Fin juillet, LiberAI a terminé un tour de financement Pre-A+, avec des fonds de plusieurs centaines de millions de yuans. La liste des investisseurs comprend le groupe 360, Guokai Financial, Innovation Works, CMC Capital, Binfu Capital et Sequoia China.
Cette entreprise a été fondée le 8 décembre 2025 sous le nom de « Jiangxian Technology », signifiant « Le désir de se reposer est la première force productive » ; son capital social est de 1,46 million de yuans et son équipe compte moins de 30 personnes.
IT桔子 a découvert qu'il s'agissait déjà de son cinquième tour de financement depuis sa création ; au cours des six derniers mois, elle a levé des fonds à un rythme effréné, passant par les tours seed, angel, angel+ et Pre-A, levant ainsi quatre tours d'affilée. Selon les rapports, sa valorisation actuelle atteint 5 milliards de yuans.
Son fondateur, Liu Songming, né après l'an 2000, est lauréat de la bourse d'excellence du département d'informatique de l'Université Tsinghua, premier de sa promotion, et a étudié sous la direction du professeur Zhu Jun. Il a obtenu son doctorat à l'âge de 23 ans et a ensuite fondé son entreprise. Il a précédemment dirigé le développement de RDT-1B, le premier modèle de base de type Transformer à diffusion massive spécialement conçu pour la manipulation de robots à deux bras, comptant 1,2 milliard de paramètres.
LiberAI cible les données UMI humaines + les modèles du monde — en clair, elle vend les données pour nourrir les robots, ainsi que le cerveau qui digère ces données.
Selon les statistiques d'IT桔子, au premier semestre 2026, 25 entreprises chinoises de données pour l'intelligence incarnée ont collectivement levé plus de 17 milliards de yuans, faisant des « données » l'affaire la plus certaine du secteur de l'incarnation. (sans inclure les entreprises qui font à la fois des modèles de données incarnées et des robots, comme StarrySea Atlas et Qianxun Intelligence)
Pour obtenir la liste complète des entreprises du secteur des données pour l'intelligence incarnée et leurs données de financement, vous pouvez consulter et télécharger les données sur la page de l'album IT桔子. https://www.itjuzi.com/album/766 (actuellement 42 entreprises répertoriées)
Parmi elles, non seulement Guanglun Intelligent a obtenu un financement externe important, mais elle a également remporté des commandes de 550 millions de yuans au premier trimestre.
Alors que les chercheurs d'or n'ont pas encore trouvé de pépites, ceux qui vendent les pelles ont déjà fait fortune.
I. Problème non résolu : le désert de données de l'industrie robotique
Pourquoi les grands modèles de langage ont-ils pu exploser ? Parce qu'il y a une quantité inépuisable de corpus sur Internet.
Mais pour entraîner un robot, ce ne sont pas les mots qu'il faut, mais des données d'actions physiques tridimensionnelles comme prendre, poser, marcher, attraper, visser, retourner à la poêle — ce type de données n'existe quasiment pas sur Internet.
Dans toute l'industrie, la pénurie de données pour l'intelligence incarnée est un goulot d'étranglement majeur.
Grand View Research prévoit que le marché mondial de l'acquisition et de l'étiquetage de données atteindra 17,1 milliards de dollars d'ici 2030.
Actuellement, la structure généralement admise dans l'industrie pour les données incarnées est pyramidale : au sommet se trouvent les données issues de machines réelles, fiables et directement déployables, mais aussi les plus chères ; au milieu, les données de simulation synthétique + les données UMI, de coût modéré et produisibles à l'infini, mais présentant un fossé Sim-to-Real (écarts d'approximation de frottement/déformation) ; à la base, les vidéos Internet et les données de comportement humain, les plus largement disponibles, mais manquant de détails d'interaction et de densité informationnelle.
Et à chaque niveau, un groupe d'entreprises s'acharne — c'est un système de coordonnées pour comprendre l'actuelle vague de création d'entreprises dans les données pour l'intelligence incarnée.
II. Cinq courants, panorama de plus de trente entreprises
Courant 1 : Télépilotage/volet haptique sur machines réelles — traiter les données comme une chaîne de production
Ce courant suit la logique la plus simple : construire des ateliers, disposer des robots, installer des équipements de capture de mouvement, et produire en masse des données haute précision sur une ligne d'assemblage.
Le plus radical est Paxini Perception.
L'entreprise est numéro un mondial en termes de volume d'expédition de capteurs haptiques. En 2025, Paxini a construit la plus grande usine de collecte de données pour l'intelligence incarnée au monde, Super EID Factory à Tianjin, avec une capacité de production annuelle de 200 millions d'échantillons de données. Après avoir terminé un tour B de plus d'un milliard de yuans en mars, portant sa valorisation au-delà de 10 milliards, elle a annoncé la construction de quatre super usines de données supplémentaires à Suqian, Wuhan, Zigong et Ganzhou.
