Item 1 of 1

具身智能数据局：一场自循环的资本游戏？

霞光社

1709

2026-09-19 03:06

1709

霞光社

梅卡曼德创始人邵天兰的一则朋友圈，将具身智能行业心照不宣的隐秘争议彻底摆上台面。

他言辞犀利地直指行业乱象：部分高估值具身智能企业，依托关联交易、数据采集中心及地方资源包装营收数据，以此冲刺IPO、谋求资本上市。此番发声中，邵天兰还在评论区直接点名银河通用，引发行业热议。

邵天兰朋友圈截图

针对此次质疑，银河通用官方迅速作出回应，表态不愿参与行业口水纷争，将持续深耕技术研发、场景落地与商业化推进，专注自身核心业务发展。

一石激起千层浪。

一时间，针对"攒局型"具身智能企业左手倒右手、表演式数采的质疑声四起——采集量级究竟能否支撑真实场景落地，众说纷纭。

而早在今年8月，类似问题已被海外媒体所关注：《金融时报》在《谁在买中国机器人？》一文中，描述了一套交易链条：机器人企业与地方政府共建数采中心采购其机器人，随后再把采集的数据卖回机器人企业，还将这一过程称为“循环融资”。

这也让具身智能行业内的一些更本质问题，不得不被推到台前：机器人企业究竟需要什么数据？数采中心生产的数据是否真正进入模型？设备订单和数据交易又该如何判断实际价值？

要看清这些问题，仍要回到一条数据产生、流转并进入模型的全过程。霞光社对话了三位身处数采行业的从业者，分别从真实数据、订单需求和触觉数采出发，呈现出这门生意正在经历的变化。

物理AI数据创业者黄大荣：中国具身智能数采卡在哪？

如果只看机器人出货量，中国具身智能似乎已经走得很快。但出货量只能反映产业化进度，机器人能否在真实场景中完成任务，最终还要回到模型能力。而模型能够走多远，很大程度上取决于它究竟见过多少真实世界。

据了解，OpenAI 积累的原始数据已达到千万小时级别，这还仅是保守估算。为其供给数据的海外机构，单月采集量便可达到百万小时。反观国内，简智、光轮两家企业同样具备单月百万小时的采集能力，但市场上愿意大规模采购 Ego 数据的买家寥寥无几。（Ego数据，指采集者头戴相机 / AR 眼镜，以人眼第一视角记录人与物体交互的多模态数据，用来训练人形机器人，让机器人学习在真实环境里怎么观察、抓取、完成任务。）

如此悬殊的差距，很容易让人想到一条“捷径”：真实采集既慢又贵，能不能直接依靠仿真和合成数据追上去？

可以是可以，但现阶段恐怕很难。

自动驾驶已经走过一遍类似的路。最初，大量汽车先要在真实道路上运行，积累几千万甚至上亿小时的数据。只有模型见过足够多的道路、天气和突发情况后，合成数据才有参照，才能补充那些危险、低频或难以重复的场景。现在的具身智能，更像自动驾驶的早期阶段。真实物理世界的样本底座还没有建立起来，模型甚至没有充分见过杯子如何滑落、人在狭窄空间里如何调整动作。这个时候只谈仿真，很容易生成一段“看起来合理”的视频，却无法让机器人在现实中稳定完成任务。

既然真实数据采集那么重要，为什么国内的具身公司购买Ego数据量这么少呢？

答案其实很简单，就是因为钱不够。虽然大家现在觉得具身融资火热、泡沫丛生，但实际上，要想真正落地真实场景，融到的这些钱还远远不够。

我们可以来算一笔账：一套采集设备可能要两三千元，再加上采集人员，按照全球平均水平估算，仅人工成本就接近每小时15美元。把这个数字乘以一千万，就能明白为什么数据规模不是多建几个数采中心、增加一些工位就能堆出来的。

并且数采也不是说量堆够采够了就行了，模型在早期需要的是广度，要先“见过世界”。因此，采集需要覆盖世界各地不同的国家和地区，让机器人接触不同的职业、家庭和生活环境。比如菲律宾的铁皮房、柬埔寨的茅草屋，都是有价值的，它们能让模型知道，人类并不都生活在标准化公寓里。

