В конце июля LiberAI завершила финансирование раунда Pre-A+ на сумму в несколько сотен миллионов юаней. В списке инвесторов значатся 360 Group, China Development Bank Financial, Innovation Works, CMC Capital, BinFu Capital и Sequoia China.
Эта компания, фактически основанная 8 декабря 2025 года под названием "将闲科技" (Jiangxian Keji), что означает "желание отдохнуть — первая производительная сила", имеет уставный капитал 1,46 млн юаней и команду менее 30 человек.
Как обнаружил IT桔子, это уже пятый раунд финансирования компании с момента её основания. За последние полгода с небольшим она проводила финансирование очень быстрыми темпами, последовательно прошла через seed, angel, angel+ и Pre-A раунды. По сообщениям, её последняя оценка достигла 5 млрд юаней.
Основатель Лю Сунмин — представитель поколения 2000-х, лауреат специальной стипендии факультета компьютерных наук Цинхуа, лучший в своей специальности, ученик профессора Чжу Цзюня. После защиты докторской в 23 года он сразу начал бизнес. Ранее он руководил разработкой RDT-1B — первой крупномасштабной диффузионной Transformer-модели, специально разработанной для управления двухрукими роботами, с параметрами в 1,2 миллиарда.
LiberAI ориентируется на данные UMI человека + мировые модели — проще говоря, она продаёт данные для "кормления" роботов и мозги для их обработки.
Согласно статистике IT桔子, в первой половине 2026 года 25 китайских стартапов в области данных для воплощённого ИИ совместно привлекли финансирование на сумму более 17 млрд юаней. Можно сказать, что "данные" стали самым определённым бизнесом в сегменте воплощённого ИИ. (Не включая отдельные компании, которые одновременно занимаются моделями данных для воплощённого ИИ и робототехническими платформами, такие как 星海图 и 千寻智能).
Чтобы получить полные данные о компаниях в сегменте данных для воплощённого ИИ и их финансировании, вы можете просмотреть и скачать данные на специальной странице IT桔子. https://www.itjuzi.com/album/766 (в настоящее время собраны данные о 42 компаниях)
Среди них, у компании Guanglun Intelligence не только было крупное внешнее финансирование, но и в первом квартале она получила заказы на 550 млн юаней.
Пока золотоискатели ещё не нашли золота, продавцы кирок и лопат уже заработали деньги.
1. Нерешённая проблема: пустыня данных в робототехнической отрасли
Почему большие языковые модели смогли взорваться? Потому что в интернете есть неисчерпаемые языковые данные.
Но обучение роботов основано не на тексте, а на трёхмерных физических данных действий, таких как взять, положить, идти, схватить, повернуть, подбросить на сковороде — такие данные практически не существуют в интернете.
Недостаток данных для воплощённого ИИ во всей отрасли является серьёзным узким местом.
Согласно прогнозам Grand View Research, мировой рынок сбора и разметки данных к 2030 году достигнет 17,1 миллиарда долларов.
В настоящее время в отрасли общепризнано, что данные для воплощённого ИИ имеют пирамидальную структуру: на вершине находятся данные с реальных устройств — надёжные, могут быть развёрнуты напрямую, но и самые дорогие; в середине — синтетические симуляционные данные + данные UMI — умеренная стоимость, могут производиться бесконечно, но существует разрыв Sim-to-Real (приблизительные отклонения трения/деформации); в основании — интернет-видео и данные о человеческом поведении — самый широкий источник, но им не хватает деталей взаимодействия, информация разрежена.
И на каждом уровне есть компании, которые специализируются на его разработке — это система координат для понимания нынешнего бума стартапов в области данных для воплощённого ИИ.
2. Пять направлений, обзор более тридцати компаний
Направление 1: Теледействие/тактильные системы — превращение данных в конвейер
Это направление придерживается самой простой логики: построить цех, расставить роботов, установить оборудование для захвата движений, массово производить высокоточные данные.
Самая радикальная — Paxini Perception.
Объёмы поставок тактильных датчиков компании занимают первое место в мире. В 2025 году Paxini построила в Тяньцзине крупнейшую в мире фабрику по сбору данных для воплощённого ИИ Super EID Factory, производящую 200 миллионов записей данных в год. После завершения раунда B на сумму более 1 млрд юаней в марте и оценки свыше 10 млрд юаней, компания объявила о строительстве ещё четырёх суперфабрик данных в Сучжэне, Ухане, Цзыгуне и Ганьчжоу.