Les vétérans de la capture de mouvement constituent une autre branche de cette ligne.
Le fondateur de Noitom Robotics, Dai Ruoli, avait auparavant porté Noitom Technology à 70% de parts de marché dans le monde pour la capture de mouvement professionnelle. Il a ensuite créé la nouvelle société Noitom Robotics, qui a terminé un tour Pre-A++ de plusieurs centaines de millions de yuans en juin, avec une valorisation d'environ 3 milliards de yuans, et a vu l'entrée de fonds d'investissement de l'industrie de l'IA de Pékin et Shanghai, de Shenzhen Capital Group, de CICC, de Kunlun Capital. Elle a également lancé la plateforme de données multimodales ModalityNet.
Qingtong Vision adopte une approche d'open source pour développer l'écosystème. En mai, elle a publié le plus grand ensemble de données open source au monde de 1000 heures de capture de mouvement optique haute précision humaine, avec une production annuelle prévue de 500 000 heures. La collecte des données d'arts martiaux pour la première performance du robot de Wushu de Unitree lors du Gala du Nouvel An chinois, « WuBOT », provient de son système Project Decode.
Des startups haptiques comme Lingsheng Technology cherchent également à se positionner.
Courant 2 : Simulation synthétique — « imprimer » des données dans un monde virtuel
Si les données réelles sont trop chères, peut-on créer un monde virtuel physiquement assez réaliste dans un ordinateur et « imprimer » en masse des données d'entraînement ?
Cette voie a produit la première licorne mondiale de données pour l'intelligence incarnée : Guanglun Intelligent.
En mars de cette année, elle a terminé un tour A++ de 1 milliard de yuans. En mai, elle a obtenu un investissement mené par Ant Group. En juin, elle a levé à nouveau 1 milliard de yuans, sa valorisation post-investissement dépassant 2 milliards de dollars (environ 15 milliards de yuans).
Les revenus de Guanglun Intelligent ont été multipliés par 10 en 2025, et au premier trimestre 2026, elle a ajouté des commandes de 550 millions de yuans, dépassant le total de l'année précédente en un seul trimestre.
Kuavi Intelligent est un représentant de la « simulation générative » : son moteur de simulation DexVerse génère automatiquement de vastes quantités de données de scénarios dans un monde virtuel ; en juillet, elle a officiellement annoncé un financement de 1 milliard de yuans, une valorisation de plus de 10 milliards de yuans et le lancement de son introduction en bourse. Ses revenus au premier semestre sont de 100 millions de yuans, et plus de 1500 modèles ont déjà été livrés commercialement.
Parmi les sociétés cotées, Qunhe Technology, cotée à Hong Kong en avril et surnommée « première action mondiale de l'intelligence spatiale », étend ses vastes données de scènes 3D accumulées grâce à la conception 3D dans le cloud vers l'intelligence incarnée.
La plateforme de simulation Songying Technology a terminé des tours de financement cumulés de plusieurs centaines de millions de yuans (Pre-A et Pre-A+) en février et juillet, co-construisant des ensembles de données synthétiques avec le Centre d'innovation pour les robots humanoïdes de la co-construction nationale et locale.
Courant 3 : Collecte UMI sans corps robotique/portable — contourner le corps robotique, « reproduire » l'humain
Le pilotage à distance de robots pour collecter des données a un défaut — ce qui est collecté n'est pas la capacité réelle de l'humain, mais l'action compromise « pour que le robot puisse suivre ». Ce courant contourne donc purement et simplement le corps robotique, en faisant travailler directement l'humain avec des gants, des pinces, des dispositifs portables.
C'est la voie avec la densité de capital la plus élevée cette année.
Le 1er juin, Jianzhi Robot a annoncé plusieurs tours de financement successifs totalisant plusieurs centaines de millions de yuans, menés par Ant Group, Didi et Delian Capital, avec la participation de Shunwei Capital et BV Baidu Venture — il s'agit du financement le plus important à ce jour dans le domaine des données sans corps robotique.
Son fondateur, Chen Jianxing, est l'ancien directeur senior des algorithmes chez Momenta. L'entreprise, créée il y a un an, couvre déjà des dizaines de milliers de scènes réelles et a également obtenu un partenariat stratégique avec Ant Lingbo.
Tashi Zhihang propose un paradigme de collecte de données Human-centric, lançant la solution de collecte portable SenseHub ; en avril, elle a terminé un tour Pre-A de 455 millions de dollars, établissant le record du plus grand tour de financement unique en Chine pour l'intelligence incarnée, mené conjointement par Hillhouse Capital, Sequoia et Meituan. Elle a également lancé le « Spark Plan for Embodied Data » visant 100 millions d'heures.
