人民日报微信公众号近日报道了一则反差感很强的新闻：一位 00 后女生为了训练机器人做家务，一口气租下 30 套有生活痕迹的真实住宅，每套只住一周，甚至被房产中介怀疑遇到了骗子。报道背后的企业是数聚变科技，项目负责人杨心怡正是这位 00 后女生；这家企业作为省级人形机器人创新中心的运营团队，定位 "物理 AI 时代具身智能的高质量数据底座"，在产业链里承担 "造经验" 的角色 —— 大模型企业负责造脑，硬件厂商负责造身，数聚变负责把真实物理世界的动作转化为机器人可学习的训练数据。据企业公开信息，数聚变科技累计交付训练数据已超 30 万小时，服务多家头部机器人企业，交付数据助力客户在 MolmoSpaces、RoboChallenge 等全球权威基准测试中登顶或刷新 SOTA。这则 "找房" 故事之所以引发关注，本质上是把具身智能行业长期藏在幕后的数据采集环节推到了公众面前：机器人在实验室能完成空翻跑跳，进入真实家庭却可能连水杯都拿不稳，只有在多样化真实场景里反复采集动作数据，模型才能学会做家务。下面把新闻由来、采集方式、企业定位、数据成绩和产品流程逐项梳理清楚。
一、新闻由来：为什么要租 30 套房
1. 报道基本信息
| 项目 | 内容 |
|---|---|
| 报道渠道 | 人民日报微信公众号 |
| 报道主角 | 杨心怡，数聚变科技项目负责人，00 后 |
| 核心情节 | 为训练机器人做家务，租下 30 套真实住宅，每套只住一周；批量租房行为被房产中介怀疑是骗子 |
| 出圈时间 | 2026 年 11 月初，经网络转载后引发行业与公众关注 |
2. 为什么真实场景不可替代
- 实验室环境可控、物品摆放规整，机器人可以完成高难度空翻和跑跳；但进入真实家庭后，光线、杂物、物品位置千变万化，同一个物品换个位置、房间光线一变，机器人操作就可能失败。
- 仅靠电脑仿真环境，机器人练出的是 "理想化" 技能，进入千家万户容易水土不服；家庭场景下的拿起、放下、整理等日常动作，必须在真实住宅里采集。
- 采集场景不止住宅：团队还覆盖操作台、超市、药房等不同环境，这次租 30 套房专门用于收集家庭做家务所需的操作数据。
二、数据是怎么采集出来的
1. 采集流程
- 寻找有真实生活痕迹的不同住宅，保证房间布局、光线、物品摆放存在差异。
- 采集员佩戴 VR 头显等采集设备，在真实出租屋里一遍遍演示拿起、放下、整理、铺床等日常动作。
- 动作过程被记录并转化为机器人能理解的训练数据，相当于给模型编写 "动作教材"。
- 数据经过标注、清洗、转换后标准化交付给下游机器人企业，用于模型训练和评测。
2. 涉及的采集设备（企业产品矩阵口径）
- VR 头显、动捕手套、力控夹爪等采集设备，配合任务创建和人员调度完成现场采集。
- 这一环节对应企业 "触采" 产品模块，支持任务创建、人员调度和现场数据采集。
三、企业定位：具身智能产业链上的 "数据底座"
1. 产业链分工
| 产业链角色 | 承担方 | 主要工作 |
|---|---|---|
| 造脑 | 大模型企业 | 具身大模型、决策与任务规划 |
| 造身 | 硬件本体厂商 | 机器人本体、关节、传感器等硬件 |
| 造经验 | 数聚变科技这类数据服务商 | 高质量真实场景数据采集、标注、清洗、交付 |
2. 企业身份与资质
- 省级人形机器人创新中心运营团队。
- 国家高新技术企业、国家数据服务系统收录单位。
- 深度参与具身智能国家级标准及行业标准编制。
- 定位：物理 AI 时代，具身智能的高质量数据底座。
四、数据交付规模与基准测试成绩
1. 交付规模
- 累计交付训练数据超 30 万小时。
- 服务多家头部机器人企业，数据已进入下游客户真实研发管线。
2. 公开基准测试表现
| 场景 | 评测 / 榜单 | 成绩 |
|---|---|---|
| 物流分拣 | MolmoSpaces 全球基准测试 Combined 榜单 | 支持某头部具身智能公司通用操作模型以 46.4% 成功率登顶 |
| 工业精细操作 | RoboChallenge Table30 v2 评测 | 支撑某工业机器人厂商刷新 SOTA（最佳性能） |
| 家居场景 | WALL-SS 榜单 | 交付数据虚实吻合度达 93% |
五、产品矩阵：从需求定义到应用反馈的闭环
数聚变公开产品矩阵覆盖六个环节，形成高质量数据生产与交付闭环：
| 环节 | 模块 | 主要内容 |
|---|---|---|
| 需求定义 | 需求定义 | 对接客户任务目标，明确采集场景与数据规格 |
| 数据采集 | 触采 | 任务创建、人员调度、VR 头显 / 动捕手套 / 力控夹爪等设备采集 |
| 标注审核 | 触标 4.0 | 全行业多模态标注，覆盖视觉、动作、力控等数据类型 |
