8 月 21 日，中國資訊通信研究院 2026 年度報告裡的一組數字被翻了出來：到 6 月底，全國已經建成並投入使用的具身智慧訓練場超過 70 個，另有 46 個在建或處於規劃階段，分布範圍涵蓋了一半以上的省級行政區（TechNode 引信通院報告）。長三角、京津冀、珠三角是三個主要聚落。
真正該盯的是配比。這 70 多個訓練場裡，86% 設有工業製造場景。
訓練場是什麼，不是什麼
先把名字弄清楚。具身智慧訓練場不是實驗室，也不是展示廳。它是按真實工作環境複刻出來的物理空間，用來採集真機資料、訓練模型、測試機器人系統。機器人在裡面反覆做同一套動作，採下來的資料回去餵模型。
換句話說，一個訓練場就是一間被 1:1 搬進來的車間。要練組裝，就得把組裝檯、料盒、扭力工具、來料節奏原樣搭一遍；要練分揀，就得把輸送帶和貨型分布搭一遍。搭得越像，採到的資料越值錢。
所以 86% 這個比例不是統計口徑上的巧合，是一份投資清單。有人先掏錢把哪種工作環境複刻出來，哪種工作的動作資料就先被採完。
116 這個數字放在哪個尺度上
拿自動駕駛做一次對照就清楚了。
robotaxi 上路之前，業界先修了十來年封閉測試場，把路口、匝道、施工圍籬搬進園區，讓車在裡面跑夠里程。那一輪建設是分散在十幾年裡完成的。具身智慧訓練場這一輪不一樣：已投用 70 多個，加上在建和規劃的 46 個，總量走向 116 個，而這個門類在兩三年前還談不上規模。
同一條曲線上還有兩件我們寫過的事。6 月工信部和國資委聯合啟動的實景實訓專案行動，目標是年底前形成萬台級規模化部署能力；上週的產業報告顯示，中國上半年人形機器人出貨已經超過 4 萬台。出貨量和政策目標之間一直缺一塊拼圖，就是這批訓練場：機器人能造出來、能賣出去，但要在真車間裡幹活，得先有地方把活練熟。
現在這塊拼圖有了 116 個座標。
地理位置也不是隨手選的。長三角、京津冀、珠三角這三個帶子，裝著中國電子、家電、汽車零組件產業的大部分就業。訓練場是修在它們要改變的那個勞動力市場裡面的，不是修在別處的科研園區。這個選址決定讓資料變得有用，同時也把風險摁在了本地：被採集動作的工人，和將來接收模型的那個工位上的工人，很多時候在同一個產業園裡。
採集的是動作，也是年資
從職業角度看，訓練場做的事有一層不太舒服的性質。
它採集的不是抽象的「製造業資料」，是具體某個工位上、某個熟練技術員用了幾年才磨出來的手感：多大力氣鎖到位，料歪了怎麼扶，異音出現時手先停還是眼先看。這類判斷過去只存在於人的身體裡，沒有文件，也沒法交接，這正是它長期不被自動化的原因。訓練場把它變成了可複製的資料集。
我們 7 月寫中國人形機器人進廠的實際情況時提過，真正卡住產線部署的從來不是硬體，是任務泛化，同一台機器換個工位就不會做了。訓練場就是衝著這個瓶頸修的。86% 鋪在工業製造上，意味著接下來一兩年模型能力成長最快的方向，會是組裝、上下料、分揀、檢測這幾類工位，而不是家庭服務或者商用接待。
誰在訓練場裡上班
這裡有一個正在成形、還沒被命名清楚的職缺類別。
訓練場要出資料，就得有人穿動作捕捉裝備把動作做一遍，有人做遙操作示教，有人給採集結果貼標籤、判合格、清洗異常樣本。這批人多數是從產線上調過來的熟練技術員，恰恰因為手上有活，才有採集價值。
上週京東宣布要招 10 萬名機器人服務工程師，那是自動化鋪開之後維運端長出來的新職缺。訓練場這批職缺性質不同：它在自動化鋪開之前，而且工作內容本身就是把自己的經驗交出去。兩個職缺都是真的，都發薪水，但持續時間的邏輯不一樣。維運職缺隨裝機量一起長，採集職缺在資料採夠之後就沒有下一批訂單了。
時程表
對製造業從業者，這批基礎設施給出的是一份可讀的排程。
一個訓練場從開工到出可用資料，大致是一年上下；從資料集到能在真產線穩定跑，業界目前的經驗是再加一到兩年。已投用的 70 多個從 2025 年起陸續開工，那麼第一批模型能力落到真車間的視窗就在 2027 年前後，集中在長三角、京津冀、珠三角這三個製造帶上。在建那 46 個，對應的是 2028 到 2029 年。
這不是預測，是已經澆了混凝土的東西。一份資本支出清單比任何一份技術藍圖都誠實：它已經告訴你，哪幾類工位的動作正在被完整地記錄下來。
