在人形机器人从实验室走向工厂车间的关键阶段，产业的核心瓶颈正在发生转移。野村证券在7月5日发布的最新行业报告中明确指出，数据已取代硬件，成为制约人形机器人规模化部署的“关键零部件”。这一判断得到了Figure AI首席执行官的呼应，他直言：“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。”
野村给出了一个量化概念：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。这背后是一个正在快速成型的训练数据市场，而该市场内部呈现出鲜明的价值分层。
报告将人形机器人训练数据划分为四个层级，各层级在价格与体量上差异显著。处于金字塔尖的是真机遥操作数据，它要求人类操作员远程控制机器人执行任务以采集高质量动作数据，单价高达500至1000元人民币/小时，对应子市场规模约22亿至25亿元人民币，是价值最高、利润最丰厚的细分领域。其次是故障恢复数据，单价约400至500元人民币/小时，但由于多数厂商尚未打通从部署到反馈的闭环，目前占比极低。
体量最大的是无实体数据，包括第一视角视频等，占总时长的40%至50%，但单价仅约100至300元人民币/小时。处于最底层的仿真/合成数据成本最低，约50元人民币/万帧，市场规模约5亿至6亿元。野村强调，仿真数据是真实数据的“力量倍增器”而非替代品。报告引述英伟达的案例称，其合成动作流水线使GR00T N1真机性能较纯真机训练提升约40%，但无法单独支撑起完整的训练体系。
这种“底部廉价合成、顶部稀缺真机”的分层结构，决定了数据服务商的竞争壁垒。野村认为，能够打通数据采集、传输、评估、训练、部署与调试全流程的闭环方案，是纯数据服务商最具防御性的商业模式。单纯的“数据即服务”模式虽能快速变现，但缺乏评估和“大脑级”能力的供应商，极易被人形机器人整机厂商垂直整合。
报告的另一大核心判断是，灵巧手的技术成熟度直接决定商业化落地的时间表。当前灵巧手市场面临一个根本性矛盾：手部形态越接近人手尺寸，数据采集与下游操作之间的映射越精准，但缩小尺寸后内部空间却不足以容纳足够的传感器载荷。调研显示，国内厂商中仅有一家被认为真正达到了人手尺寸，而主流设计仍明显偏大，削弱了数据与执行之间的一致性。现有触觉技术也存在天花板，即便是尺寸领先的全手方案也仅搭载约80个压力点，且无法有效感知侧向力或滑动。
这一技术瓶颈直接影响了应用场景的落地节奏。野村预测，工业场景如搬运、分拣、机床看管和装配，有望在2027至2028年实现质的突破，出货量将在此期间显著增长。而家庭场景的大规模部署则可能要等到2030年之后，酒店及服务式公寓清洁将是较早落地的切入点。精密装配和接触密集型任务之所以难以被仿真覆盖，根源就在于灵巧手的能力不足。
在手臂技术路线上，市场已出现分化。采用谐波减速器加力矩传感器的方案正逐渐向工业机械臂方向漂移，仿生特性有限。野村的核心判断是：高精度手臂仅能解决中间运动环节，而足够灵巧的手部可以弥补手臂精度的不足。因此，更倾向于省去力矩传感器和谐波减速器、将能力集中于末端执行器的架构设计。
综合来看，野村的报告描绘了一个清晰的产业图景：在人形机器人的竞赛中，硬件制造能力正逐渐趋于同质化，而数据获取与处理能力，尤其是围绕高价值遥操作数据构建的闭环体系，以及灵巧手这一末端执行器的技术突破，将成为决定谁能率先实现商业化的核心护城河。