Le système FastUMI de Luming Robot, issu de Tsinghua, augmente l'efficacité de la collecte de données par trois et réduit les coûts d'un cinquième. L'entreprise a obtenu des investissements successifs menés par Mitsubishi Electric et a décroché des commandes de clients leaders.
Zhiyuan Robot a scindé ses activités de données en une société indépendante, Mifeng Technology, en février de cette année. En seulement dix jours, celle-ci a terminé des tours seed et angel de plusieurs centaines de millions de yuans, menés par Sequoia China, et prévoit d'atteindre une capacité de production de données de dizaines de millions d'heures en 2026.
Une nouvelle vague émerge également : Xingyi Technology, incubée au département d'informatique de Tsinghua, suit la voie d'EgoScale de Nvidia, se concentrant sur la collecte portable en première personne de haute liberté et de précision millimétrique. Elle a terminé son premier tour de financement et a obtenu un tour Pre-A en juillet ; Zhizai Wujie du professeur Lu Zongqing de l'Université de Pékin prétraîne directement des modèles d'action généraux avec des vidéos Internet.
Qiongche Intelligent, incubée par Flexiv, a obtenu près de cent commandes pour son système de collecte de données « en production accompagnée » CoMiner, et a reçu un nouveau financement de plusieurs centaines de millions de yuans en juin. Elle s'apprête à publier son propre modèle du monde.
Il y a aussi une entreprise très récente, Yuanche Taichu (OriginFlow), qui adopte le paradigme NeuroScale. Grâce à son kit de collecte d'électromyographie (EMG) auto-développé, elle capture les signaux électriques de contraction musculaire humaine, encode et reconstruit la posture de la main, la force et la rétroaction haptique via son modèle de base PULSE ; elle connecte la chaîne de transmission native « intention — muscle — action », compensant les limites des échecs d'occlusion visuelle et du manque de rétroaction haptique dans l'UMI.
Créée il y a un an, l'entreprise a déjà terminé des tours de financement cumulés de plus de 500 millions de yuans (tour angel, tour stratégique + tour Pre-A1). Son fondateur, Qin Shentao, est un doctorant de 23 ans de Tsinghua, ayant obtenu son bachelor à HIT.
Courant 4 : Distillation vidéo/Modèles du monde — enseigner à l'IA à « comprendre » le monde physique
Cette voie résout le problème de « transformer les déchets en trésor » au niveau le plus bas de la pyramide des données : Internet regorge de vidéos infinies d'opérations humaines — cuisine, artisanat, réparation — mais ces vidéos manquent des informations de force, de toucher et de trajectoire tridimensionnelle nécessaires aux robots, restant des données « mortes », visibles mais inutilisables.
L'idée du courant de distillation vidéo est d'utiliser des algorithmes pour déduire la trajectoire des actions et les informations d'interaction physique à partir des vidéos 2D, « distillant » ainsi les données mortes en données entraînables pour l'intelligence incarnée, réduisant les coûts à quelques millièmes de ceux de la collecte sur machine réelle.
Le courant des modèles du monde est plus direct : il s'agit d'abord que l'IA apprenne les lois physiques du monde, puis génère une infinité de données d'entraînement « dans son esprit ».
Le pipeline SynaData de Shutu Technology peut extraire par lots des données multimodales pour l'intelligence incarnée telles que la trajectoire des mains, le mouvement des objets, etc., à partir de vidéos Internet, à un coût de collecte global extrêmement bas. L'entreprise a obtenu un investissement de plusieurs dizaines de millions de yuans mené par Oriental Fortune Capital, et ses données sont utilisées par des modèles open source dominants comme le RDT de Tsinghua et l'UniVLA de Zhiyuan.
Jijia Shijie utilise son modèle du monde GigaWorld pour générer des données d'entraînement, améliorant les performances des modèles VLA de près de 300% sur trois grandes dimensions de généralisation. En juin, elle a terminé un tour B+ de 1 milliard de yuans, levant au total 3,5 milliards de yuans en 3 mois.
Shendu Jizhi mise également sur les données vidéo en première personne humaine. Au premier semestre de cette année, elle a levé des fonds lors de trois tours successifs totalisant plusieurs centaines de millions de yuans+. En mai, son modèle du monde Z-WM de Shendu Jizhi a atteint la première place mondiale dans l'évaluation WorldArena.
LiberAI, mentionné en début d'article, est également un hybride de cette voie et du secteur des modèles du monde.
Courant 5 : Infrastructure/plateforme de données — à la fois plateforme de données et « raffinerie »
Le postulat de ce courant est : le goulot d'étranglement des données pour l'intelligence incarnée ne réside pas seulement dans « comment collecter », mais aussi dans l'étape « comment utiliser ».