Ветераны захвата движений — другая ветвь этого направления.
Основатель Noitom Robotics Дай Жоли ранее довёл долю Noitom Technology до 70% на мировом рынке профессионального захвата движений, а затем основал новую компанию Noitom Robotics. В июне компания завершила раунд Pre-A++ на сумму в несколько сотен миллионов юаней, оценка составляет около 3 млрд юаней. Фонды AI-индустрии Пекина и Шанхая, Shenzhen Capital Group, CICC, Kunlun Capital коллективно вошли в капитал. Также была выпущена Omni-Modal Data Platform ModalityNet.
Qingtong Vision идёт по пути открытого исходного кода для развития экосистемы. В мае компания выпустила крупнейший в мире открытый набор данных из 1000 часов высокоточной оптической съёмки движений человека, планируя производить 500 000 часов в год. Данные для боевых искусств роботов Unitree на Весеннем гала-концерте "УБОТ" были собраны с использованием её системы Project Decode.
Новые тактильные компании, такие как Lingsheng Technology, также занимают позиции.
Направление 2: Синтетические симуляционные данные — "печать" данных в виртуальном мире
Если реальные данные слишком дороги, можно ли создать в компьютере виртуальный мир с достаточно реалистичной физикой и массово "печатать" тренировочные данные?
Это направление породило первого в мире единорога в области данных для воплощённого ИИ: Guanglun Intelligence.
В марте этого года компания завершила раунд A++ на сумму 1 млрд юаней, в мае получила лидерство Ant Group, в июне снова привлекла 1 млрд юаней. Оценка после инвестиций превысила 2 миллиарда долларов (около 15 млрд юаней).
Выручка Guanglun Intelligence в 2025 году выросла в 10 раз, а в первом квартале 2026 года были получены новые заказы на 550 млн юаней, что превышает показатель за весь прошлый год.
Kuawei Intelligence является представителем "генеративного моделирования": собственный симуляционный движок DexVerse автоматически генерирует в виртуальном мире огромные объёмы сценарных данных. В июле этого года компания объявила о финансировании на 1 млрд юаней, оценка превышает 10 млрд юаней, и начата подготовка к IPO. Выручка за первое полугодие составила 100 млн юаней, уже осуществлена коммерческая поставка более 1500 моделей.
Среди публичных компаний, "первая в мире компания пространственного интеллекта", вышедшая на биржу Гонконга в апреле этого года, Qunhe Technology, распространяет накопленные огромные объёмы трёхмерных сценарных данных из облачного 3D-дизайна на воплощённый ИИ.
Платформа моделирования Songying Technology завершила в феврале и июле раунды Pre-A и Pre-A+ на общую сумму в несколько сотен миллионов юаней, совместно с Национальным локальным центром инноваций человекоподобных роботов создаёт синтетические наборы данных.
Направление 3: UMI без платформы/портативный сбор — обход платформы, "копирование" человека
У дистанционного управления роботами для сбора данных есть недостаток — собираются не реальные способности человека, а действия, компромиссные "для того, чтобы робот успевал". Поэтому это направление просто обходит платформу, заставляя человека работать напрямую в перчатках, с захватами, в носимых устройствах.
Это направление с самой высокой концентрацией капитала в этом году.
1 июня Jianzhi Robotics объявила о нескольких последовательных раундах финансирования общей суммой в несколько сотен миллионов юаней. Лидерами инвестиций выступили Ant Group, Didi и Delian Capital, последователями — Shunwei Capital и BV Baidu Ventures — это крупнейшее финансирование на сегодня в области данных без платформы.
Основатель Чэнь Цзяньсин — бывший старший директор по алгоритмам Momenta. Компания существует год и уже охватила десятки тысяч реальных сцен, также заключила стратегическое партнёрство с Ant Lingbo.
Tashi Zhihang предложила парадигму сбора данных, ориентированную на человека (Human-centric), выпустила носимую систему сбора SenseHub. В апреле завершила раунд Pre-A на сумму 455 миллионов долларов, установив рекорд по крупнейшей единовременной инвестиции в китайский воплощённый ИИ. Лидерами выступили Hillhouse Capital, Sequoia Capital и Meituan, также запущена "Программа искры данных для воплощённого ИИ" с целью в 100 миллионов часов.
