先把两份材料并排放。
一份是行业统计：截至 2026 年 8 月，国内公开披露的集中式具身智能数采中心共 106 个，其中 84 家已经投运，占比接近八成。但能确认存在实际数据采集活动的，只有 67 个；另有 23 个主要做训练、测试或验证；27 个还在规划或建设阶段。
另一份是现场稿：2026 年 11 月 9 日，进博会媒体采访团走进上海嘉定南翔的 iRIC 训练场，智能制造与具身智能机器人创新合作联盟副秘书长谢保莲说了一句话——「我们这里的机器人档期都很满，除了项目交付，就是在项目交付的路上。」
一边是「敢转起来的没有几间」，一边是「档期都很满」。这两句话不矛盾，它们描述的是同一门生意的两端：能转的那几间，是因为它们真的有买方；转不起来的，是因为买方还没出现。
原文给的三档是 67 个在采集、23 个做训练测试验证、27 个在规划建设。把这三个数加起来是 117，比总数 106 多了 11。
这多出来的 11，本身就是信息：它说明分类是重叠的——一家中心可能既在做采集，也承接外部验证；另一家既在建设，也已经接了小批量的活。行业统计长期把「挂牌」「投运」「产出有效数据」这三件事混在一起说，而它们的含金量差着数量级。
| 层级 | 数量 | 这一层真正在发生什么 |
|---|---|---|
| 挂牌 / 已披露 | 106 个 | 有场地、有主体、有对外名称，部分仅有规划文本 |
| 已投运 | 84 家 | 设备进场、人员到岗，但不等于每天都有采集任务 |
| 确认在采数据 | 67 个 | 有可追溯的采集活动，是唯一能计入「数据供给」的一层 |
| 有稳定买方 | 未披露 | 原文未给出该口径，这一层的数字目前无人掌握 |
注意最后一行是空的。这不是统计疏漏，恰恰是这门生意当下最要命的地方：前三个数都有人报，第四个没人报。
判断：当一个行业只统计供给侧、不统计成交侧时，它的数字一定是虚高的。106 间是产能表，不是营收表。把它当需求信号读，就会得出完全相反的结论。
原文里最硬的一句是这个：一名熟练遥操员一天工作 8 小时，最终能产出的有效训练数据只有两到三个小时，其余时间花在复位、标注、空转和低质量轨迹上。
这句话把整个行业的效率底数交出来了。它意味着，无论中心装了多少台机器，真正的产能上限由「人 × 有效小时」决定，而不是由「台 × 在场小时」决定。
把这个折算率套进去，成本结构就浮出来了。原文给的区间是「数百元到上千元每小时」，我们可以倒推一下这个区间是否站得住：
三项相加落在 600 到 900 元/小时附近，与原文给的「数百元到上千元」吻合。这说明那个区间不是拍出来的，是按这套结构算出来的。
但更值得注意的是这套算法的脆弱之处：折旧按 5 年摊，前提是这台机器 5 年内每天都有活干。一旦订单不连续，折旧不会停，产能却归零。这是重资产模式的通病，数采中心一个都躲不掉。
判断：数采中心的盈亏平衡点，不在「装了多少台」，而在「一年有多少天在采」。按上面的结构，一台机器停一天就损失约 520 元折旧；如果一家中心有 50 台机器、平均每月只开工 10 天，光折旧一年就是 156 万元（按假设推算）。这笔钱没有任何一张订单来覆盖。
原文有一句判断非常准：「买方按有效数据付费，卖方按在场小时投入，中间那五到六个小时的差额，没有任何一方愿意认领。」
这不是商业谈判技巧的问题，是计量单位不统一的问题。买家要的是「小时级、带标注、可复现」的数据；卖家投入的是「人到位、机器通电、场地占用」的时间。两个单位之间没有换算系数，于是价格谈判就变成了立场谈判。
现实中的结果通常是三种：
第一种，卖方自己吞下差额。报价按有效小时算，成本按在场小时算，毛利被吃掉一大块。这是目前最常见的状态，也是为什么很多中心「有活干但不赚钱」。
