近日，卧安机器人（HK6600）(06600.HK)(以下简称“卧安”)中标深圳市“AI生态创新社区设备购置与场地搭建项目”，中标金额为4495.32万元。项目围绕“具身智能数据全链条服务中心”建设，内容覆盖具身机器人本体、数据采集系统、数据管理一体化平台，以及多类型真实场景搭建。
从中标金额看，这不是机器人行业最大订单，但从产业发展的意义来看，却提供了一个观察窗口：当“数据训练场”成为政策关键词，具身智能公司的竞争已开始从单机展示转向真实场景数据、训练闭环、工程交付能力等方面的综合考量。
数据训练场成为新基础设施
过去两年，具身智能行业的注意力主要集中在大模型、人形机器人（886069）本体和运动控制上。随着演示视频密集出现，市场开始追问更具体的问题：机器人能否在复杂环境中稳定完成任务，并把一次成功变成长期可复制的能力。
数据训练场正是为了解决这一问题而出现的产业基础设施。它不是简单摆放几台机器人，而是把场景、设备、任务、采集、标注、管理和模型迭代放在同一套系统里。机器人在真实或高仿真的环境中反复执行任务，产生可用于训练和验证的数据。
事实上，多家具身智能公司已在数据基础设施方向加速布局。宇树、智元等头部厂商围绕汽车制造、仓储物流等工业场景推进训练数据积累；京东（JD）在今年4月份发布了行业首个具身数据全链路基础设施；上海、天津等地方政府也在密集建设区域性数据采集基地。不过，目前行业的注意力主要集中在工业和商业场景，真正以家庭环境为核心场景建设数据训练体系的案例仍然稀缺——而家庭恰恰是非结构化程度最高、数据采集难度最大的场景之一。
换句话说，产业竞争的重心正在前移到数据侧。谁能更早搭建高质量任务场，谁就可能在模型迭代效率和场景泛化能力上形成积累。
深圳样本：从设备采购到数据闭环
卧安中标深圳项目，关键不在于单一设备采购，而在于其“全链条”属性。
根据项目资料，该项目将配置卧安自研的移动双臂具身机器人及多种数据采集设备，并建设覆盖家庭服务、康养、零售、科研等多类真实应用场景。项目预计于2026年内完成交付。
其中，家庭服务场景占据较高权重。项目将建设多个标准家庭单元和主题功能单元，覆盖客餐厨、卧室、卫生间、阳台，以及收纳、整理、取放、开合等高频生活任务。
这类场景的产业价值在于复杂性。与工厂、仓储等结构化环境不同，家庭空间高度非标准化，户型、光照、家具位置、物品种类和用户习惯都存在差异。对机器人而言，叠衣、开柜、取放、收纳等日常任务看似简单，实际涉及空间理解、柔性物体操作、长序列规划和异常恢复。
因此，深圳项目的意义不只是落地一个训练空间，而是把家庭服务、康养、零售等真实任务纳入可采集、可管理、可复用的数据体系。
卧安为何能中标项目？
卧安能够切入这一项目，和其此前的商业化路径有关。财报显示，2025年卧安实现收入9.006亿元，同比增长47.7%；毛利率为54.0%；经调整净利润为1276.6万元，同比增长1053.2%。公司产品覆盖全球90多个国家和地区，海外家庭用户超过360万，海外收入占比超过95%。
这些数据说明，卧安并非只停留在实验室展示阶段，而是在家庭机器人和相关智能设备上形成了较大规模的用户基础。对具身智能公司而言，真实用户和真实任务反馈，本身就是模型迭代的重要资产。
技术路线方面，卧安的思路是用同一套具身大脑模型驱动不同形态的机器人——公司将这一战略称为“一脑多形”，核心是自研的OneModel。5月，公司发布OneModel1.7FrontoStria-RL，披露其在LIBERO标准评测中平均成功率达到99%，在真实场景日常操作任务中平均成功率为99%，高精度任务为97%。这些数据仍需在更多第三方环境中持续验证，但至少表明公司正在把模型能力、真实任务和机器人本体放在同一条技术链路中推进。
从这一角度看，深圳项目相当于把卧安原有的产品商业化能力，进一步外溢到数据基础设施建设：机器人本体负责执行，遥操作和采集设备负责数据生产，场景工程提供任务环境，数据管理平台承接后续训练和验证。
订单背后是能力验证
对具身智能行业来说，这类订单的价值不只在收入确认，更在于验证一家公司能否把机器人本体、遥操作、数据采集、场景工程和平台管理组织成可交付系统。项目交付考验的不只是机器人“能不能动”，而是能否稳定地产生可用于训练和验证的数据。
卧安深圳项目的可观察价值正在于此。公司不只是销售终端产品，也开始参与真实世界数据底座建设。这对资本市场理解卧安也有影响：其估值逻辑不宜只按消费（883434）级智能硬件公司观察，也不能简单套用纯人形机器人（886069）公司的叙事，更需要看其能否把家庭场景、机器人本体、模型训练和数据基础设施连接起来。
不过，数据训练场仍处于行业早期，项目交付、数据标准、跨平台复用、隐私与安全、模型训练效果评估等问题尚未完全成熟。深圳项目释放的信号是，数据训练场正在从概念进入地方产业建设和企业订单；卧安“首吃螃蟹”的真正看点，也在于这一步能否沉淀为可复制的场景数据能力。
