Phương Chu, gửi từ Ao Phi Tự
Tại Trạm Hướng Dẫn Dịch Vụ Di Động Trung Quốc ở Sâm Châu, Hồ Nam, một cửa hàng được treo biển '5S Thu Thập Dữ Liệu Thể Sinh', khách hàng bình thường nhận một bộ kẹp, găng tay và camera đeo đầu, sau khi được đào tạo đơn giản, có thể vừa làm việc nhà vừa thu thập dữ liệu huấn luyện robot.
1.000 bộ thiết bị được triển khai đầu tiên, trong trạng thái hoạt động tối đa có thể thu thập 1 triệu giờ dữ liệu mỗi năm. Tôi dường như nghe thấy tính toán trong lòng các nhà kinh doanh: vừa thu được dữ liệu, vừa thu hút sự chú ý, các công ty quảng cáo 4A nên học hỏi. (doge)
Các 'chiêu trò' tương tự trong thu thập dữ liệu thể sinh còn khá nhiều: có nơi vì thu thập dữ liệu mà cung cấp dịch vụ dọn dẹp miễn phí tận nhà (chào mừng đến nhà tôi), có nơi biến việc thu thập dữ liệu thành trò chơi VR, còn có nơi kết nối robot với internet, người thu thập không cần phải chạy đến nhà máy thu thập dữ liệu, từ xa có thể 'điều khiển từ xa trên mây'.
Thu thập dữ liệu thể sinh
Tuy nhiên, sau khi xem các ví dụ trên, chỉ cần cười một chút là được, thực sự thu thập được dữ liệu đáp ứng yêu cầu không hề đơn giản. Lý do 'chiêu trò' không ngừng xuất hiện, đều là do robot thực sự quá thiếu dữ liệu.
Hiện tại mọi người đều đang gắng sức thu thập dữ liệu, nhưng vẫn còn ít người tổng quan toàn diện về bản đồ ngành công nghiệp này.
Quantum Bits đã thống kê không đầy đủ tình hình của 97 người chơi trong nước về dữ liệu thể sinh, trong đó 70 công ty làm thu thập dữ liệu, 27 công ty làm hạ tầng dữ liệu.
Trong một năm qua (từ 1/7/2025 đến 1/7/2026), 15 Nhà cung cấp dịch vụ dữ liệu thể sinh độc lập (không sản xuất phần cứng, không xây dựng mô hình, chỉ làm dữ liệu) đã huy động được tổng cộng khoảng 4,47 tỷ NDT.
Trong bối cảnh vốn đầu tư đang 'phát cuồng' với trí tuệ thể sinh, con số này thực ra không nhiều. Quantum Bits trước đây đã thống kê, nửa đầu năm nay, các công ty thuộc 'phe não bộ' thể sinh đã huy động được 22,3 tỷ NDT chỉ trong nửa năm.
Để giúp bạn nhìn rõ ngành dữ liệu thể sinh, chúng tôi đã tổng kết mười thực trạng ngành dưới đây.
Dữ liệu được thu thập như thế nào?
Thực trạng 1: Công nghệ thu thập dữ liệu chia thành bốn loại chính, phân khúc thu thập đa tuyến cạnh tranh nhất
Hiện tại, các hướng công nghệ thu thập dữ liệu thể sinh chủ lưu có thể chia thành bốn loại chính:
Điều khiển từ xa robot thật: Con người điều khiển robot thực thực hiện nhiệm vụ, đồng bộ thu thập hành động, trạng thái và dữ liệu cảm biến.
Thu thập không cần robot: Con người trực tiếp thực hiện mẫu, thu thập hành động thông qua thiết bị bắt chuyển động, ánh xạ kẹp, camera góc nhìn thứ nhất, không cần robot tham gia.
Mô phỏng tổng hợp: Tạo ra dữ liệu tương tác robot hàng loạt trong môi trường ảo, dùng để huấn luyện mô hình.
Chưng cất video internet: Trích xuất kiến thức hành động con người từ video internet, chuyển thành dữ liệu có thể học được cho mô hình thể sinh.
Trong 70 công ty/nền tảng thu thập dữ liệu được Quantum Bits thống kê không đầy đủ, có 30 công ty áp dụng nhiều hướng thu thập cùng lúc, chiếm 43%, ví dụ: Điều khiển từ xa robot thật + Không robot, Điều khiển từ xa robot thật + Mô phỏng, Không robot + Mô phỏng, Tất cả các hướng, v.v.
