★ FEATURED ARTICLE 目录 开场一条数据5块钱和一张98分的证 四张证帕西尼给数据设计的身份证体系 跨境全国首单是怎么落地的️ 数据为什么能卖5块钱分级定价的逻辑⚠️ 三处必须说清的口径️ 领码 SPARK 融合平台让每个数字都能查到它的证 给做数据业务的人的五条判断标准 开场一条数据5块钱和一张98分的证2026 年 4 月帕西尼数据云商城上线。商城里挂着一百多个 SKU最小的一份数据包标价5 元。这个价格很容易让人产生一个误解具身数据已经白菜价了一份才几块钱。但同一个月另一条新闻的含义完全不同。2026 年 5 月 28 日帕西尼感知科技天津有限公司在天津东疆综合保税区发布全国首单具身智能领域数据跨境交易创新成果同时拿到了全国首张具身智能领域数据出境负面清单备案证——据天津市有关部门信息这也是本市首单数据出境负面清单备案业务。再往前一年2025 年 8 月帕西尼的全模态具身智能数据集产品 OmniSharing DB 在北京国际大数据交易所上架官方评价98.05 分达到 A 级数据质量标准被称为国内具身智能数据产品首次获得此类权威认证。于是三个数字摆在一起数字它衡量什么5 元一份数据在市场上卖多少钱98.05 分这份数据的质量评级全国首张备案证这份数据能不能合法卖到境外5 元是价格98.05 分是品质首张备案证是资格。价格最低门槛最高。这就是数据要素市场眼下真实的形状数据的单价在快速往下走但能合法交易的资格正在快速变稀缺。而且这件事对企业数据业务的意义比机器人要学什么动作大得多。因为它回答的是一个所有做数据平台的人都要面对的问题——你的数据凭什么能卖 四张证帕西尼给数据设计的身份证体系许晋诚在 2026 年 8 月世界机器人大会的主题演讲里提出了一套很完整的数据证明框架。他自己用了一个更好记的比喻——出生证、学位证、身份证、护照。证件解决什么问题具体内容出生证数据怎么采集按标准采集让数据从产生那一刻就有明确规范学位证数据质量如何用相关标准和基准做验证证明这批数据品质高、真正可用身份证数据从哪来明确数据从哪里采、由谁产生护照数据怎么流通对应数据跨境和数据交易让数据具备流通基础这四张证的设计逻辑值得细看。因为它把数据质量从一个形容词变成了一组可验证的凭证。出生证采集时就要合规而不是采完再补「出生证」对应的是采集规范。关键在于时机——数据从产生开始就要具备明确的规范不是采完了再想办法贴标签。这跟很多企业现在的做法是反的先随便采采完发现字段定义不清、采集方式没记录然后花三个月做清洗。许晋诚在访谈里提到过一个买方的真实经历那个三个月很有代表性“他以前用过某家未做任何清洗、直接裸着丢出来的数据集立项之后花了三个月做清洗和学习很后悔后来找我们买数据就提了三条第一先证明你的数据有用第二讲清楚清洗和标注到什么程度第三给我看模型训练效果。”“讲清楚清洗和标注到什么程度”——这就是学位证。没有这张证数据就是一堆待整理的原料。学位证质量必须可被第三方验证「学位证」的核心是用标准和基准验证而不是自己说我的数据很好。帕西尼参与制定的标准体系覆盖了几层层级具体标准帕西尼的角色国际ISO 26264-1《人形机器人数据集》深度参与单位2026 年 4 月立项国家《具身智能数据集质量要求及评价方法》参与起草信通院牵头40 余家单位国家两项触觉传感器国家标准第一牵头单位2026 年 8 月获批立项行业累计牵头或参与标准项目累计 51 项国际、国家及行业标准其中**《具身智能数据集质量要求及评价方法》将于 2026 年 11 月 1 日正式实施**——这是工信部 2026 年 7 月批准发布的首个具身智能数据集质量标准从完整性、多样性、真实性等8 个维度为数据质量设立评价标尺。