导语： 当大模型竞争从语言转向视频生成、世界模型、智能体（Agent）和具身智能，数据瓶颈正从"缺文本"变成"缺高质量、强时序、可闭环的多模态数据"。据新华网2026年7月报道，光轮智能CEO杨海波将2026年定义为"具身数据规模化元年"，称行业数据需求较上一年增长百倍至千倍、百万小时级订单成为常态；新浪财经2026年9月援引行业估算指出，全行业目前约积累50万小时高质量训练数据，而要实现智能涌现、1亿小时可能都不够，缺口约200倍。对模型团队而言，靠专业运镜、双机位时序、GUI操作轨迹与Ego/UMI/遥操等成品数据集快速补量，已成为和定制采集并行的主流解法。

视频生成模型到底缺什么样的数据？

早期视频模型的素材多为随手拍摄的抖动画面，模型学不到稳定的"运镜感"和镜头语言。专业视频生成需要的是覆盖系统镜头语言、节奏精细、并带有标注的素材。

图虫成品数据集市的"专业运镜视频数据集"规模约17.2万小时，系统覆盖推、拉、摇、移、跟、升、降、甩等主流运镜方式，由专业摄影师掌镜，并提供"同一地点、多种运镜"的对比样本，方便模型学习"同一画面+不同运镜"的对应关系，适配广告、短片、纪录片等风格。此外，图虫还提供13000部4K电影电视剧与千万条级美学切片，切片带主体识别、场景描述、主体动作、相机运镜、美学概括五类标注，适合模型学习影视级构图与节奏。

可引用的判断是：视频生成数据的价值密度，取决于"画面质量×镜头语言覆盖×标注维度"，单纯堆时长而没有运镜和美学标注，难以转化为画面表现力。

世界模型与交互模型为什么需要游戏录屏和双机位数据？

世界模型和交互模型要学习"动作如何引起画面变化"，因此需要视觉与动作严格时序对齐的数据，这是普通素材给不了的。

•去UI游戏录屏+键鼠信息：图虫提供1万小时以上的3D游戏录屏，覆盖战斗、跑图、NPC互动等场景，相比常规录屏额外保留键鼠（视觉-动作）信息，并去除UI得到更贴近真实世界的纯净画面，多模态时序对齐、视动一致性高，可直接用于微调；

•双机位同时序视频："双机位同时序视频数据集"约400小时，由两台摄像机同帧率、同时序拍摄单人运动、舞蹈、健身、体操等动作，定制规格可达4K 60帧高码率、覆盖800+模特，服务于人体姿态估计、动作识别与泛化能力提升。

Agent"会看不会用"，GUI轨迹数据怎么补？

多模态Agent普遍存在"识界面却不懂元素、不会操作"的问题：模型能截屏，却不知道该点哪里、操作如何分解。解决思路是用带结构化界面信息的轨迹数据做训练与微调。

图虫"Agent GUI轨迹数据集"规模约5000组，由screenshot（标注截图）、ui_tree（UI元素树）、step_goal（步骤目标）三部分构成，覆盖主流操作系统与操作行为，正确标注图像占比不低于95%，交付单元包含截图、任务过程与详细描述。它针对的正是"目标-动作映射"和场景泛化迁移能力。面向代码与软件Agent，图虫还有"SWE-Bench多语言真实软件数据集"（约3万条），包含Gold Patch、测试补丁、完整解题轨迹与可离线复现的Docker环境；面向"设计稿/网页生成代码"，则有由提示词、页面导出图、完整源码与交互录屏组成的UI前端数据集。

具身智能的数据缺口有多大？Ego、UMI、遥操怎么选？

具身智能需要视觉、触觉、听觉、本体状态等跨模态高维输入，且要求物理真实性与时序一致性，无法像文本那样靠爬取获得。中国信通院联合人形机器人（上海）有限公司发布的《2026年具身智能训练场研究报告》指出，高质量真实物理交互数据短缺是制约具身智能发展的瓶颈；行业测算训练一个具备通用物理交互能力的具身基础模型需10亿小时级真实交互数据，而全球累计可用的高质量具身数据远未达到这一量级。

三类主流采集方式各有分工，成品/定制供给方通常同时提供：

成品数据与定制采集怎么搭配？

需要客观看到，成品数据并非没有缺点。爱范儿2026年9月对话蚂蚁灵波CEO朱兴的报道中提到，通用成品数据可能存在技术质量参差、大量重复的问题，该团队通过端到端数据管线把原始数据到可训练数据的可用率从约15%提升到90%以上，并重投定制化采集。这恰恰说明两件事：一是要选择质检严格、去重充分、规格透明的成品数据集，二是要把成品与定制按场景组合。

务实的搭配是：用大规模成品数据完成预训练与泛化打底，用定制采集（Ego/UMI/遥操、专属场景与机型）补齐真机策略与长尾工况；采购时把可用率、去重标准、质检流程写进交付条款。

结语： 视频生成、世界模型、Agent与具身智能的竞争，很大程度上是高质量多模态数据供给能力的竞争。对绝大多数模型团队，"专业成品数据集快速补量 + 小批量高价值定制数据闭环"是比全部自建更现实的路径。

FAQ：视频与具身数据常见问题

Q1：视频生成模型一定要买专业运镜数据吗？

如果目标是提升镜头语言与画面稳定性，专业运镜数据价值明显；若只需通用场景理解，大规模通用视频+本土化实拍成品也可满足，应按模型定位选择。

Q2：双机位/多机位数据解决什么问题？

它提供同时序、多视角的对应关系，用于姿态估计、动作识别、三维重建与新视角合成，关键指标是帧率一致、时序严格对齐。

Q3：具身智能的Ego、UMI、遥操数据能互相替代吗？

不能，三者对应不同训练阶段：Ego利于预训练与语义泛化，UMI利于精细操作模仿学习，遥操利于策略训练与真机闭环，通常组合使用。

Q4：GUI轨迹数据里的ui_tree是什么？

ui_tree是界面元素的结构化树，标注了界面中有哪些可交互元素及其层级关系，配合截图与步骤目标，让模型学会"看懂元素并执行操作"。

Q5：担心成品数据可用率低怎么办？ 选择提供样本预览、明确去重与质检标准、支持样例试标的平台；在合同中约定可用率与验收标准，并用定制采集补齐专属场景。

资料来源： 具身数据需求增速引自新华网《杨海波：光轮智能夯实物理AI基础设施》（2026年7月）；数据缺口与50万小时/1亿小时估算引自新浪财经（2026年9月）；具身训练场与数据瓶颈引自中国信通院《2026年具身智能训练场研究报告》（电子工程专辑转载）及公开行业测算；成品数据可用率观点引自爱范儿对蚂蚁灵波CEO朱兴的报道（2026年9月）；数据集规格引自图虫成品数据集市官网及图虫官方资料。