菲律宾的铁皮房

但广度数据只能帮助模型完成前期预训练。当机器人准备进入具体市场，采集就必须从“看得多”迈向“学得深”，围绕目标场景反复训练。

例如，面向中国家庭的机器人，需要熟悉本地家庭的空间、物品和生活习惯；面向北美商超或咖啡厅，则必须到当地采集。店内员工可以签署拍摄协议，但营业期间不断进出的顾客很难逐一授权。因此，真正接近商业场景的数据，最难拿到，也最昂贵。

采集场景确定之后，还要保证采集的内容能够真正被模型使用。摄像头一直开着，只是增加采集时长，并不代表记录下来的数据全部有效。

以印度的一些手工作业现场为例，当地人习惯赤脚围坐在地上，边聊天边完成手里的工作。双手、双脚和其他人的动作同时进入画面，模型甚至需要先判断哪个是手、哪个是脚。为了减少干扰，采集方案会要求操作人员分开工作，避免脚部入镜，必要时还要穿上袜子。

但在实际执行中，有人不愿分开，因为会影响彼此聊天；也有人认为只要戴着设备，就应该计算采集时间，即使中途喝水、休息或去洗手间，也不会主动关闭设备。

印度人做数采现场

同样的流程交给国内数采员，沟通成本往往会低一些。讲清楚场景表和操作规范后，他们通常能够理解什么是有效数据：只有完成规定动作时才开启设备，离开任务就暂停采集，无关人员也尽量不进入画面。

两种执行结果的差异，最终都会反映在数据质量上。

这也让“采集了多少小时”成为一个容易失真的指标。设备运行一小时，不等于模型得到一小时有效数据。操作偏离流程、手部受到遮挡、多人动作相互交叠，都会产生大量的无效片段。而那些符合采集要求的片段，它仍然也只是生数据。要让模型读懂，还需要先剔除无效片段，再完成动作和语义标注。

例如，一段制作蛋花汤的第一视角视频中，一个人左手端碗，右手拿着筷子，把蛋液打散，再倒进锅里。标注人员需要指出双手的位置和姿态，并用语言说明每一步正在发生什么：左手扶住什么，右手如何运动，蛋液在什么时机倒入锅中，动作与物体之间产生了怎样的关系。机器人学习的不是“这是一段做饭视频”，而是画面背后的动作逻辑。

数据完成清洗和标注后，才能正式进入模型训练环节。

不过，现阶段一些国内企业即使能拿到十万小时数据，模型也未必能够承受得住。问题不再是数据有没有处理好，而是企业是否具备足够的算力、稳定的数据管道和能够持续训练大模型的工程能力。数据需要被送入模型，训练结果还要返回采集端，告诉团队哪些动作已经足够、哪些场景仍然缺失。这个循环跑不起来，采得再多也只是堆在服务器里的素材。

OpenAI的优势就在这里。它不只拥有更多数据，还有足够的算力和一整套能够消化数据的治理能力。国内企业面对的则是多重缺口：数据量不足、算力受限，能够同时理解模型和数据的团队也不够成熟。

这些问题归根结底还是需要持续的资金投入来弥补。

虽然现在许多具身智能公司的估值很高，但估值并不等于真正到账、可以用于训练的钱。数据、算力和顶尖人才都是长期投入，而国内资金又分散在大量创业公司中，真正落到单家公司手里的资金，很难支撑一场千万小时级别的数据战争。

在这样的资金压力下，企业与地方共建数采中心，成为了补充设备和采集能力的一种方式，争议也随之出现：数采中心采购机器人形成销售收入，采集的数据又被机器人企业买回，这些交易究竟来自真实训练需求，还是主要在关联主体之间循环？

设备数量、工位规模和采集时长容易展示，模型能力是否提升却需要更长时间验证。当后者难以被迅速证明时，设备订单、项目规模乃至上市进度，就容易被当作企业成熟度的替代指标。

但在我看来，上市只是获得继续投入的机会，并不等于已经“上岸”。真正的上岸，是像酒店、餐饮或工业机器人，能够进入真实场景，并被客户重复采购，即使做的不是通用人形机器人，也已经建立了自己的商业闭环。

而机器人最终进入哪里，又会反过来决定下一批数据应该采什么。

从中国市场看，我判断，家庭场景可能比工业场景更早出现机会。高端工厂已经完成了大量自动化，剩下的质检等工作技术门槛很高；劳动密集型工厂的人工成本又很低，未必愿意购买一台几十万元的机器人。相比之下，养老、做饭、洗衣、提醒用药和取送物品，可能是更明确的需求。机器人不必一开始什么都会，只要能够在一个家庭里稳定完成几项重复工作，就可能产生购买或租赁价值。