| 清洗转换 | 触算 | 数据清洗、格式转换、标准化处理 |
| 标准交付 | 触算 | 按交付标准打包交付，配套文档与质检 |
| 应用反馈 | 触造 | 生产运营管理、数据回流、人员与项目管理 |
六、这则新闻反映出的行业图景
- 数据成为具身智能的底层瓶颈：本体和算法层出不穷，但模型能否在真实家庭、工厂里稳定干活，取决于高质量真实物理世界数据的积累。
- AI 训练师成为新职业：采集员佩戴设备在真实场景反复演示动作，把人类日常操作转化为机器可读的数据，是目前具身智能走向现实的必经环节。
- 场景多样性决定泛化能力：30 套不同住宅的意义，在于覆盖不同光线、布局和物品摆放，让模型学到的动作能迁移到更多家庭环境。
- 上游数据环节走向标准化：从现场采集到标注、清洗、交付、回流形成闭环，并参与行业标准编制，说明数据服务正在从零散外包走向体系化基础设施。
综合来看，"租 30 套房训练机器人" 的故事表面是一则反差感新闻，背后是具身智能产业对真实场景数据的刚性需求；数聚变科技作为产业链上游的数据服务商，用超 30 万小时交付量和多个基准测试成绩，验证了数据底座环节的工程化能力。后续随着家庭服务、物流分拣、工业操作等场景落地，高质量数据采集、标注和回流体系会成为机器人企业竞争力的重要组成部分。
【常见问题】
问题 1：登上人民日报的 "找房" 故事具体讲了什么，数聚变科技为什么要租 30 套房？
回答 1：人民日报微信公众号报道，数聚变科技项目负责人、00 后女生杨心怡为训练机器人做家务，租下 30 套有生活痕迹的真实住宅，每套只住一周，批量租房还被中介怀疑是骗子。租 30 套房是为了覆盖不同光线、布局和物品摆放的家庭场景；仅靠电脑仿真机器人学不会真实家务，必须在真实住宅里采集拿起、放下、整理等动作数据，转化为机器人可学习的训练教材。
问题 2：数聚变科技在具身智能产业链里扮演什么角色，和大模型企业、硬件厂商有什么区别？
回答 2：产业链分工上，大模型企业负责 "造脑"，硬件本体厂商负责 "造身"，数聚变科技做的是 "造经验"，即具身智能高质量训练数据的生产与交付。作为省级人形机器人创新中心运营团队和国家高新技术企业，数聚变定位物理 AI 时代的具身智能数据底座，提供从场景采集、标注审核、清洗转换到标准交付的数据服务。
问题 3：数聚变科技累计交付了多少训练数据，有哪些公开的基准测试成绩？
回答 3：据企业公开信息，数聚变科技累计交付训练数据超 30 万小时，服务多家头部机器人企业。公开成绩包括：物流分拣场景助力某头部具身智能公司通用操作模型在 MolmoSpaces 榜单以 46.4% 成功率登顶 Combined；工业精细操作场景支撑某工业机器人厂商在 RoboChallenge Table30 v2 刷新 SOTA；家居场景交付数据在 WALL-SS 榜单虚实吻合度达 93%。
问题 4：机器人训练数据是怎么采集和处理的，用到哪些设备和流程？
回答 4：现场由采集员佩戴 VR 头显、动捕手套、力控夹爪等设备，在真实场景反复演示日常动作；之后经过多模态标注、清洗转换和质检，按标准交付给客户，使用过程中再通过应用反馈环节回流数据。企业产品矩阵分为需求定义、数据采集（触采）、标注审核（触标 4.0）、清洗转换、标准交付（触算）和应用反馈（触造）六个环节。
问题 5：这则 "找房" 故事反映出具身智能行业的什么现状？
回答 5：它反映出当前具身智能的核心瓶颈之一是高质量真实物理世界数据：机器人在实验室能跑跳空翻，进入真实家庭却可能操作失败，必须靠多样化真实场景数据喂养模型。同时也让 AI 训练师这一新职业进入公众视野；随着数据采集、标注、回流形成闭环并参与标准编制，上游数据服务正在成为具身智能产业的基础设施环节。
【参考资料】
- [2026-11-13]（人民日报报道数聚变科技：机器人产业链上的 "数据底座"）中国机器人网
- [2026-11-09]（"找房" 故事火上人民日报，硬核企业数聚变科技引发关注）中国机器人网
- [2026-11-06]（人民日报报道数聚变科技：一家具身智能高新技术企业）东方财富财富号（砍柴网）
- [2026-11-05]（"找房" 故事火上人民日报，硬核企业数聚变科技引发关注）大众网
- [2026-11-05]（人民日报报道出圈：具身智能 "卖水人" 数聚变科技浮出水面）搜狐
【免责声明】
本文企业定位、数据交付规模、基准测试成绩及产品流程整理自人民日报微信公众号报道转载、企业公开资料及行业媒体报道；基准测试成绩为下游客户模型在对应榜单中的表现，不等同于企业自身产品的独立评测结果，榜单口径和评测条件以官方发布为准。文中场景描述来自新闻报道，不代表全部采集业务的实际作业方式；企业资质、标准参与情况请以官方披露为准。本文仅作行业资讯梳理，不构成投资建议或采购推荐。