Chaque robot est différent, ses capteurs sont différents, ses formats de données sont variés. Les données brutes collectées sont comme du pétrole brut avec des composants mélangés — les donner directement au modèle ne fera que le détériorer. Qui va faire le nettoyage, l'alignement, l'annotation, l'évaluation, transformant le pétrole brut en essence standard ?
De plus, les terrains d'entraînement, les équipements de collecte, les systèmes de capture de mouvement sont des actifs lourds que les petites et moyennes équipes ne peuvent tout simplement pas se permettre. Ainsi, il faut construire des terrains d'entraînement partagés, établir des standards de données, vendre des chaînes d'outils et des services de plateforme. Ce courant ne parie pas sur quelle voie technologique de données va gagner, mais parie que, quelle que soit la gagnante, elle devra passer par la route qu'il construit.
Wuwen Zhike, s'appuyant sur son terrain de collecte et d'entraînement de données à Deqing en boucle fermée fusionnant virtuel et réel, produit des milliers d'heures de données par jour. En avril, elle a terminé un financement de plus de 100 millions de yuans et a signé des commandes de plusieurs centaines de millions de yuans au premier trimestre avec ByteDance, Wujie Power, etc.
Yiren Technology a terminé deux tours de financement de plus de 100 millions de yuans chacun en avril, annonçant simultanément que ses revenus en 2025 dépasseraient le milliard de yuans et qu'elle serait profitable, devenant peut-être la première entreprise du secteur à annoncer des bénéfices.
Il y a aussi Zhiyu Jishi, fondée en décembre dernier, spécialisée dans la transformation intermédiaire des données (nettoyage, alignement, gouvernance). Des entreprises de corps robotique comme Lingchu Intelligent, Qiongche, Zhipingfang ont toutes investi dans ce « fournisseur amont ».
Les acteurs cotés entrent également sur le marché. Le leader des services de données, Hirain Technologies, s'associe au Centre d'entraînement de données pour robots humanoïdes du district de Shijingshan à Pékin pour co-construire le « terrain d'entraînement de données pour l'intelligence incarnée ».
Les grands groupes s'y mettent aussi. JD.com a lancé une infrastructure complète pour les données d'intelligence incarnée, prévoyant de mobiliser 600 000 livreurs et coursiers pour une collecte participative, visant à accumuler 10 millions d'heures de vidéos de scènes réelles en deux ans. Baidu, quant à lui, crée un « supermarché des données ».
III. Un peu de calme : la demande en données est-elle vraiment rigide ?
2026 est devenue l'année de la mise à l'échelle des données pour l'intelligence incarnée. Selon certaines statistiques, fin avril 2026, il y avait au moins 90 centres de collecte de données dans un état « d'utilisation ou de planification/construction » ; parmi eux, 64 étaient déjà opérationnels, les autres étant en construction/planifiés.
Mais plus la tendance est chaude, plus il faut verser un peu d'eau froide.
L'affaire des données pour l'intelligence incarnée présente un problème structurel rarement mentionné : sa demande et son offre sont financées par le même capital.
Regardez la liste des acheteurs — les équipes de grands modèles, les startups robotiques, les fabricants de corps robotique en transition. La grande majorité de ces acheteurs de données ne sont pas encore rentables, et leurs budgets d'achat proviennent des fonds de financement tout juste reçus.
En d'autres termes, les revenus des entreprises de données sont essentiellement une redistribution secondaire du financement en aval : les entreprises de robots d'intelligence incarnée obtiennent des fonds, les utilisent pour acheter des données et raconter une histoire, et si l'histoire est bien racontée, elles lèvent un autre tour.
Si la concrétisation des entreprises de corps robotique ne répond pas aux attentes, les commandes de données et le flux de financement disparaîtront simultanément. C'est une relation symbiotique, prospérant ou déclinant ensemble, un marché dépendant de la demande en aval.
Ce n'est que lorsque les entreprises de robots pourront réellement générer des bénéfices de manière durable que cette affaire deviendra plus solide et viable.
Un consensus dans l'industrie est qu'à long terme, les entreprises de données pour l'intelligence incarnée qui survivront seront probablement de deux types : celles qui deviendront des plateformes standards de l'industrie, maîtrisant des outils écosystémiques comme la simulation, le traitement des données, l'évaluation ; et celles qui posséderont la capacité de fusionner et de raffiner les données de manière transconstructeur, pouvant fournir en continu des données de haute qualité et de longue traîne une fois les robots déployés dans des scènes réelles.
Cet article provient du compte public WeChat « IT桔子 » (ID : itjuzi521), auteur : Wu Meimei