所以，数采不能先把小时数做大，再去寻找用途。机器人准备进入什么场景、服务什么人、解决什么问题，决定了哪些动作值得被记录，哪些环境需要反复训练。

数据的终点从来不是服务器，而是机器人终于能够在真实世界里，把一件事做好。

中瞳数融总经理孙浩：不是摄像头开得不够久，而是数据生产没有真正接上模型需求

数采行业正在呈现一个看似矛盾的现象。

一边，机器人企业不断喊着“缺数据”，但真实数据的供应量可能连需求的1%都不到；另一边，一些数采中心已经摆满设备、招来数采员，采回来的数据却迟迟找不到买家。

矛盾背后，其实是供需错位：高质量数据供小于求，低质量数据供大于求。企业缺少的，是能够解决模型问题的高质量数据；市场上开始过剩的，则是没有明确用途、为了增加时长而生产的同质化数据。目前，数采行业最大的断点，不是摄像头开得不够久，而是数据生产还没有真正接上模型需求。

这种错位，可以从一条有效数据是如何产生的说起。

桌上放着一个水杯，数采员伸手拿起它，看起来只有几秒，为了让机器人学会这个动作，却可能需要重复几十次。杯子的角度、抓取位置、手臂高度和使用的力量稍有变化，都会形成不同的运动轨迹。这些变化越丰富，机器人能够学习的动作组合也就越多。

在此过程中，失败的动作同样可能有价值。如果第一次没有拿稳，调整手势后重新抓起，这条“失败—纠正—恢复”的轨迹，有时比一次顺利完成更有意义。因为机器人进入现实环境后，不仅要学会怎样成功，还要知道出错后如何继续。

但有价值的失败，不等于所有重复动作都有效。动作偏离要求、手部被遮挡或设备空转，都会留下无法使用的片段。因此，数采员一天工作12个小时，最终能够交付的有效数据可能只有2-5个小时。

这也意味着，模型企业提出的训练需求，不能直接交给数采员执行，而要先被拆解成具体的动作、场景和交付标准。我们承担的正是这项连接工作：公司一端对接头部机器人企业和模型企业，明确训练任务并承接数据订单；另一端连接城投、交投等地方国资平台，帮助其建设和运营数采中心，再把订单转化为能够落地执行的采集任务。

当训练需求明确后，数采团队还要判断，这批数据能否被不同企业和机器人复用。公共数据集、通用家庭动作和数字孪生资产适合标准化采集；故障恢复、复杂地形和特殊工艺，则要根据机器人的结构和传感器进行定制。目前，我们承接的散单中，约六至七成都属于定制需求。

训练机器人熨衣服，受访者供图

无论是标准化还是定制化，采集方式解决的只是“数据怎么生产”，至于数据有没有价值，还要由模型训练结果来回答。

模型企业通常不会一开始就采购大量数据，而是先围绕具体场景和任务购买几百或几千小时。第一批数据进入模型后，训练结果会返回数采端：哪些动作已经学会，哪些步骤仍然失败，下一轮还需要补充什么。数采团队会据此调整任务，再把新的数据送回模型。采集-训练-反馈-补采，由此形成一轮轮循环。

第一次购买可能只是试用，第二次、第三次购买，才说明数据确实解决了问题。

随着同类数据不断增加，模型能力的变化也会反映出数据的边际效益。如果动作采了很多，模型表现却不再明显提升，这类数据就接近饱和，再继续采集增长的只是文件数量，而非能力。

行业判断数据价值的方式也因此在逐渐发生变化。过去，累计采集时长的数据本身就能成为项目亮点；而现在，比时长更重要的是模型任务成功率提高了多少、边际效益是否还在增长，以及模型企业是否愿意持续采购。只有订单、训练和复购形成闭环，数据的价值才能真正得到验证。

但问题在于，目前能够形成这种闭环的订单还不够多。

机器人尚未大规模进入工厂、仓库和家庭，模型企业能够提出的实际任务有限，数据订单只能随着研发和落地进度逐步释放。与此同时，各地却已经看到了真实数据的长期价值，开始提前建设数采中心，希望为之后的产业需求准备产能。

