8 月 21 日，中国信息通信研究院 2026 年度报告里的一组数字被翻了出来：到 6 月底，全国已经建成并投入使用的具身智能训练场超过 70 个，另有 46 个在建或处于规划阶段，分布范围覆盖了一半以上的省级行政区（TechNode 引信通院报告）。长三角、京津冀、珠三角是三个主要集群。
真正该盯的是配比。这 70 多个训练场里，86% 设有工业制造场景。
训练场是什么，不是什么
先把名字弄清楚。具身智能训练场不是实验室，也不是展厅。它是按真实工作环境复刻出来的物理空间，用来采集真机数据、训练模型、测试机器人系统。机器人在里面反复做同一套动作，采下来的数据回去喂模型。
换句话说，一个训练场就是一间被 1:1 搬进来的车间。要练装配，就得把装配台、料盒、扭力工具、来料节奏原样搭一遍；要练分拣，就得把传送带和货型分布搭一遍。搭得越像，采到的数据越值钱。
所以 86% 这个比例不是统计口径上的巧合，是一份投资清单。有人先掏钱把哪种工作环境复刻出来，哪种工作的动作数据就先被采完。
116 这个数字放在哪个尺度上
拿自动驾驶做一次对照就清楚了。
robotaxi 上路之前，行业先修了十来年封闭测试场，把路口、匝道、施工围挡搬进园区，让车在里面跑够里程。那一轮建设是分散在十几年里完成的。具身智能训练场这一轮不一样：已投用 70 多个，加上在建和规划的 46 个，总量走向 116 个，而这个门类在两三年前还谈不上规模。
同一条曲线上还有两件我们写过的事。6 月工信部和国资委联合启动的实景实训专项行动，目标是年底前形成万台级规模化部署能力；上周的行业报告显示，中国上半年人形机器人出货已经过 4 万台。出货量和政策目标之间一直缺一块拼图，就是这批训练场：机器人能造出来、能卖出去，但要在真车间里干活，得先有地方把活练熟。
现在这块拼图有了 116 个坐标。
地理位置也不是随手选的。长三角、京津冀、珠三角这三个带子，装着中国电子、家电、汽车零部件行业的大部分就业。训练场是修在它们要改变的那个劳动力市场里面的，不是修在别处的科研园区。这个选址决定让数据变得有用，同时也把风险摁在了本地：被采集动作的工人，和将来接收模型的那个工位上的工人，很多时候在同一个产业园里。
采集的是动作，也是工龄
从职业角度看，训练场做的事有一层不太舒服的性质。
它采集的不是抽象的「制造业数据」，是具体某个工位上、某个熟练工用了几年才磨出来的手感：多大力气拧到位，料歪了怎么扶，异响出现时手先停还是眼先看。这类判断过去只存在于人的身体里，没有文档，也没法交接，这正是它长期不被自动化的原因。训练场把它变成了可复制的数据集。
我们 7 月写中国人形机器人进厂的实际情况时提过，真正卡住产线部署的从来不是硬件，是任务泛化——同一台机器换个工位就不会干了。训练场就是冲着这个瓶颈修的。86% 铺在工业制造上，意味着接下来一两年模型能力增长最快的方向，会是装配、上下料、分拣、检测这几类工位，而不是家庭服务或者商用接待。
谁在训练场里上班
这里有一个正在成形、还没被命名清楚的岗位类别。
训练场要出数据，就得有人穿动捕设备把动作做一遍，有人做遥操作示教，有人给采集结果打标签、判合格、清洗异常样本。这批人多数是从产线上调过来的熟练工，恰恰因为手上有活，才有采集价值。
上周 京东宣布要招 10 万名机器人服务工程师，那是自动化铺开之后运维端长出来的新岗位。训练场这批岗位性质不同：它在自动化铺开之前，而且工作内容本身就是把自己的经验交出去。两个岗位都是真的，都发工资，但持续时间的逻辑不一样。运维岗随装机量一起长，采集岗在数据采够之后就没有下一批订单了。
时间表
对制造业从业者，这批基础设施给出的是一份可读的排期。
一个训练场从开工到出可用数据，大致是一年上下；从数据集到能在真产线稳定跑，行业目前的经验是再加一到两年。已投用的 70 多个从 2025 年起陆续开工，那么第一批模型能力落到真车间的窗口就在 2027 年前后，集中在长三角、京津冀、珠三角这三个制造带上。在建那 46 个，对应的是 2028 到 2029 年。
这不是预测，是已经浇了混凝土的东西。一份资本开支清单比任何一份技术路线图都诚实：它已经告诉你，哪几类工位的动作正在被完整地记录下来。