Số người chơi áp dụng giải pháp thu thập đa tuyến nhiều hơn số người chơi chỉ tập trung vào bất kỳ một hướng đơn lẻ nào.
Ngành thường dùng kim tự tháp dữ liệu để mô tả cấu trúc dữ liệu cần thiết để huấn luyện robot. Hiện tại không có bất kỳ phương pháp thu thập dữ liệu đơn lẻ nào có thể đáp ứng đầy đủ nhu cầu huấn luyện robot.
△
Thực trạng 2: Người chơi chỉ tập trung vào hướng điều khiển từ xa robot thật nhiều nhất
Lần lượt phân tích từng hướng công nghệ.
Số người chơi chỉ tập trung vào hướng điều khiển từ xa robot thật nhiều nhất, có 22 công ty, chiếm 31%.
Trong 22 người chơi này, 13 công ty là nền tảng dữ liệu quốc doanh, 7 công ty là công ty robot (sản xuất phần cứng robot hoặc phát triển mô hình lớn thể sinh), 1 công ty chuyển đổi từ ngành gán nhãn dữ liệu AI, 1 công ty xuyên ngành từ lĩnh vực sản xuất thiết bị công nghiệp.
Các công ty robot có lợi thế về phần cứng và nhu cầu thực tế, việc lựa chọn thu thập dữ liệu bằng điều khiển từ xa robot thật là điều tự nhiên.
Còn lợi thế của các nền tảng dữ liệu quốc doanh là 'không sợ nặng'. Điều khiển từ xa là hướng đầu tư tài sản nặng, cần mua robot, thuê mặt bằng, tuyển người vận hành, đây đều là những nguồn lực mà các nền tảng quốc doanh dễ dàng huy động.
Các công ty chỉ tập trung vào hướng thu thập không cần robot có 15 công ty, chiếm 21%.
Phân khúc này có các công ty trẻ nhất, tuyệt đại đa số được thành lập sau tháng 9 năm 2024.
Hướng công nghệ thu thập không cần robot cũng phong phú nhất, các loại phụ bao gồm: Góc nhìn Ego, UMI, Bắt chuyển động, Điện cơ sEMG, Thu thập xúc giác...
Trong khi đó, các công ty chỉ tập trung vào mô phỏng tổng hợp chỉ có 2 công ty: Song Ứng Kỹ Thuật và Mưu Tiên Phi (Motphys).
Các người chơi nổi tiếng trước đây trong phân khúc mô phỏng, nay đều chọn đặt trứng vào nhiều giỏ.
Ví dụ, Quang Luân Trí Năng từng lấy dữ liệu mô phỏng làm cốt lõi, nay cũng bắt đầu thu thập dữ liệu con người; Ngân Hà Thông Dụng từng là một trong những nhà mô phỏng kiên định nhất, tháng 6 năm nay đã phát hành hệ thống điều khiển từ xa toàn thân, có khả năng thu thập dữ liệu điều khiển từ xa.
Lý do có hai mặt: Bên ngoài, nguồn cung dữ liệu robot thật và dữ liệu con người tăng nhanh, giá liên tục giảm, ưu thế về quy mô và chi phí của dữ liệu mô phỏng bị thu hẹp; Bên trong, khoảng cách sim2real vẫn chưa có giải pháp tốt, rất khó tái hiện chân thực ma sát, biến dạng, phản hồi lực và xúc giác trong thế giới thực.
Công ty chỉ tập trung vào hướng chưng cất video internet cũng chỉ có 1 công ty: Khu Thù Kỹ Thuật.
Công ty này trích xuất dữ liệu huấn luyện robot đa phương thức từ video RGB đơn mục internet, tuyên bố có thể giảm chi phí thu thập tổng hợp xuống còn 0,5% so với mức trung bình ngành.
Thu thập dữ liệu thể sinh
Người chơi là ai?