长期需求确实存在，但它不会立刻变成足以支撑所有数采中心的订单。于是，一些数采中心在等待订单的过程中，只能先组织人员采集容易执行的动作。数据时长不断增加，具体要解决哪个模型问题却不够清晰，“为了采而采”也就由此出现。

现阶段，这种现象很难被彻底解决。一个新市场通常要经历先发散、再聚拢的过程：参与者先进入，不同模式先被尝试，随后再由真实订单、数据价格、模型效果和复购情况完成调整，最终形成相对稳定的行业格局。

在这个过程中，数采中心能否持续获得订单，一定程度上取决于能不能进入到有真实需求的场景中采集到数据。

然而，这些场景并不容易开放，比如家庭采集涉及隐私，精密制造工厂又包含生产流程和技术信息。为了解决这一问题，一些数采机构会与地方经信部门或国资企业展开合作，协调工厂开放部分流水线，再让工人佩戴设备，或租用生产区域完成采集。

但能够获得这类订单的数采中心仍然有限，其余的数采中心只能采集门槛较低的通用动作，当这些数据无法卖给独立采购方时，就只能被关联的机器人企业购回，“循环融资”的现象也由此产生。

地方与企业共建数采中心的模式本身没什么问题，但当企业从关联的数采中心购买数据时，交易的真实性和独立价值就需要进一步说明。比如订单来自模型训练、二次迭代还是其他需求，使用的具体场景、样本类型及占比，数据将用于完成哪些模型任务，以及交易价格是否公允，是否存在独立第三方购买同类数据，复购量和复购率如何等等。

这些信息能够帮助外界判断，关联交易是否建立在真实需求之上。同时，评价一家数采中心，也要看其有效数据比例、场景覆盖度、模型能力提升、边际效益和长尾问题解决情况，而不能只看设备数量、工位规模和累计时长。

沿着这套评价标准继续发展，未来数采行业的分工也将更加清晰。

头部机器人企业会保留内部数采部门，处理敏感数据、核心任务和安全要求较高的场景；公共数据、标准化任务和可复用场景，则交给第三方机构。

中小型数采企业不必与大厂比拼规模，而是在一些细分领域寻找机会。比如一些原本服务电力、能源、航空或矿山的企业，可以凭借行业关系和信任基础进入特殊作业现场；还有一些可以向数据清洗、标注、评测和数据资产平台延伸，不再只是出售采集时长。

数采中心本身也会逐渐变成混合系统：人工负责复杂动作和特殊情况，机器人自主完成简单、重复的采集，评测系统筛选有效数据，再把结果反馈到采集端。数采员也可能会从动作执行者转向评测工程师、任务设计师和长尾案例设计师等等。

数采员操作训练，受访者供图

采集方式和岗位会发生变化，但真实数据在未来3-5年仍然不可替代。仿真虽然能够快速生成低频、危险或难以重复的场景，但重量、尺寸和摩擦系数等物理参数却仍需从现实中获得。参数一旦出现偏差，机器人在仿真环境中抓得再稳，进入现实也可能失败。

因此，行业还要继续积累大量真实数据和真机数据。等物体、场景和动作参数足够丰富，仿真才可能承担更多预训练和长尾场景生成任务。

从落地节奏看，工业场景可能会先于家庭释放数据需求。前者已经存在相对明确的任务，数据订单更容易围绕实际问题产生；家庭机器人的空间虽然更大，技术能力和使用成本却还需要时间成熟。

但无论机器人最终进入工厂还是家庭，数采的逻辑始终相同：场景提出问题，数据记录解决问题的过程，模型再从这些记录中学习。模型、场景和数据构成了具身智能的铁三角。任何一环脱离另外两环，都会陷入空转。

因此，数采行业真正成熟的标志，不是又建了多少中心、采了多少小时，而是能够清楚回答一个问题：这批数据，究竟让机器人学会了什么。

超维传感创始人兼CEO 李炎辉：触觉数采仍是蓝海，但第一步不是堆数据

当大量企业涌向视觉数采时，我们把注意力放在了触觉。

一方面，团队已经深耕触觉传感器12年，积累了长期的技术经验；另一方面，视觉方向参与者众多，没有必要再重复“造轮子”。触觉虽然存在霍尔、电容等不同路线，市面上从事相关手套的企业也有十余家，但真正能够稳定提供高质量触觉信息的厂商仍然很少。从具身智能数采的角度看，这里仍是一片蓝海。

