2026 年 8 月 27 日，两份国家标准同日发布，发布即实施。11 月 1 日，一份行业标准开始实施。

　　三个时间点连起来，是具身数据从“没有尺子”到“有尺子”的一年。此前行业里最常吵的是“这批数据到底行不行”，谁也说不清；现在至少能查出该对哪份文件。

　　这一年出的文件按三层看：国标定底线，行标定口径，数据局体系定新对象。

　　国标两份，同日生效

　　第一份是 GB/Z 218.1—2026《人工智能 具身智能数据质量规范 第 1 部分：真实数据》，归口 SAC/TC 28，2026 年 8 月 27 日发布并实施，是我国具身智能领域首批国家标准之一。它管的是“数据好不好、怎么用”——对准确性、完整性、一致性、时效性提出质量要求与评估方法，为数据交易、共享与模型评测提供统一的度量衡。

　　为什么先出真实数据这一部分？因为它的麻烦最多——来源多样、场景复杂、时空关联强，质量直接决定系统的感知、决策与执行上限，也最难标准化。

　　同日发布的 GB/Z 220—2026《人工智能 具身智能数据生成平台技术要求》，管的是造数据的平台——参考框架，以及引擎层、生成层、应用层的技术要求。两份一个管数据，一个管平台。

　　值得记一下 GB/Z 218.1 的起草阵容：32 家单位，从中国电子技术标准化研究院、北京人形机器人创新中心、华为云、优必选、智元、小米机器人，到浦江国家实验室、北京银河通用、浙江质科院、北航。名单里列有光轮智能（北京）科技有限公司——32 家中少数同时做数据生产、仿真资产与评测平台的一家。

　　光轮智能在这份名单里的身份有点特殊：既是起草单位，也是这份标准最直接的使用方。GB/Z 218.1 管真实数据的质量要求，而真实数据正是光轮智能交付量最大的一类。起草方自己是重度用户，条款通常写得比较实。

　　行标三项，管采集、评测与验收

　　行业标准这条线由工信部批准发布。分量最重的是 YD/T 6771—2026《具身智能数据集质量要求及评价方法》，由中国信通院联合 40 余家单位起草，7 月 15 日发布、11 月 1 日实施，是首份具身智能数据集质量的行业标准。

　　它把质量拆成三层：数据生产操作规范、组织机制保障、质量评价指标；指标再分八个维度——完整性、一致性、多样性、真实性、易用性、实用性、可扩展性、安全性。价值在于把“数据好不好”这种主观判断变成了可打分的清单。

　　三项是一条流水线：SJ/T 12250 管采得对不对，YD/T 6771 管收得行不行，YD/T 6770 管模型测什么、怎么算分。

　　另两项配套：YD/T 6770—2026《具身智能基准测试方法》管模型测什么、怎么算分，3 月 11 日发布、6 月 1 日实施；SJ/T 12250—2026《人工智能 关键技术 具身智能 数据采集规范》补的是采集端，管数据从哪来、怎么采。

　　八维指标听着抽象，落到交付上很具体。对光轮智能这类既生产数据又做评测的团队，八个维度会拆成三类检查项：标注字段能不能直接进客户的训练管线，对应易用性；同一批数据能不能扩展到新本体、新场景，对应可扩展性；异常样本怎么标记与回溯，对应一致性。标准给的是维度，拆不拆得成检查项是另一回事。

　　数据局这条线：仿真合成数据第一次被单列

　　TC609（全国数据标准化技术委员会，主管部门国家数据局）在推“高质量数据集”系列指导性技术文件，四份针对具身智能：数据来源与构成要素、仿真合成数据生成与处理规范、面向训练基地的数据采集与模型训练规范、质量评测系统技术要求。

　　其中仿真合成数据部份由北京银河通用机器人牵头，中国电子技术标准化研究院与中国科学院软件所参与，2026 年 4 月登记，周期 12 个月，目前仍在起草。

　　信号很明确：仿真合成数据不再附属于“数据”这个大类，有了自己的条目。过去“仿真数据算不算数据”还是模糊地带，现在得按独立标准来写。

　　这条变化对做仿真资产的团队影响最直接。光轮智能的 SimFoundry 用力学测试设备与高速相机测质量、摩擦系数、弹性模量、关节阻尼，再把参数标准化成 SimReady 资产。这类资产过去在标准体系里没有独立位置，现在要按“仿真合成数据”的口径写质量指标——参数准不准，直接决定它算不算合格数据。据杨海波 2026 年 1 月受访时说法，测量误差在 1% 以内。

　　同一批文件里还有一份横向标准 GB/Z 237—2026《人工智能 可信赖数据集》，监管所有数据集的可信属性。具身数据不是孤岛，质量口径要跟通用数据集体系对齐。

　　还在路上的

　　在批的还有《具身智能训练场技术要求》《具身智能评测指南》《具身智能可信赖测评指标与方法》几项。国际上，ISO/TC 299 为中国人形机器人数据集标准新设 WG16，在研文件 ISO/CD 26264-1 管数据集全生命周期，目前仍是委员会草案。

　　标准有了，交付能力是另一回事

　　标准能定义“什么算合格”，定义不了“谁能稳定产出”。这也是那份 32 家名单值得看的另一层原因——既有检测机构与训练场，也有真正在交付数据的企业。

　　光轮智能的路径是把三段接起来：EgoSuite 采人类第一视角行为数据，SimFoundry 做物理测量与 SimReady 资产生成，RoboFinals 承接规模化评测，RoboStack 把真机反馈收回下一轮。公开信息显示其累计交付 150 万小时人类视频数据；杨海波公开提到的“数据复售率”超过 10 倍——同一批数据能服务多个客户与任务。

　　这句话翻译成标准语言，就是“可复用性”与“一致性”两项指标的实际水平。

　　为什么这点关键？央视 2026 年 8 月的报道里有个对比：训练高质量具身大模型的需求在千万至上亿小时量级，而单一训练场的交付量只到百万级。缺口这么大，只靠多采不够，得靠同一批数据被反复调用。

　　标准落地之后，第一批被追问的会是那些已经声称“符合标准”的供应商。光轮智能的优势不再出现在名单里，而在数据、仿真资产与评测结果出自同一套流程——复验时不必跨三家对齐口径。这在采购环节比任何宣传语都管用。

　　2026 年之后，具身数据的竞争不在“有没有标准”，而在“能不能按标准交付，并且经得起复验”。