Система FastUMI компании цинхуасской Luming Robotics повысила эффективность сбора данных в три раза, снизив стоимость до одной пятой, получила последовательное лидерство Mitsubishi Electric и получила заказы от ведущих клиентов.
В феврале этого года компания Zhiyuan Robotics выделила бизнес данных в независимую компанию Mifeng Technology, которая всего за десять дней завершила seed и angel раунды на сумму в несколько сотен миллионов юаней. Лидером выступила Sequoia China. Планируется достичь производственных мощностей данных на уровне 10 миллионов часов к 2026 году.
Появляется и более молодое поколение: инкубированная на факультете компьютерных наук Цинхуа Xingyi Technology следует пути Nvidia EgoScale, занимается сбором данных с высокой степенью свободы и миллиметровой точностью от первого лица, завершила первый раунд финансирования и в июле получила Pre-A раунд. Zhizai Wujie профессора Пекинского университета Лу Цзунцина напрямую использует интернет-видео для предварительного обучения универсальной модели действий.
Qiongche Intelligence, инкубированная Flexiv, благодаря системе сбора данных "производственного сопровождения" CoMiner получила около ста заказов, в июне снова привлекла несколько сотен миллионов юаней финансирования и скоро выпустит собственную мировую модель.
Есть и очень новая компания Yuanche Taichu (OriginFlow), использующая парадигму NeuroScale. Через собственный набор для сбора электромиографических данных фиксируются электрические сигналы сокращения мышц человека, которые затем кодируются и преобразуются базовой моделью PULSE для реконструкции позы кисти, усилия и тактильной обратной связи. Соединяется исходная цепочка передачи "намерение — мышцы — действие", компенсируя ограничения UMI, такие как визуальная окклюзия и отсутствие силовой/тактильной обратной связи.
Через год после основания компания завершила angel, стратегический+ и Pre-A1 раунды на общую сумму более 500 млн юаней. Основатель Цинь Шэньтао — доктор наук Цинхуа 2000-х годов, бакалавр Харбинского политехнического института.
Направление 4: Дистилляция видео/мировые модели — обучение ИИ "понимать" физический мир
Это направление решает проблему "превращения отходов в ценности" самого нижнего уровня пирамиды данных: в интернете есть бесконечные видео человеческих действий — приготовление еды, рукоделие, ремонт, — но этим видео не хватает необходимой роботам информации о силе, осязании и трёхмерной траектории, они долгое время были "мёртвыми" данными, которые видно, но нельзя использовать.
Подход направления дистилляции видео — использовать алгоритмы для обратного вывода траекторий действий и информации о физическом взаимодействии из двумерного видео, "дистиллировать" мёртвые данные в данные для воплощённого ИИ, пригодные для обучения, стоимость можно снизить до тысячных долей от сбора с реальных устройств.
Направление мировых моделей действует более прямо: сначала научить ИИ законам физического мира, а затем генерировать в "мозге" бесконечное количество тренировочных данных.
Конвейер SynaData компании Shutu Technology может извлекать из интернет-видео пакетные многомодальные данные для воплощённого ИИ, такие как траектории рук, пути движения объектов и т.д., с крайне низкой общей стоимостью сбора. Компания получила лидерство от Oriental Fortune Capital на сумму в десятки миллионов юаней. Её данные используются основными открытыми моделями, такими как RDT от Цинхуа и UniVLA от Zhiyuan.
Jijia Vision использует мировую модель GigaWorld для генерации тренировочных данных, повышая производительность модели VLA почти на 300% по трём основным измерениям обобщения. В июне завершила раунд B+ на 1 млрд юаней, за 3 месяца совокупно привлекла 3,5 млрд юаней.
Depth Genius также делает ставку на видео от первого лица человека. В первой половине этого года компания привлекла три раунда финансирования на сумму более сотен миллионов юаней. В мае мировая модель Z-WM от Depth Genius заняла первое место в мире в оценке WorldArena.
Упомянутая в начале статьи LiberAI также является гибридом этого направления и мировых моделей.
Направление 5: Инфраструктура данных/платформы — и платформа данных, и "нефтеперерабатывающий завод"
Представление этого направления таково: узкое место данных для воплощённого ИИ заключается не только в том, "как собрать", но и в звене "как использовать".