更重要的是，触觉数采补上了视觉数采难以覆盖的接触信息。机器人可以通过视觉找到目标，但手指接触物体后，还要根据压力、摩擦和受力变化，判断有没有拿稳、应该使用多大的力。

以拿起一个300克的水瓶为例：假设拿起水瓶恰好需要5N的力。如果不同传感器在相同动作中分别记录出4N、5N和6N，模型就可能误以为，4-6N都能完成抓取。但到了现实中，4N可能拿不起来，6N又可能把瓶子捏瘪，让水洒出来。

模型不会主动判断哪一个数值错了，它只会按照收到的数据学习。因此，触觉数采首先要解决的是：同样的接触，能否被不同设备稳定地记录为一致的结果。

这也决定了触觉数据不能一开始就用采集时长衡量。只有先解决一致性问题、建立统一的数据标准，讨论时长才有意义。

如果同一个动作在不同手套、不同批次的传感器上得到不同结果，一小时的数据可能存在偏差，一万小时只会积累更多偏差。反过来，如果传感器能够持续、稳定地记录接触信息，采集时间越长，模型获得的有效样本才可能越多。

因此，触觉数据的“有效”，意味着记录准确、结果一致。要做到这一点，不能只依靠某一个零部件。从底层材料、印刷工艺到软件算法、贴合和标定，任何环节出现偏差，都可能让最终力值发生变化，本质上是要给触觉数采建立一把统一的尺子。

有了这把尺子，触觉数据的有效时长反而比视觉数据更容易判断。

视觉设备连续工作8小时，可能拍下大量与任务无关的画面，真正能够进入训练的数据不到一半。触觉传感器则不同：没有发生接触时，记录值为零；只要真实接触发生，设备保持一致、操作符合规范，这段触觉信息就可以被留下。如果8小时都在按照标准完成有效接触，8小时就可以是8小时有效数据。

但数据有效，并不意味着数据足够丰富。

比如让数采员反复叠一条毛巾，若毛巾的材质、摆放方式和操作过程完全相同，即使重复100次、1000次，采回来的数据虽然符合标准，但模型学到的内容却十分单一。

真正有价值的数采，需要在统一标准下制造更多变化。毛巾的材质可以不同，光线可以从明到暗，也可以产生阴影；操作姿态和折叠方式也可以调整。模型见过的变化越多，进入真实场景后才越有可能完成任务。

但这些变化也不能脱离采集目标，如果正常任务要求五根手指抓住水瓶，操作过程中却只用指腹或手掌发生了非正常接触，传感器即使准确记录了力值，数据也可能偏离原本的任务要求。

因此，触觉数采不仅需要执行动作的人，也需要能够设计动作的人。

短期内，数采员的需求会快速增加，但岗位也会逐渐分化。一类人按照制定好的规范完成重复操作；另一类人则要理解模型需要什么，设计材质、姿态和接触方式等变量，让普通操作人员也能稳定采出高质量数据。长期来看，前者可能会先增加再减少，后者会持续存在。

人员之外，触觉数采能否扩大规模，还要看采集设备如何完成验证，并进入实际项目。

我们并不直接经营数采中心，而是为模型企业和数采机构提供高一致性的数采手套，并与使用方共同研究采集规范。目前，一副触觉数采手套市场价格大约为几千元，但采购通常不会一步到位。

超微传感超芯维Hypetrix HSG系列数采手套，目前已在京东店铺上线，受访者供图

刚开始时，模型企业或数采机构可能会先采购10-20套，用来验证可行性和设备性能；验证通过后，才可能扩大至上千套。设备能否扩大部署，也不只取决于硬件本身，还取决于采回来的数据是否真正帮助模型完成了任务。模型反馈回来之后，采集方式和传感器还要继续调整。

随着触觉数据需求不断扩大，成本更低的仿真和合成数据也会逐渐进入模型训练。但现阶段，它们还无法替代真实数据，因为触觉领域尚未形成足够规模的数据基础。

就像生成式视频能够合成画面，是因为模型已经学习过海量真实视频。触觉同样如此：压力、摩擦以及不同材料接触时的反馈，都要先从现实世界中获得，仿真和合成数据才有学习与校准的依据。

