“白虎数据集”入选2026上海高质量数据集典型案例，并亮相全球数商大会

中国经济导报、中国发展网讯 记者鲍筱兰 10月31日，2026年全球数商大会在徐汇西岸举行。日前，上海市数据局组织开展2026年上海市行业高质量数据集案例征集及评审工作，共遴选30余个案例。其中，人形机器人（上海）有限公司的“白虎数据集”等案例因应用成效较好、具有代表性，入选典型案例，并在10月31日全球数商大会“数据筑基 质赢未来——高质量数据集赋能人工智能创新发展”数据前沿主题论坛上发布。

当前，人形机器人在面对复杂、非结构化场景时，普遍存在“听不懂、看不懂、想不透、做不稳”的能力断层。高质量具身数据已成为决定人形机器人自主操作能力提升的最稀缺、最紧迫的关键战略资源。面向通用具身智能产业发展需求，“白虎数据集”项目着力建设工业级、多模态、全链路具身智能数据基础设施体系，整合异构真机遥操作、便携式工具、人类第一视角、仿真合成、真机推理等全品类数据源，打通“采集—治理—训练—部署—回流”全链路数据闭环，系统性破解具身智能数据“饥渴”难题，加速人形机器人真实场景应用落地。

在建设路径上，项目采用分层解耦、模块协同的顶层设计，整体技术架构划分为数据采集层、数据治理层、数据服务层、模型训练层和应用落地层五个核心层级，各层级通过标准化接口实现数据流转与能力复用。数据采集层构建融合多源异构数据的数据采集与管理平台，以统一标准化接入接口与传输协议破除设备、系统间的数据壁垒；数据治理层建立异构数据标准化治理体系，统一数据格式、字段规范与接口体系，完成视觉、触觉、关节位姿、文本等多模态数据的时间同步与空间配准，时间戳精度达毫秒级，并构建“AI自动标注+人工精修+闭环优化”智能标注体系，建立“机器校验+人工审核”双层质量保障体系，形成可追溯的质量档案；数据服务层面向内外部用户提供标准数据集供给、场景化数据定制、数据交易与交付运营、跨域数据调度等核心功能；应用落地层建立真机推理数据回流机制，持续采集模型执行数据与人类专家干预纠正数据，形成“训练—部署—反馈—再训练”的数据价值闭环。

应用成效方面，“白虎数据集”已累计完成超5万小时具身智能多模态数据生产，涵盖工业制造、家庭服务、仓储物流、商业服务、医疗康养及通用操作等多种场景，包含国地中心、智元、乐聚、傅利叶、星海图、星尘智能、松灵等头部企业的多种机器人本体，在规模性、多样性方面领先全行业，成为国内众多具身智能研发团队的重要数据支撑。数据集已支撑LingBot-VLA（蚂蚁灵波）、龙腾VLA（国地中心）、Motus（生数科技）、CloudRobo-VLA0-libero（华为云）等模型训练；在真实场景验证方面，联合延锋汽车通过真机实景遥操作数采、真机复刻场景数采等方法形成上千小时汽车场景真实数据集，完成VLA模型训练，迭代生成适配汽车内饰板火焰自动化处理、内饰件Kitting齐套智能分拣等场景的轻量化专用模型。目前，数据集订单金额超过千万元，服务蚂蚁灵波、字节、华为云AI Lab、生数科技等头部企业；具身数据软件解决方案累计营收超千万元，已成功支撑河南郑州、浙江绍兴、北京、江苏常熟分训练场建设，并纳入全国具身智能数据资源池统筹调度。

在创新亮点上，项目构建“采—治—标—训”全链路闭环技术体系，制定标准化数据接口与传输协议，实现多构型硬件、多平台数据源无缝对接；依托大模型预标注与半自动协同，大幅降低标注成本；形成“虚实双轨产生数据—模型训练—模型部署—真机数据回流”的数据飞轮。同时，创新“训练场场景+仿真场景+真实场景”数据开发模式，打造“1+N”训练场体系，以上海训练场为样板在全国多地建设分训练场，实现多个训练场数据跨域汇聚与运营协同；依托物理引擎与生成式建模技术自动化生成常规数据与极端难例，突破传统单一数据来源局限。此外，项目积极参与国家及行业数据标准制定，主导及参与30余项具身数据相关标准，覆盖数据采集、治理、标注、质量评价及应用流通等核心环节，成为引领行业规范化发展的重要力量。

值得关注的是，人形机器人（上海）有限公司还获得2026年“数据要素×”大赛全国总决赛工业制造赛道二等奖，以全链路具身数据基础设施破解行业“数据饥渴”。随着“白虎数据集”等高质量数据集典型案例在大会论坛发布，上海将进一步发挥数据要素乘数效应，以高质量数据集赋能人工智能创新发展，为具身智能产业夯实数据底座。