11 月 1 日就在今天之后不到一个月。这是全行业第一次有一个统一的数据质量刻度。标准的作用在这里非常具体没有它我的数据质量高这句话没法被验证只能靠卖方自证。而买方在自证面前永远是弱势方。身份证来源可追溯「身份证」解决的是数据从哪来、由谁产生。这一点在具身领域尤其重要因为采集主体是人。如果一个数据包里的动作示范来自谁、采集时间、采集地点、是否经过授权、这个人是否同意被用于模型训练——这些信息不在数据包本身里那这个包在合规审查时就是一笔糊涂账。而众包采集这条路尤其敏感。许晋诚在访谈里承认了这个难题“有做众包的公司给我们看家里的数据视觉参差不齐环境太黑太暗、噪点太高、手被遮挡、手在画面里像素太少……所以众包唯一要解决的就是不可控环境下的数据可用性这个没解决就会花很多冤枉钱。”注意他说的不可控环境不只是画面质量还包括来源不可控。家里采的数据谁知道拍摄的是谁的家涉及家庭场景、涉及人脸、涉及家庭成员隐私——这些数据要卖到境外难度是数量级上的不同。护照跨境与交易「护照」对应数据跨境和数据交易。帕西尼手里有这张证而且是全国第一张。这就是下面要讲的事了。 跨境全国首单是怎么落地的2026 年 5 月 28 日这件事值得拆开看因为它是政策路径的验证不是商业合作的宣布。政策工具负面清单核心依据是《中国天津自由贸易试验区数据出境负面清单管理办法试行》。帕西尼首席战略官罗霄恒的原话“依托天津自贸区数据出境负面清单相关政策我们取得了全国首张具身智能领域负面清单备案证正式具备数据合规出海的资质。”关键在于这个负面清单机制。它跟传统的数据出境安全评估/标准合同路径的区别是路径逻辑适合谁逐案评估你的数据要不要审、审多久全看具体内容不规则、低频、敏感度高的数据负面清单明确列出哪些类型不能出其余的走备案即可标准化、可批量交易的数据产品帕西尼这次走的是后者。因为它的数据产品是标准化的——触觉、视觉、关节角度多模态对齐有明确的采集规范和质检流程。这种可批量复制的标准品正是负面清单机制最想鼓励的类型。罗霄恒还提到这个模式跑通后带动的产业配套“有助于加速培育数据合规处理、跨境数据保险、加密传输与安全物流等上下游配套产业。”数据跨境一旦标准化围绕它的服务链就会长出来——合规处理、保险、加密传输、安全物流。这是数据要素市场从一锤子买卖走向产业的标志。交易内容是什么据帕西尼方面的说法梳理出抓、拿、放、扭、拧等 200 项基础动作是机器人开展复杂操作的根基。罗霄恒用了一个比喻“打好基础才能更好地完成各类复合动作与任务这个过程就好像是让机器人’上幼儿园’。”而这批数据的稀缺性他给的判断是“我国拥有丰富的应用场景大量智能工厂、资深一线产业工人沉淀了精湛实操技艺将这些技艺数字化、数据化是海外市场所欠缺的核心资源。”这句话点出了具身数据交易跟文本数据交易的根本区别文本数据是全球通的谁都能爬。物理操作经验是地域性的、稀缺的、且高度绑定具体产业环境的。一家德国工厂熟练工的装配手法中国工厂教不了但这家中国工厂 30 年积累下来的工艺轨迹是全球没有的。这就是数据出境在具身领域的真实含义——出境的不是数据是产业经验。三条自证要求帕西尼卖数据给大科技公司时客户提的三条要求值得记下来这是数据要素买方的新标准“第一先证明你的数据有用第二讲清楚清洗和标注到什么程度第三给我看模型训练效果。”三条对应的是客户要求对应哪张证卖方要交的东西证明有用学位证模型训练效果对比讲清清洗标注程度学位证采集规范 质检报告训练效果学位证 身份证效果证明 来源可追溯注意一个变化买方已经不满足于数据质量描述了他们要效果证明。