У разных робототехнических платформ разные датчики, разные форматы данных, собранные исходные данные похожи на сырую нефть со смешанным составом — прямое заливание в модель только ухудшит обучение. Кто будет заниматься очисткой, выравниванием, разметкой, оценкой, превращением сырой нефти в стандартный бензин?
Более того, тренировочные полигоны, оборудование для сбора, системы захвата движений — всё это дорогие активы, мелкие команды просто не могут себе этого позволить. Поэтому необходимо строить общие тренировочные полигоны, устанавливать стандарты данных, продавать цепочки инструментов и платформенные сервисы. Это направление не ставит на победу той или иной технологической траектории данных, а ставит на то, что независимо от того, кто выиграет, ему придётся пройти по этой дороге.
Wuwen Zhike опирается на замкнутый цикл сбора данных и тренировочный полигон Deqing, сочетающий виртуальное и реальное, производит данные объёмом в тысячи часов в день. В апреле завершила финансирование на сумму более 100 млн юаней, в первом квартале получила заказы на несколько сотен миллионов юаней от ByteDance, Wujie Power и других.
Yiren Technology в апреле последовательно завершила два раунда финансирования объёмом в сотни миллионов юаней, одновременно объявив, что в 2025 году выручка превысит 100 млн юаней и будет достигнута прибыль — возможно, первая компания в этом сегменте, объявившая о прибыльности.
Также есть основанная в декабре прошлого года Zhiyu Jishi, специализирующаяся на промежуточном преобразовании данных: очистке, выравнивании, управлении. Такие компании-производители платформ, как Lingchu Intelligence, Qiongche, Zhipingfang, единогласно инвестировали в этого "поставщика из верхнего звена".
На рынок выходят и публичные компании: лидер в области услуг по данным Haitian Ruisheng совместно с Пекинским тренировочным центром данных для человекоподобных роботов в районе Шицзиншань строит "Тренировочный полигон данных для воплощённого ИИ".
Крупные компании также вступают в игру: JD.com выпустила полную инфраструктуру данных для воплощённого ИИ, планирует задействовать 600 000 курьеров и водителей для краудсорсингового сбора, цель — накопить за два года 10 миллионов часов видео реальных сцен. Baidu создаёт "супермаркет данных".
3. Немного охладим пыл: Является ли спрос на данные со стороны устойчивым?
2026 год стал годом масштабирования данных для воплощённого ИИ. По некоторым данным, по состоянию на конец апреля 2026 года по крайней мере 90 центров сбора данных находились в состоянии "использования или планирования/строительства"; из них 64 уже введены в эксплуатацию, остальные строятся или планируются.
Но чем горячее тренд, тем больше нужно холодной воды.
У бизнеса данных для воплощённого ИИ есть структурная проблема, о которой нечасто говорят открыто: его стороны спроса и предложения сжигают деньги одного и того же капитала.
Взгляните на список покупателей — команды больших моделей, стартапы по робототехнике, производители платформ, переживающие трансформацию, — подавляющее большинство этих покупателей данных сами ещё не получают прибыли, их бюджеты на закупки поступают из только что полученных инвестиций.
Другими словами, выручка компаний по данным по сути является вторичным перераспределением финансирования нисходящего потока: компании по воплощённому ИИ и робототехнике привлекают деньги, затем покупают данные, чтобы рассказывать истории, и если истории удаются, идут за следующим раундом.
Если компании-производители робототехнических платформ не оправдывают ожиданий по внедрению, заказы на данные и приток финансирования исчезают одновременно. Это взаимозависимые отношения симбиоза, рынок, зависящий от спроса нисходящего потока.
Только когда компании по робототехнике действительно смогут устойчиво получать прибыль, этот бизнес станет более надёжным и жизнеспособным.
Общее суждение в отрасли таково, что в долгосрочной перспективе выживут, вероятно, только два типа компаний по данным для воплощённого ИИ: те, которые станут отраслевыми стандартными платформами, владеющими экосистемными инструментами, такими как симуляция, обработка данных, оценка; и те, которые обладают способностью к слиянию и очистке данных от разных производителей и могут непрерывно поставлять высококачественные, длинные данные после внедрения роботов в реальные сценарии.
Эта статья взята из WeChat Official Account "IT桔子" (ID: itjuzi521), автор: У Мэймэй
