Lin Fangzhou, envoyé de AoFeiSi
À Chenzhou, dans le Hunan, un centre de services de China Mobile arbore une enseigne "Magasin 5S de collecte de données incarnées". Les clients ordinaires reçoivent une pince, des gants et une caméra frontale, et après une formation simple, ils peuvent collecter des données pour l'entraînement de robots tout en faisant le ménage.
Les 1 000 ensembles d'équipements déployés initialement peuvent collecter 1 million d'heures de données par an à pleine capacité. J'imagine déjà le petit calcul mental du commerçant : collecter des données et gagner en visibilité, les agences de publicité 4A devraient prendre des leçons. (doge)
Il existe de nombreuses autres "astuces" similaires pour la collecte de données incarnées : certaines proposent un nettoyage gratuit à domicile pour collecter des données (bienvenue chez moi), d'autres transforment la collecte en jeu VR, et d'autres encore connectent le robot à Internet, permettant aux collecteurs de "piloter à distance" depuis leur ordinateur sans se rendre sur place.
Collecte de données incarnées
Cependant, il est bon de sourire en lisant ces exemples, mais collecter des données conformes aux exigences n'est pas si simple. Si les "astuces" se multiplient, c'est parce que les robots manquent cruellement de données.
Actuellement, tout le monde s'efforce de collecter des données, mais peu ont dressé un panorama complet de ce secteur.
Quantum Bits a compilé de manière incomplète les informations de 97 acteurs chinois des données incarnées, dont 70 s'occupent de collecte de données et 27 d'infrastructure de données.
L'année dernière (du 1er juillet 2025 au 1er juillet 2026), 15 prestataires de services de données incarnées indépendants (ne fabriquant pas de corps, n'entraînant pas de modèles, uniquement des données) ont collecté environ 4,47 milliards de yuans de financement.
Dans le contexte actuel où le capital est très enthousiaste pour l'intelligence incarnée, ce chiffre n'est en fait pas très élevé. Selon les précédentes statistiques de Quantum Bits, au premier semestre de cette année, les entreprises du "cerveau incarné" ont levé 22,3 milliards de yuans en six mois seulement.
Pour vous aider à mieux comprendre le secteur des données incarnées, nous avons résumé les dix constats suivants sur l'état de l'industrie.
Comment collecter les données ?
Constat 1 : Les voies techniques de collecte de données se divisent en quatre catégories, et le segment de la collecte multi-voies est le plus encombré
Les principales voies techniques actuelles de collecte de données incarnées peuvent être classées en quatre catégories :
Téléopération sur machine réelle : Un humain contrôle un robot réel pour exécuter une tâche, en collectant simultanément les actions, états et données des capteurs.
Collecte sans corps : L'humain effectue directement la démonstration, en capturant les actions via des équipements tels que la capture de mouvement, le mappage de pinces, des caméras à vue subjective, etc., sans participation d'un robot.
Synthèse par simulation : Génération en masse de données d'interaction robotique dans un environnement virtuel, pour l'entraînement des modèles.
Distillation à partir de vidéos Internet : Extraction de connaissances sur les actions humaines à partir de vidéos internet, transformées en données pouvant être apprises par les modèles incarnés.
Parmi les 70 entreprises/plateformes de collecte de données incomplètement recensées par Quantum Bits, 30 utilisent simultanément plusieurs voies de collecte, soit 43 %, par exemple : téléopération réelle + sans corps, téléopération réelle + simulation, sans corps + simulation, toutes voies, etc.
Le nombre de joueurs adoptant des solutions de collecte multi-voies dépasse celui des joueurs se concentrant sur une seule voie.
L'industrie utilise souvent la pyramide des données pour décrire la structure des données nécessaires à l'entraînement des robots. Aucune méthode de collecte de données ne peut actuellement répondre seule aux besoins d'entraînement des robots.
△
Constat 2 : Les joueurs misant uniquement sur la téléopération réelle sont les plus nombreux
Analysons successivement chaque voie technique.