这个要求把数据交易从卖原材料变成了卖可用方案。也解释了为什么帕西尼要同时卖模型OmniVTLA和数据——因为效果证明本身就需要模型来背书。️ 数据为什么能卖5块钱分级定价的逻辑回到开头那个让人困惑的问题为什么一份数据只卖 5 到 9 块钱商城里公开的 SKU 价格是分档的SKU 示例场景单价元动作 - 放入与取出元动作¥5元动作 - 倾倒元动作¥5元动作 - 旋钮元动作¥7元动作 - 夹取元动作¥9货架管理 - 眼镜陈列商超¥5食材制作 - 夹取柠檬片放入饮料杯餐厅¥9汽车场景 - 开关操作 / 接口对接 / 工具使用汽车¥7工业场景 - 收纳整理工业¥73C 场景 - 物品展示3C¥5宠物照料 - 猫砂铺设家庭¥7注意几个规律第一基础元动作最便宜复合场景更贵。元动作放入与取出5 元而夹取柠檬片放入饮料杯9 元——前者是标准动作后者是长序列任务包含物体属性判断和力度控制。第二元动作内部也分档。同样是元动作放入取出 5 元、旋钮 7 元、夹取 9 元。差别在接触复杂度——夹取涉及力控旋钮涉及精细旋转。第三每个 SKU 都标注了场景和双臂/单臂、是否使用工具。这意味着买方可按自己的任务场景精确采购不用买一整包再筛。这个价格体系的三个含义① 数据被拆成了可组合的最小单元。5 元这个价位说明数据不再是一个数据集几十上百 GB一次性交付而是被切成了可以像零件一样拼装的模块。这跟软件库、npm 包、字体库的逻辑完全一样。② 分级定价把一致性直接换算成了钱。这正是许晋诚讲触觉标准时那句话的商业兑现“我们把触觉传感器分几个级别大家越往高级别爬越好级别越高数据的产出价值和价格越高数据标准这边就会引用这个分级。”一致性好 → 等级高 → 数据贵 → 卖得出去。一致性差的数据不是不能卖是只能卖低价甚至卖不掉因为买方拿去训练效果不好。③ 5 元这个价位本质上是在打采集成本这一侧。对照一下帕西尼的采集投入一套数据采集手套几千块天津工厂 150 个采集单元年产出近 2 亿条。单条数据的边际成本被压到了几毛钱5 元的售价里有相当部分是毛利和渠道成本。这跟当年大模型 API 的价格曲线是同一个形状——当采集端的规模效应跑通后数据单价会快速下滑而数据总量会快速上升。对买方来说这意味着别指望多买数据来解决效果问题数据已经不是瓶颈了。⚠️ 三处必须说清的口径口径一许晋诚说牵头ISO 26264-1实际公开信息是深度参与单位这是本次核查里最需要提醒的一条。2026 年 8 月底 AI 科技评论的访谈里许晋诚说“我们最近参与的是跟北制所一起牵头的 ISO TC 299、ISO 26264-1就在我们实验室。”但两个公开来源给出的是不同的角色ISO 官方页面显示ISO/WD 26264-1《Humanoid robot datasets》目前状态是Working draft草案阶段Technical Committee 为 ISO/TC 299。2026 年 4 月立项吸引了 12 个国家 58 名专家参与工作组。帕西尼自己的公众号写的是“作为该标准的深度参与单位……帕西尼将重点依托其全模态数据采集、OmniVTLA 大模型及具身智能场景应用等方面的领先成果积极倡导建立基于真实场景反馈的动态更新机制。”所以准确的表述应该是帕西尼是 ISO 26264-1 的深度参与单位并承担了重要技术角色但牵头单位是另外的机构涉及北制所等且该标准目前仍在草案阶段Working Draft尚未发布。这为什么重要因为牵头和深度参与在标准制定里是完全不同的两种身份。牵头单位要承担整体框架、协调进度、对标准内容负责深度参与单位是提交技术贡献。