因此，早期的真实触觉数据会远多于合成数据。积累到某个阶段后，合成数据可能逐渐增加，甚至超过真实数据。这个拐点何时到来还无法确定，但真实数据必须先完成基础积累。

真实数据的持续积累，最终需要由具体应用场景承接。相较于家庭，工业领域更可能会率先形成稳定的触觉数据需求。

工厂环境相对结构化，机器人要抓什么、放到哪里、使用多大的力，都更容易被定义，数采任务也能围绕具体操作展开。这个方向虽然竞争激烈，但也恰恰说明越来越多企业看好它进入实际生产的速度。参与者增加，也会带来更多尝试和成功案例，推动中国制造业提高生产效率。

当然，并不是所有进入这个赛道的企业都能留下。产品是否稳定、数据是否有效、模型能否因此完成实际任务，最终都要接受现场的检验。没有价值的产品和数据会被淘汰，真正解决问题的企业才能在竞争中生存。

数采中心也会经历类似的筛选，经历一个从少到多、再从多到少的过程。

产业早期需要快速积累数据，数采中心会先从少到多。但当简单、重复的数据逐渐采够，只承担标准动作采集的中心会慢慢减少。能够进入特殊场景、提供高质量数据和定制服务的机构，才可能长期存在。

与此同时，行业分工也会随之形成。涉及精密制造、核心工艺和企业独有技术的数据，很难对外开放，头部企业可能会建立数采部门，将这些数据留在内部，形成自己的“护城河”。更通用、更宽泛的数据，则可以由第三方机构提供，帮助模型企业降低采集成本。

如今，具身数采仍处于早期阶段，难免鱼龙混杂，充满争议，但最终都会聚焦到价值，回归到实质。那些能够持续提升数据质量、推动统一标准建立的参与者，更有可能在行业沉淀之后留下来。

中国融资 AI

TikTok、Facebook、谷歌、Twitter广告服务，0门槛抢占全球流量！

极速开户+优化投流+风险保障+效果跟踪，仅需4步，轻松撬动亿万海外流量，让品牌销量翻倍增长！

已成功开通5000+账户

免责声明

本文链接:

本文经作者许可发布在AMZ123跨境头条，如有疑问，请联系客服。

突发！大批翻新链接被删，亚马逊严查重复创建ASIN

王一博新代言蓝芩喉糖翻车？品牌方已报警；三九胃泰劝人“中秋别团圆”；永和豆浆也开始“擦边”了

超象海外商标专利

美国商标注册，终身质保。（包含常规OA答复，无隐藏收费）

方信商标专利注册

十年口碑，代理超10万，专业保障，99%客户满意度！

盈安出海

专注拉美本土电商，提供公司注册、本土店铺及资金回款一站式落地服务

麦多国际知识产权

服务超2000+亿级亚马逊卖家，超懂亚马逊维权规则！

超象海外商标专利

美国商标注册，终身质保。（包含常规OA答复，无隐藏收费）

方信商标专利注册

十年口碑，代理超10万，专业保障，99%客户满意度！

盈安出海

专注拉美本土电商，提供公司注册、本土店铺及资金回款一站式落地服务

麦多国际知识产权

服务超2000+亿级亚马逊卖家，超懂亚马逊维权规则！

最新热门报告作者标签

26年Q4英国网购支出将达400亿英镑，AI流量暴涨214%

Adobe发布《2026年英国假日购物预测报告》，2026年第四季度（10月至12月）英国电商总支出预计达到400亿英镑，同比增长6.4%。

从广告到下单，2026电商AI营销新风口来了！

本文将从行业应用、个性化营销、广告创意、零售媒体、智能购物代理、AI搜索及消费者信任等方面，分析2026年AI在消费品与电商营销领域的发展趋势。

马士基公布Q3财报：营收180亿美元，利润大幅增长

马士基公布了2026年第三季度业绩。在全球贸易保持韧性、港口拥堵推高运价的背景下，马士基凭借商业运营表现实现营收和利润大幅增长，三大业务板块均有所增长。

美客多Q3财报出炉：营收107亿美元，GMV大增38%

美客多公布了2026年第三季度业绩。受巴西市场持续增长、电商交易活跃度提升及金融科技业务扩张推动，净营收及金融收入达到107.50亿美元，同比增长45%；GMV达到228.18亿美元，同比增长38%。