Ceux qui misent uniquement sur la téléopération réelle sont les plus nombreux, avec 22 entreprises, soit 31%.
Parmi ces 22 acteurs, 13 sont des plateformes de données étatiques, 7 sont des entreprises de robotique (produisant du matériel robotique ou développant des modèles de grande taille incarnés), 1 s'est reconvertie depuis l'industrie de l'annotation de données IA, et 1 a fait un crossover depuis le domaine de la fabrication d'équipements industriels.
Les entreprises de robotique ont des avantages matériels et des besoins réels, la collecte par téléopération est donc un choix naturel.
L'avantage des plateformes de données étatiques est qu'elles "ne craignent pas la lourdeur". La téléopération est une voie à forte intensité capitalistique, nécessitant l'achat de corps, la location de locaux, l'embauche d'opérateurs, autant de ressources que les plateformes étatiques peuvent facilement mobiliser.
Les entreprises misant uniquement sur la collecte sans corps sont au nombre de 15, soit 21%.
C'est le segment dont les entreprises sont les plus jeunes, la grande majorité ayant été fondées après septembre 2024.
La voie de collecte sans corps offre également la plus grande diversité technique, avec des sous-catégories incluant : vue Ego, UMI, capture de mouvement, électromyographie (sEMG), collecte tactile...
Les joueurs misant uniquement sur la simulation synthétique sont au nombre de 2 : Songying Technology et Mouxianfei (Motphys).
D'anciens acteurs notables du segment de la simulation choisissent désormais de diversifier leurs approches.
Par exemple, Guanglun Intelligence, qui avait la simulation comme cœur de métier, commence également à collecter des données humaines ; Galaxy General, autrefois l'un des partisans les plus déterminés de la simulation, a publié en juin un système de téléopération corporelle complet, acquérant ainsi une capacité de collecte de données par téléopération.
Les raisons sont doubles : à l'externe, l'offre de données réelles et humaines augmente rapidement et les prix baissent continuellement, réduisant l'avantage d'échelle et de coût des données simulées ; en interne, l'écart de réalité (sim2real gap) n'a toujours pas de solution satisfaisante, rendant difficile la reproduction haute fidélité des frottements, déformations, retours de force et de toucher du monde réel.
Un seul acteur mise uniquement sur la distillation de vidéos Internet : Shutu Technology.
Cette entreprise extrait des données d'entraînement robotique multimodales à partir de vidéos RGB monoculaires d'Internet, affirmant pouvoir réduire le coût de collecte global à 0,5% de la moyenne du secteur.
Collecte de données incarnées
Qui sont les acteurs ?
Constat 3 : Les prestataires de services de données indépendants constituent désormais le plus grand groupe d'acteurs
Si l'on ne classe pas par voie technique mais par identité, les 97 acteurs peuvent être divisés en 5 catégories :
Prestataires de services de données indépendants : 39, soit 40 % ;
Plateformes de données étatiques : 25, soit 26 % ;
Entreprises de robotique : 24, soit 25 % ;
Entreprises crossover industrielles et informatiques : 5, soit 5 %, par exemple des entreprises des domaines de la logistique, de la fabrication d'équipements, de l'ingénierie automatique, etc. ;
Grandes entreprises/plateformes : 4, soit 4 %, par exemple Huawei, JD.com, etc.
On peut voir que le plus grand groupe d'acteurs est celui des prestataires de services de données indépendants.
Cela indique que : les données incarnées sont devenues une piste indépendante, et non plus un département annexe des entreprises de robotique.
△
Constat 4 : Deux tiers des acteurs sont "natifs de l'incarné", un tiers sont issus de "reconversions"
Changeons encore de catégorie, en divisant tous les acteurs du secteur des données incarnées en "natifs de l'incarné" et "reconvertis".