把后者说成前者在标准话语权上是实质性高估。另外还有一个时点必须说清ISO 26264-1 至今是草案没有发布。引用时不能说ISO 已经制定了人形机器人数据集标准准确说法是该国际标准已立项并由 12 国 58 名专家参与研制目前处于草案阶段。口径二百亿级是设计产能数千万条才是已采集量这两个数字在官方材料里反复出现但它们说的不是一回事数字含义来源天津工厂年产近 2 亿条单厂设计年产能天津政务网2025-06五大工厂年产近百亿条五厂规划总产能2026-03 全域战略部署公告已采集数千万条实际累计采集量2026-04 数据云商城上线通稿100 SKU商城实际上架的数据包数2026-04OmniSharing DB 超 100 万小时数据库累计时长Alignment 2026 大会演讲近百亿条是产能规划数千万条是已完成量两者的差距是两个数量级以上。而且条和小时又是两个不同单位——不能换算成同一个数说。口径三数据采集员和数采员不是同一个工种官方名称有变更许晋诚在访谈里的说法是“数采这个在国家层面已经有牌照了数据采集员在福建已经有了天津也在推江苏这边也有想推的。”但人社部 2026 年 9 月发布的新职业名单里正式名称是具身智能机器人应用技术员新职业下设具身智能机器人数据采集员、具身智能机器人训练师两个工种。这批新职业一共 11 个新职业、23 个新工种其中 5 个是数字职业。所以准确的层级是新职业具身智能机器人应用技术员 ├── 工种具身智能机器人数据采集员 └── 工种具身智能机器人训练师数据采集员是工种具身智能机器人应用技术员是职业。两者不是一回事。福建是第一个落地的省份福州日报 2026 年 9 月 13 日报道天津在推进江苏也在推进——这一点许晋诚说对了。顺带说一个有意思的对照福建那位从业者陈金兴介绍每个动作要采集 500 组以上数据经筛选后约 90% 为有效数据。这个 90% 是个很值得注意的数字。它跟行业里数据虚胖的普遍担忧形成鲜明对照——有分析认为部分团队累计采集的数万小时数据中真正可用于模型训练的有效占比可能只有 10% 到 12%。同一个行业里有 90% 有效率的也有 10% 的。差别不在行业在采集规范。️ 领码 SPARK 融合平台让每个数字都能查到它的证这一节写给做企业数据平台的人。前面这四张证、这个定价体系、这几处口径误读在企业数据业务里有一个完整的镜像。而且企业的处境比具身智能更普遍——几乎所有企业都有数据但几乎没企业有证。这张图的关键在权限线的走法护照这条链跟出生证、学位证、身份证不是同一套权限域。内部能看的数据不等于能出境的。对应一iPaaS 接数据——来源信息必须跟着数据一起接进来「身份证」解决的是来源问题。多数企业的数据接入只接了值没接出处。结果就是一个字段的值进了数仓你能查到它现在是多少但你查不到它是谁在什么时候按什么规则填的。这就是数据血缘。这件事在数据要素交易的语境下会立刻变成硬需求——没有血缘的数据卖不出去因为买方无法验证它。企业现状数据要素交易的要求SPARK 的处理只接值不接来源要能证明谁在何时按什么规则产生接入时绑定元数据 血缘追踪字段定义散落在各文档要能出身份证元数据登记 口径绑定采集方式没人记要能说清怎么采的采集规范登记 变更留痕清洗过程不可见要能说清清洗到什么程度处理链路留痕 血缘可导出关键是最后一行。帕西尼的买方明确要求讲清楚清洗和标注到什么程度——这件事在企业里几乎必然被要求而前提是处理链路是可导出的、可读的。对应二治理中心前置——质量维度要在数据产生时就定义「学位证」靠什么发靠标准。