闭环，使得每一辆特斯拉的行驶都在为下一代自动驾驶系统的改进提供贡献。人形机器人领域的数据护城河，将以类似的方式被建立。

灵巧手：商业化时间表的真正决定因素

野村报告的第二个核心判断，是关于灵巧手技术对商业化时间表的决定性影响。

报告指出的核心技术矛盾是："尺寸越小、传感器越装不下"。

灵巧手需要在极其有限的空间内，集成高密度的传感器来感知力度、位置和触觉，同时要保持足够的机械强度和灵活性来执行精细操作。这个空间约束，是一个纯粹的物理问题，不是算法或软件可以直接解决的。随着手掌尺寸减小，可以容纳的传感器数量和种类就会减少，触觉感知精度就会下降，而缺乏足够精确触觉反馈的机械手，在执行需要微妙力度控制的任务时，成功率就会不稳定。

这个技术约束，直接决定了两个关键场景的商业化时间表：

工业场景，野村预测突破期在2027至2028年。工业场景对灵巧手的要求相对集中，主要是能够执行标准化的装配、搬运和检测任务，对环境的多样性要求相对有限。在这个场景下，即便灵巧手的技术还不够成熟，通过任务设计的精简化和场景的标准化，可以在一定程度上弥补技术短板。

家庭场景，则要等到2030年后。家庭环境的多样性，远超工业环境的标准化程度：不同重量和材质的物体、不同布局的厨房和浴室、与老人和儿童的安全互动，这些场景对灵巧手的要求，需要一个在尺寸、感知精度和可靠性上都达到更高水平的技术成熟度，而这个成熟度的实现，按照当前的技术进步节奏，需要相对更长的时间。

这两个时间节点，对于理解人形机器人投资的节奏至关重要。 它意味着工业场景的商业化，将在未来两到三年内开始真正形成规模，而家庭场景的大规模落地，还需要更多的耐心。这是一条渐进的、由技术成熟度严格约束的商业化路径，而不是一个可以被资本热情所加速的过程。

重新理解人形机器人的投资逻辑

把野村的这两个核心判断放在一起，会对人形机器人产业链的投资逻辑产生一个重要的认知调整。

此前市场的主流叙事， 是以硬件为核心：哪家公司的执行机构最先进，哪家公司的制程技术最成熟，哪家公司的整机成本下降最快，这些是市场评估机器人公司竞争力的主要维度。

野村的报告， 提供了一个更完整的视角：在硬件维度之外，数据采集和管理能力，以及数据闭环的构建能力，将是决定哪些公司能够在人形机器人商业化真正到来时建立持久竞争优势的关键因素。

这意味着，那些早期就布局真机遥操作数据采集能力、能够构建数据闭环方案的企业，可能比那些单纯在硬件维度领先的企业，更能在这个行业的长期竞争中占据有利位置。

一个正在从0到1的行业，其最终的竞争格局，往往由那些今天看起来不是最显眼的能力所决定。

数据，可能就是人形机器人的这种能力。