Les entreprises "natifs de l'incarné" avaient dès leur création pour activité principale les données incarnées ou l'intelligence incarnée ; les entreprises "reconverties" viennent souvent de l'annotation de données IA, de la conduite autonome, de la capture de mouvement ou du secteur industriel.
Sur les 97 acteurs, 65 sont "natifs de l'incarné", soit 67 % ; 32 sont "reconvertis", soit 33 %.
En détaillant, la composition des entreprises de collecte et des entreprises d'infrastructure de données est totalement opposée.
Parmi les 70 entreprises de collecte, 57 sont "natifs de l'incarné", soit environ 80 % ; parmi les 27 entreprises d'infrastructure de données, 19 sont "reconverties", soit environ 70 %.
Pourquoi l'infrastructure attire-t-elle les entreprises en reconversion, tandis que la collecte compte surtout de nouveaux acteurs ?
De nombreux acteurs de l'infrastructure de données incarnées sont des entreprises d'annotation de données IA, par exemple HaiTian RuiSheng, DataTang, YunCe Data, etc. Leurs capacités accumulées en matière de pipelines, de contrôle qualité et de livraison se prêtent bien à une transposition vers l'infrastructure de données incarnées.
En revanche, les données incarnées n'existent pas à l'état brut, le segment de la collecte doit construire les actifs à partir de zéro, les anciens acteurs n'ont pas d'avantage, et les nouvelles entreprises peuvent plus facilement démarrer léger.
Collecte de données incarnées
Capacité de production et déploiement
Constat 5 : Capacité annuelle totale du secteur de 1,6 à 1,8 million d'heures, objectif à court terme : la multiplier par 15 à 20
Quelle est la capacité actuelle de production de données incarnées ? Quel écart avec la demande du marché ?
Selon les statistiques incomplètes de Quantum Bits, la capacité annuelle existante du secteur des données incarnées est de : 1,6 à 1,8 million d'heures + 70 à 80 millions d'enregistrements.
L'objectif à court terme du secteur est de : produire 25 à 35 millions d'heures + des milliards d'enregistrements dans les 1 à 3 prochaines années. Si l'on ne considère que les heures, l'objectif à court terme est 15 à 20 fois la capacité actuelle.
Il est important de noter que les modalités de déclaration des entreprises diffèrent, et il n'existe actuellement aucune norme de conversion uniforme entre les heures et le nombre d'enregistrements, c'est pourquoi les deux sont présentés en parallèle ici.
Ces chiffres ne prennent en compte que les données de téléopération réelle et de collecte sans corps, excluant les données de simulation synthétique. La capacité de production est estimée de manière conservatrice à partir des données déjà publiées par les entreprises/plateformes, le chiffre réel pourrait être plus élevé.
La demande totale de données pour l'entraînement des robots reste inconnue. Mais on peut se référer au point d'ancrage des grands modèles de langage : les LLM peuvent absorber tout le corpus existant sur Internet, tandis que les données nécessaires aux robots doivent être collectées une par une. Selon certaines statistiques, début de cette année, le volume total mondial de données d'interaction physique réelle de haute qualité n'était que d'environ 500 000 heures, soit moins de deux dix-millièmes du volume de données d'entraînement des LLM.
Vu sous un autre angle, même si tous les objectifs de capacité à court terme sont atteints, par rapport au volume de données des grands modèles de langage, ce ne sera peut-être que le début de la course. L'écart entre capacité et demande reste énorme.
Collecte de données incarnées
Constat 6 : Les usines de collecte sont présentes dans 60% des provinces chinoises, actuellement le plus concentrées dans le delta du Yangtsé
Où ces données sont-elles collectées ?
Selon les statistiques incomplètes de Quantum Bits, les usines de collecte sont déjà déployées dans 20 provinces, dont 16 couvertes par des usines de collecte à fonds étatiques.
Les usines de collecte sont principalement situées dans les régions du delta du Yangtsé, de Pékin-Tianjin-Hebei et du delta de la Rivière des Perles. Le delta du Yangtsé arrive en tête avec 30 usines.