Thực trạng 3: Nhà cung cấp dịch vụ dữ liệu độc lập đã trở thành nhóm người chơi lớn nhất
Nếu không phân loại theo hướng công nghệ, mà theo danh tính, 97 người chơi có thể chia thành 5 loại:
Nhà cung cấp dịch vụ dữ liệu độc lập 39 công ty, chiếm 40%;
Nền tảng dữ liệu quốc doanh 25 công ty, chiếm 26%;
Công ty robot 24 công ty, chiếm 25%;
Công ty xuyên ngành công nghiệp và IT 5 công ty, chiếm 5%, ví dụ từ các lĩnh vực như hậu cần, sản xuất thiết bị, kỹ thuật tự động hóa, v.v.;
Công ty nền tảng đại công ty 4 công ty, chiếm 4%, ví dụ như Huawei, JD.com, v.v.
Có thể thấy, nhóm người chơi lớn nhất là các nhà cung cấp dịch vụ dữ liệu độc lập.
Điều này cho thấy: Dữ liệu thể sinh đã phát triển thành một phân khúc độc lập, không còn là bộ phận phụ thuộc của các công ty robot.
△
Thực trạng 4: Hai phần ba người chơi 'nguyên sinh thể sinh', một phần ba người chơi 'chuyển đổi xuyên ngành'
Chia theo một cách phân loại khác, tất cả người chơi trong ngành dữ liệu thể sinh được chia thành hai loại: 'Nguyên sinh thể sinh' và 'Chuyển đổi xuyên ngành'.
Công ty 'Nguyên sinh thể sinh' là những công ty ngay từ khi thành lập, ngành chính đã là kinh doanh liên quan đến dữ liệu thể sinh hoặc trí tuệ thể sinh; Công ty 'Chuyển đổi xuyên ngành' phần lớn chuyển đổi từ các lĩnh vực như gán nhãn dữ liệu AI, lái xe tự động, bắt chuyển động hoặc công nghiệp.
Trong 97 người chơi, 65 công ty 'Nguyên sinh thể sinh', chiếm 67%; 32 công ty 'Chuyển đổi xuyên ngành', chiếm 33%.
Tách ra xem xét, thành phần của công ty thu thập dữ liệu và công ty hạ tầng dữ liệu hoàn toàn trái ngược.
Trong 70 công ty thu thập dữ liệu, 57 công ty 'Nguyên sinh thể sinh', chiếm khoảng tám phần mười; Trong 27 công ty hạ tầng dữ liệu, 19 công ty 'Chuyển đổi xuyên ngành', chiếm khoảng bảy phần mười.
Tại sao hạ tầng thu hút công ty chuyển đổi, còn ngành thu thập lại nhiều người chơi mới?
Nhiều người chơi hạ tầng dữ liệu thể sinh là công ty gán nhãn dữ liệu AI, ví dụ như Hải Thiên Thụy Thanh, Dữ Liệu Đường, Vân Trắc Dữ Liệu, v.v. Năng lực về quy trình, kiểm soát chất lượng và giao hàng mà họ tích lũy rất phù hợp để chuyển sang mảng hạ tầng dữ liệu thể sinh.
Trong khi đó, dữ liệu thể sinh không có sẵn, khâu thu thập cần xây dựng tài sản từ đầu, người chơi cũ không có lợi thế, công ty mới ngược lại dễ dàng nhẹ nhàng khởi nghiệp.
Thu thập dữ liệu thể sinh
Năng lực sản xuất và bố cục
Thực trạng 5: Năng lực sản xuất hàng năm toàn ngành 1,6 đến 1,8 triệu giờ, mục tiêu ngắn hạn mở rộng 15 đến 20 lần
Năng lực sản xuất dữ liệu thể sinh hiện tại là bao nhiêu? Khoảng cách so với nhu cầu thị trường còn bao xa?
Quantum Bits thống kê không đầy đủ, năng lực sản xuất hàng năm hiện tại của ngành dữ liệu thể sinh là: 1,6 đến 1,8 triệu giờ + 70 đến 80 triệu điều dữ liệu.
Mục tiêu ngắn hạn của ngành là: Trong vòng 1-3 năm tới, sản xuất 25 đến 35 triệu giờ + dữ liệu cấp trăm triệu đến tỷ điều. Nếu chỉ xét số giờ, mục tiêu ngắn hạn gấp 15-20 lần năng lực sản xuất hiện tại.
Cần lưu ý rằng, do các cơ quan có cách công bố khác nhau, hiện tại không có tiêu chuẩn quy đổi thống nhất giữa số giờ và số điều, do đó ở đây được liệt kê song song.