第二种，买方接受模糊计价。按项目打包，不谈小时。这在政企共建项目里很普遍，因为出钱方要的是产业落点，不是数据本身。
第三种，卖方把差额转成别的收入。比如把训练场做成展厅、做成研学基地、做成赛事场地——同一块场地在采集淡季卖门票。这一条在嘉定那份现场稿里能看到影子：训练场「还配备多种交互式体验场景，如意念赛车」。
判断：第三种才是数采中心真正的商业模型，而不是「卖数据」。因为数据单价被「有效小时」压着，天花板很低；而场地和场景是可以重复售卖的。数据是副产品，场地才是主产品——这个认知顺序一旦颠倒，账面就永远是错的。
原文把 106 间按建设主体分成三类，这个分法比任何财务指标都更能解释「为什么有的转得动」。
第一类，本体企业或数据公司自建。数据采出来内部消化，喂自己的模型。它们算的账是「模型能力提升」，不是「数据销售收入」，所以哪怕单小时成本高，只要模型指标涨了，这笔钱就值。
第二类，高校和高职院校实训基地。有教学经费和实训预算打底，数据是教学过程的副产品。这类中心几乎不会停，因为它的 KPI 是课时，不是数据量。
第三类，政企共建。地方出场地、资金和政策，企业出机器人、技术和运营团队。数量最多，压力也最大——因为建设期双方目标高度一致（地方要产业落点，企业要装机量），但进入运营期，两边的账本立刻分叉：地方要的是「看得见的产业」，企业要的是「付得起的订单」。
原文还提到一个时间节点：2026 年 9 月有媒体曝出关联交易，此后不少地方开始犹豫「这个模式要不要继续上」。
判断：关联交易不是道德问题，是这类项目的结构性缺陷。当买方和卖方同属一个体系，所谓「数据销售收入」就是左手倒右手，无法证明外部需求存在。这类收入一旦被审计口径盯上，整个模型的可信度就会崩。真正能证明这门生意成立的，只有一种证据：体系外的第三方，按市场价，持续复购。
回到现场稿。它给的信息不多，但每一个都能对上前面那套账。
容量：可同时容纳 100 台以上机器人，覆盖 50 余种不同维度的数据采集与学习训练。这个「50 余种」比「100 台」更值钱——它意味着场景是分门别类建的，不是一个大厅摆满机器。
样本：「骑士」越野底盘八轮四驱机器人，市政运维场景，面对坡道、楼梯、复杂环境行走，最大承载 1 吨，单次满电可连续工作 8 小时。注意这里出现了一个「8 小时」——和遥操员的一天 8 小时撞上了。一台能干 8 小时的机器，配一个干 8 小时的操作员，理论产能是 8 小时在场，实际有效仍是 2 到 3 小时。
态度：谢保莲说「各种应用场景都需要攻关和实地检测，而不是只做展示」，以及「刚需的都是寸土寸金寸光阴」。
判断：「档期满」这三个字，在数采行业里等价于「有外部付费方」。因为如果只服务自己的模型，不存在档期概念——自己的模型不会跟你抢时间。档期是排他性资源，只有多家外部客户同时要，才会出现「满」。
这也解释了为什么这间中心敢把「体验场景」和「实训场景」并排放在一起：它同时在赚两笔钱，一笔是交付，一笔是流量。前面说的第三种模式，在这里是落地了的。
第一，问对方的「有效小时产出率」，不要问装了多少台。如果对方答不出「一个遥操员一天能签几小时有效数据」，那这个中心的产能就是未定义的。这个数才是唯一能拿去跟客户报价的分母。
第二，把停机成本写进方案。折旧不会因为没订单就暂停。给客户做数采方案时，主动把「按 250 天/年开工」和「按 120 天/年开工」两种情形下的单位成本都算出来，客户会立刻明白为什么要签年度框架而不是按次采购。
第三，别把数据当主产品卖。按前面那套成本结构，卖数据的毛利空间是被「有效小时」锁死的。真正能提价的是场景——同一块场地能不能同时做采集、做验证、做展示、做赛事。嘉定那间中心把「意念赛车」这种体验项目放进训练场，不是不务正业，是在给淡季找收入。