De nombreuses villes de troisième et quatrième niveaux au coût de main-d'œuvre plus faible sont également choisies pour implanter des usines de collecte, comme Suqian, Zigong, Chenzhou, Yuncheng, Deqing, etc.
Le mode de distribution est lié à la voie technique. Les usines de téléopération sont dispersées dans les provinces, tandis que les entreprises à actifs légers de la voie sans corps se concentrent dans les grandes villes.
De nombreuses villes sont en train de faire de la collecte de données leur carte de visite.
Par exemple, Wuxi est la première ville à avoir proposé le concept de collecte de données à l'échelle de la ville entière. L'une des choses les plus importantes qu'elle fait est d'encourager les entreprises manufacturières et de services à ouvrir leurs lignes de production et leurs plateformes, en utilisant les scénarios réels comme usines de collecte, pour obtenir les données les plus rares et les plus utiles pour les robots.
△
Où va l'argent ?
Constat 7 : 15 prestataires de services de données incarnées indépendants ont levé environ 4,47 milliards de yuans au cours de l'année écoulée
Voyons maintenant l'indicateur le plus révélateur : l'argent.
Étant donné que les activités de données des entreprises de robotique ne peuvent être séparées de leur financement global, nous avons ciblé 15 "prestataires de services de données incarnées indépendants" ayant enregistré des levées de fonds au cours de l'année écoulée, leur situation de financement est assez représentative dans le secteur.
Précisons d'abord que les critères de sélection des "prestataires de services de données incarnées indépendants" sont les suivants : ne pas fabriquer de corps robotique universel, ne pas entraîner de modèles incarnés, avoir les données incarnées comme activité principale.
Selon les statistiques incomplètes de Quantum Bits, au cours de l'année écoulée (du 1er juillet 2025 au 1er juillet 2026), ces 15 "prestataires de services de données incarnées indépendants" ont réalisé 34 levées de fonds, totalisant environ 4,47 milliards de yuans.
Les périodes de financement sont très concentrées. Entre avril et juin 2026, soit trois mois, le nombre d'événements de financement représente plus de 40 %. Cela est directement lié à la frénésie des capitaux pour l'intelligence incarnée au premier semestre de cette année.
Quantum Bits avait précédemment rapporté qu'au premier semestre 2026, l'ensemble du secteur de l'intelligence incarnée avait levé environ 43,8 milliards de yuans.
La somme levée par la piste des données incarnées en un an n'est qu'une fraction de celle levée par l'ensemble du secteur de l'intelligence incarnée en six mois, ce qui montre qu'au moins pour l'instant, cette piste n'est pas assez "sexy".
Collecte de données incarnées
Constat 8 : Les prestataires de services de données incarnées indépendants peuvent être divisés en 3 échelons, avec une différenciation marquée
En creusant un peu plus, le développement n'est pas équilibré au sein même du secteur des données incarnées.
Ces 15 "prestataires de services de données incarnées indépendants" peuvent être divisés en trois échelons :
Au premier échelon, Guanglun Intelligence (光轮智能) se détache clairement.
Cette entreprise a réalisé 6 levées de fonds au cours de l'année écoulée, totalisant 3,1 milliards de yuans, soit environ 70 % du montant total levé.
C'est également le seul "prestataire de services de données incarnées indépendant" à avoir divulgué sa valorisation. Sa dernière valorisation dépasse 2 milliards de dollars, soit plus de 13,5 milliards de yuans, faisant d'elle la première licorne mondiale des données incarnées.
Le deuxième échelon comprend 11 entreprises, telles que Jianzhi Robot (简智机器人), Noitom Robot (诺亦腾机器人), Yuanchetai Chu (渊澈太初), Mbee Technology (觅蜂科技), etc.
