数据采集实训中心怎么建：从「卖数据」到「数据资产」的合规路径

具身基础模型要迎来「ChatGPT 时刻」至少需要千万小时级真实数据，而当前全球可用高质量真实数据仅为数十万至百万小时级——供需之间的量级差距，使数据采集成为具身智能产业的基础设施环节，也是院校最容易切入的真实生产性实训。《具身智能数据集质量要求及评估方法》行业标准已于 11 月 1 日起正式实施，数据集建设正式从规模导向转向质量导向，这为院校建设数据采集实训中心提供了国标级的作业规范。

建设方案建议按「两条采集路径 + 一个质量控制体系」设计：无本体采集路径（头环、关节传感设备捕捉人体动作，服务模型预训练）门槛低、上手快，适合全体学生规模化参与；真机遥操采集路径（远程操控实体机器人在真实场景作业）精度高、价值大，适合订单班与竞赛梯队进阶训练。质量控制体系对标行业标准，覆盖任务规范、标注细则、审核抽检与版本管理四个环节——质量能力恰恰是院校区别于「人数堆量」众包模式的核心竞争力。

合规是数据业务的生命线，四个要点务必前置：一是数据权属清晰，采集协议须明确数据归属、使用范围与回购结算方式；二是个人信息保护，涉及人脸、场景人员的画面必须按规范脱敏；三是质量与伦理审查，建立数据分级与敏感场景负面清单；四是协议化运营，与企业签订数据共享或回购协议时引入学校法务审核。全国首个全品类物理 AI 数据众包平台「觅蜂派」等真实任务来源，可作为中心运营初期的任务池补充。