亚马逊卖家服务与广告持续创新高，业务重心或转移

Marketplace Pulse的分析指出，亚马逊向第三方卖家收取的费用与广告收入，正在逼近其自营线上零售业务的收入规模。

AMZ123会员专享丨11月第1周资讯汇总

亚马逊亚马逊欧洲站燃油与物流相关附加费11月2日起由1.5%上调至2%。适用英国、法国、德国、意大利、西班牙、波兰、瑞典、荷兰、爱尔兰和比利时十国商城。亚马逊美国站将于11月2日实施新版商业责任险政策，儿童用品、化妆品、可摄入商品及锂电池产品等高安全要求类目的卖家，无论月销售额是否达到1万美元，均须持有最低100万美元的商业责任险。YouTube宣布与亚马逊合作，在沙特阿拉伯、阿联酋和埃及推出YouTube Shopping联盟营销计划。符合条件的创作者可以在短视频、长视频和直播中添加商品链接或标签，当观众通过这些内容购买符合要求的商品时，创作者便能获得相应佣金。

亚马逊再涨FBA配送费，卖家：我画地为牢啊！

别人放不下旧友，我放不下库存。我画地为牢啊，亚马逊！——《后会友期》亚马逊卖家版如今正值旺季备货期，不少卖家正忙于为即将到来的黑五网一购物季做准备。然而比旺季更先到来的，是亚马逊一年一度的物流费用调整，又打了美国站卖家一个措手不及。AMZ123获悉，11月6日凌晨，亚马逊美国站发布了销售佣金和物流费用的更新通知，宣布将于2027年1月15日起，陆续变更FBA配送费、仓储费、低库存费、促销费及销售佣金等费用。

突发！亚马逊配送费再涨，买X赠Y正式开始收费

今天凌晨4点，很多卖家还在睡梦中，亚马逊的一封“2027年费用调整通知”邮件，直接把不少人炸醒了。看完新政，相信卖家们的第一反应是原地裂开。不仅明年的FBA配送费又要涨，连以前完全免费的“买×赠Y”促销，现在也要开始收费了。在座的各位，给亚马逊打的钱，真的是越来越多了。配送费再涨，利润更薄了根据邮件通知，自2027年1月15日起，美国站FBA配送费平均每件将上涨0.19美元，约占总售价的0.8%。别看0.19美元不多，比起2026年平均0.08美元的涨幅，这次的涨价力度直接翻倍。而且具体到不同档位，痛感完全不同：售价在10—50美元之间的小号标准尺寸，平均多交0.40美元；超过50美元的，多交0.70美元。

亚马逊27年美国站费用大变！FBA、仓储费等全面调整

亚马逊公布了2027年美国站销售佣金及亚马逊物流（FBA）费用调整方案，涉及商品配送、仓储、低库存、跨境远程配送、销售佣金、促销、退货以及亚马逊智能卫星仓（AWD）和多渠道配送（MCF）等多个环节。

亚马逊再涨FBA配送费，卖家：我画地为牢啊！

月销量过万，亚马逊10款实用户外好物走红

近日，亚马逊各类产品搜索量增长显著，以下10款产品在亚马逊上销量表现突出，深受消费者欢迎。排名第一的打火棒预计月销2万+，月销售额超60万美元。

突发！亚马逊配送费再涨，买X赠Y正式开始收费

中国大卖150万台暖手宝遭美国紧急召回

亚马逊知名大卖OCOOPA旗下约150万台可充电暖手宝因存在电池过热、起火风险被召回。截至公告发布时，OCOOPA Direct已收到1480起产品过热报告，相关事故造成15起火灾、350人烫伤，其中包括一名消费者死亡。

AMZ123会员专享丨11月第1周资讯汇总

亚马逊卖家服务与广告持续创新高，业务重心或转移

Marketplace Pulse的分析指出，亚马逊向第三方卖家收取的费用与广告收入，正在逼近其自营线上零售业务的收入规模。

从广告到下单，2026电商AI营销新风口来了！

本文将从行业应用、个性化营销、广告创意、零售媒体、智能购物代理、AI搜索及消费者信任等方面，分析2026年AI在消费品与电商营销领域的发展趋势。

《中国制造出海及AI转型实践报告》PDF下载

中国制造出海整体现状:规模持续扩大，结构加速优化 9.36万亿 2025机电产品出口，增长20.1%，占出口总值63.5% +37.1% 高技术产品出口增速，集成电路+95.4%，自动数据处理+43.3%， 646亿 2025变压器出口，增长36%，A数据中心电力需求驱动 141国，工业机器人出口目的地，出口62.9亿元，增长18.6%