《具身智能数据集质量要求及评价方法》从完整性、多样性、真实性等 8 个维度给数据质量设标尺。企业里的对应物是什么完整性必填字段有没有缺、记录数对不对得上多样性来源是不是单一、值域是不是集中真实性有没有超出物理/业务合理范围的值比如年龄 150、金额为负这 8 个维度不可能在数据采完之后临时补。因为真实性、多样性这些维度一旦采集时没设计好事后是补不回来的——你没法事后让一批单调的数据变得多样。所以治理中心要做的是把这些质量维度变成接入时的必填规则而不是事后的报表接入时声明这条数据要过哪几个维度规则引擎自动判可判的当场判判不过的自动打标并路由到人工判定结果作为这份数据的质量凭证存下来这套凭证生成的东西就是企业版的数据学位证。它可以跟着数据一起流转、一起交付、一起被审计。对应三全域守卫划权限——不同证不同可见范围四张证对应四种不同的可见性这个映射非常干净证件对应数据可见范围出生证采集规范、原始采集记录采集与审核人员学位证质检报告、清洗记录、质量维度评分授权可见含部分对外身份证来源、责任人、授权凭证内部可见跨境需额外授权护照出境备案、交易记录、合规审查结论严格限权关键在最后一行跨境和交易相关的凭证可见范围必须跟内部数据完全分开。这不是加密存一份就完事而是权限模型上就是两条互不相通的路径。谁能看到护照信息谁就能判断哪些数据能出、能出到哪、给谁。企业里的对应场景同样存在哪些字段可以给外部合作方、哪些只能内部用、哪些经过脱敏后可以跨境——这些判断如果不能追溯到凭证就只能靠人记。对应四与 Dify 分工——规则在治理层应用层不做合规判断一个很常见的错误设计让编排层的 Agent 去回答这批数据能不能发给客户。这个判断需要三样东西数据本身的敏感度分类、授权凭证是否齐备、跨境备案结论是否覆盖。这三样都在治理层的数据里不在 prompt 的上下文里。正确的分工谁做什么SPARK 治理层维护质量维度规则、生成四类凭证、记录授权与跨境备案结论、划权限Dify 应用层基于已治理的数据生成分析报告、生成交付说明、编排业务流程一个已经通过治理层判定可出境的数据包编排层拿到它就应该能直接用一个没有护照的数据包编排层根本不该看到它的明细。这才是让数据可交易的技术前提——不是把数据放上去卖是让每份数据带着它的证一起被交易。 给做数据业务的人的五条判断标准① 数据能不能卖先看有没有身份证不看质量描述。质量描述是卖方自述身份证是系统里的血缘和责任链。没有链路的自述在买方眼里等于零。② 质量维度要在采集时定不能事后补。完整性和真实性可以事后查多样性和采集规范性补不回来。这是你和竞品拉开差距的地方。③ 把清洗到什么程度写成可交付的东西。帕西尼的买方明确要这一条。你说不清楚买方就只能自己花三个月做——然后后悔。这就是你被比下去的原因。④ 分级定价的前提是分级可信。5 元、7 元、9 元这样的价格阶梯只有在每一档的质量差异可验证时才成立。分不出好坏就只能按份卖那就回到 5 元一包的薄利逻辑。⑤ 出境和对外交付的凭证要跟内部数据在权限上彻底分开。这不是加密问题是权限模型问题。跨境备案结论是独立的一条凭证链不该跟内部口径库混在一起。回到那个 5 元的数字。一条数据卖 5 块钱说明采集端的规模效应已经跑通了数据不再是稀缺品。但 98.05 分的 A 级评价和全国首张备案证说明稀缺的是让这份数据能被信任、被交易的那套基础设施。数据的价值从来不只在数据里。在那张能让别人相信它的证里。你们公司现在有多少数据是有来源、有清洗记录、有质量评分三样齐全的三样里最常缺哪一样评论区说个数我帮你估算补齐这一步大概要多少工作量。
阅读完成 · 觉得有帮助？