Les entreprises du deuxième échelon ont collecté des dizaines à des centaines de millions de yuans au cours de l'année écoulée, leur stade de financement se situant principalement au stade Pre-A et antérieur, seules quelques-unes des entreprises plus anciennes reconverties de l'annotation de données IA ont dépassé le stade A.
Le troisième échelon comprend 3 entreprises : Shutu Technology (枢途科技), Zhiyu Jishi (智域基石), Butian Shi Technology (补天石科技).
Leur financement cumulé de l'année écoulée se chiffre en dizaines de millions de yuans, leur tour de financement est au stade angel, et leurs activités en sont encore au stade de la validation précoce.
△
Constat 9 : 69 institutions d'investissement ont participé, aucune n'a massivement investi
Du point de vue des capitaux, au cours de l'année écoulée, 69 institutions d'investissement ont investi dans ces 15 "prestataires de services de données incarnées indépendants".
Guofang Venture Capital est celle qui a le plus investi, avec 3 participations ; 5 institutions ont investi 2 fois ; les 63 autres institutions n'ont investi qu'une seule fois.
Comparé à la frénésie de financement des modèles incarnés, où les institutions de tête se disputaient les parts et investissaient continuellement, actuellement, dans la piste des données incarnées, bien que la direction fasse consensus, il n'y a pas de consensus sur les cibles, et aucune institution d'investissement ne s'engage réellement massivement.
La prudence des capitaux est justifiée : par rapport au "cerveau" incarné aux perspectives d'imagination immenses, les données incarnées sont une activité à forte intensité de main-d'œuvre, les prix seront de plus en plus comprimés, la demande des clients a également des attentes relativement claires, le plafond est visible.
Cependant, certains investisseurs ont confié à Quantum Bits que le secteur des données incarnées offrait un certain potentiel d'extension : d'une part, il s'agit d'une activité mondiale, le marché à l'étranger est vaste ; d'autre part, les capacités de collecte de données peuvent également être transférées vers l'évaluation des modèles, etc., devenant ainsi une infrastructure pour l'IA physique.
△
Constat 10 : Plus de la moitié des "prestataires de services de données incarnées indépendants" ont moins d'un an d'existence
Dans l'ensemble, le secteur indépendant des données incarnées en est encore à un stade relativement précoce.
Les entreprises sont à un stade précoce de développement. Plus de la moitié des "prestataires de services de données incarnées indépendants" ayant levé des fonds au cours de l'année écoulée ont moins d'un an d'existence.
Le financement est à un stade précoce. Parmi les 15 "prestataires de services de données incarnées indépendants", 13 sont au stade A ou antérieur pour leur dernier tour de table.
Le modèle économique est à un stade précoce. Aucune entreprise n'a divulgué de bénéfices. Seule Yiren Technology (弈人科技) affirme être rentable, mais sans donner de chiffres concrets.
Collecte de données incarnées
Enfin, résumons les dix constats ci-dessus en trois phrases :
Premièrement, le secteur des données incarnées est devenu une piste indépendante, attirant un grand nombre d'acteurs, et est en train de devenir un réservoir de nouveaux emplois dans le domaine de l'IA et un nouveau moteur de vitalité économique locale.
Deuxièmement, cette piste en est encore à un stade précoce, de nombreux problèmes ne sont pas résolus, de nombreux consensus ne sont pas formés, de nombreuses variables ne sont pas stabilisées.
Troisièmement, l'attitude des capitaux est la plus révélatrice. Peu d'entreprises ont prouvé que "vendre uniquement des données" est une activité rentable. Les VC sont encore en phase de prospection, personne ne peut voir quel poisson sera le plus gros.
Les un ou deux prochaines années seront probablement la fenêtre de validation pour cette activité. Si la capacité de production se concrétise, à quel niveau les prix seront comprimés, qui présentera le premier son compte de résultats, déterminera si les vendeurs de données incarnées pourront vraiment devenir des "vendeurs de pelles" rentables.
Cet article provient du compte officiel WeChat "Quantum Bits", auteur : Concernant les technologies de pointe