《中国医药中间体出口全景分析：破解政策难题深挖全球红利》PDF下载

医药中间体作为药品合成工艺中不可或缺的关键组成部分，其产业技术与贸易流动直接关系到全球药品供应链的稳定与安全。中国凭借数十年来在化学合成领域的持续积累与规模化生产优势，已发展成为全球最重要的医药中间体生产与供应基地。本部分旨在从宏观层面概述中国医药中间体的出口全貌，为后续深入的产品与市场分析奠定基础。

《家用电器行业专题-关税对中美两国家电行业影响全梳理》PDF下载

美国开启全球关税加征，对中国额外关税加征已到125%。4月3日，美国宣布“对等关税”计划，对所有进口商品征收10%的基础关税，并对特定国家征收额外关税，其中对中国加征34%，加征后对中国关税税率累计达54%。4月9日，美国将对华关税税率提高至125%，对75个贸易伙伴国暂停实施“对等关税”90天。

《2027跨境行业趋势洞察报告》PDF下载

在全球经济、进出口政策遭遇频繁波动的背景下，全球贸易格局正经历深刻变革。传统供应链及销售的线性模式逐渐显露出其局限性--高度分散的物流节点、缺乏联系的区域协作机制，以及灵活性缺失的资源调配逻辑，难以支撑企业在不断变化的跨境行业浪潮中，做出敏捷响应与价值体现。

《2026中国宠物食品出口分析白皮书》PDF下载

2026年1-7月，本报告圈定的7个宠物食品相关 HS 编码出口合计约 23.5 亿美元(2025 全年 35.1亿、2024全年 39.7亿)。拉长看节奏很清楚:2024 年高基数(39.7 亿)→ 2025 年回落(-11.5%，主要是豆粕腰斩拖累)→ 2026年1-7月零售粮与制剂双回升。猫狗粮(230910)1-7月同比+14.6%、饲料制剂(230990)+15.0%，说明剔除原料波动后，宠物食品的"真需求"还在往上走。

《中国新能源出海月报-东南亚》PDF下载

对东盟新三样出口 2025 年已达约 $219 亿，EV 与锂电池是主力增量2025年对东盟出口:EV82 亿美元、锂电池 90 亿美元、光伏47 亿美元;2026年 1-4月合计同比 +50%，增量集中在 EV与锂电，光伏受双反影响增速最低。

《消费电子出海国别机会洞察白皮书》PDF下载

在欧美传统市场占比下降的背景下，东南亚、拉美、中东等新兴市场贡献率节节攀升。智能手机在墨西哥教育采购、越南高端换机潮、俄罗斯线下连锁渠道中占据主导;无线耳机和充电宝则通过跨境电商在非洲、东南亚实现爆发式增长。与此同时，绿色合规与本地化生产成为突围关键--欧盟碳关税、美国《芯片法案》倒逼企业加速布局海外制造基地，TCL 墨西哥工厂、OPPO 印尼产业园等案例印证“中国研发+全球制造”模式的崛起。

《汽车行业深度报告：从产品出口到体系出海，中国车企全球化进程加速》PDF下载

出口规模连续跨越台阶，海外市场已成为行业增量主体。2015年中国汽车出口75.55万辆，2025年增至832万辆:2026年1-7月出口641万辆，同比增长54%7月单月109万辆，同比增长57%。高基数下仍保持较快增长，海外需求已成为行业总量的重要来源。车型供给、船运和渠道能力改善，推动出口从单一市场突破转向多区域协同。

跨境科普达人

科普各种跨境小知识，科普那些你不知道的事...

跨境电商干货集结

跨境电商干货集结，是结合亚马逊跨境电商卖家交流群内大家在交流过程中最常遇到的问题，进行收集整理，汇总解答，将会持续更新大家当前最常遇见的问题。欢迎大家加入跨境电商干货集结卖家交流群一起探讨。

侃侃跨境那些事儿

不侃废话，挣钱要紧！

欧洲电商资讯

AMZ123旗下欧洲跨境电商新闻栏目，专注欧洲跨境电商热点资讯，为广大卖家提供欧洲跨境电商最新动态、最热新闻。

跨境数据中心

聚合海量跨境数据，输出跨境研究智慧。

亚马逊公告

AMZ123旗下亚马逊公告发布平台，实时更新亚马逊最新公告，致力打造最及时和有态度的亚马逊公告栏目!