Những con số này chỉ thống kê dữ liệu điều khiển từ xa robot thật và dữ liệu thu thập không cần robot, loại trừ dữ liệu mô phỏng tổng hợp. Năng lực sản xuất được ước tính thận trọng dựa trên dữ liệu đã công bố của công ty/nền tảng, con số thực tế có thể còn nhiều hơn.
Còn tổng nhu cầu dữ liệu huấn luyện robot hiện vẫn chưa rõ. Nhưng có thể tham khảo điểm mốc của mô hình ngôn ngữ lớn: LLM có thể tiêu thụ toàn bộ ngữ liệu có sẵn trên internet, trong khi dữ liệu robot cần thì phải thu thập từng điều một. Có thống kê cho biết, tính đến đầu năm nay, tổng lượng dữ liệu tương tác vật lý thực chất lượng cao toàn cầu chỉ có khoảng 500.000 giờ, chưa bằng 1/20.000 lượng dữ liệu huấn luyện LLM.
Nhìn từ góc độ khác, ngay cả khi tất cả mục tiêu năng lực sản xuất ngắn hạn đều được thực hiện, so với lượng dữ liệu của mô hình ngôn ngữ lớn, có lẽ mới chỉ vừa chạm đến vạch xuất phát. Vẫn tồn tại khoảng cách rất lớn giữa năng lực sản xuất và nhu cầu.
Thu thập dữ liệu thể sinh
Thực trạng 6: Sáu tỉnh thành cả nước đã xây dựng nhà máy thu thập dữ liệu, hiện phân bố nhiều nhất tại Tam Giác Trường Giang
Những dữ liệu này được thu thập ở đâu?
Quantum Bits thống kê không đầy đủ, các nhà máy thu thập dữ liệu trên cả nước đã được mở rộng đến 20 tỉnh thành, trong đó nhà máy thu thập dữ liệu có nền tảng quốc doanh phủ sóng 16 tỉnh thành.
Nhà máy thu thập dữ liệu chủ yếu phân bố ở khu vực Tam Giác Trường Giang, Kinh Tân Ký và Tam Giác Châu Giang. Trong đó, Tam Giác Trường Giang dẫn đầu với 30 cơ sở.
Nhiều thành phố cấp ba, cấp bốn có chi phí nhân công thấp cũng trở thành địa điểm đặt nhà máy thu thập dữ liệu, ví dụ như Túc Thiên, Tự Cống, Sâm Châu, Vận Thành, Đức Thanh, v.v.
Mô hình phân bố liên quan đến hướng công nghệ. Các nhà máy thu thập dữ liệu điều khiển từ xa phân tán khắp các tỉnh, trong khi các công ty theo hướng thu thập không cần robot (tài sản nhẹ) lại tập trung tại các thành phố lớn.
Nhiều thành phố đang xây dựng hình ảnh thành phố trọng điểm về thu thập dữ liệu.
Ví dụ, Vô Tích là thành phố đầu tiên trên cả nước đề xuất khái niệm thu thập dữ liệu toàn thành phố. Điều quan trọng nhất họ làm là: Khuyến khích các doanh nghiệp sản xuất, dịch vụ mở cửa dây chuyền sản xuất, nền tảng, sử dụng các cảnh thực tế làm nhà máy thu thập dữ liệu, thu thập những dữ liệu khan hiếm nhất và cũng thiết thực nhất cho robot.
△
Tiền chảy về đâu?
Thực trạng 7: 15 nhà cung cấp dịch vụ dữ liệu thể sinh độc lập huy động được khoảng 4,47 tỷ NDT trong một năm qua
Hãy xem xét chỉ số có sức nói rõ nhất: Tiền.
Do hoạt động dữ liệu của các công ty robot không thể tách rời khỏi tổng số vốn huy động, chúng tôi khoanh vùng 15 'Nhà cung cấp dịch vụ dữ liệu thể sinh độc lập' có hồ sơ huy động vốn trong năm qua, tình hình huy động vốn của các công ty này rất có tính đại diện trong ngành.
Trước tiên giải thích, tiêu chuẩn lựa chọn 'Nhà cung cấp dịch vụ dữ liệu thể sinh độc lập' có ba điều: Không sản xuất phần cứng robot thông dụng, không huấn luyện mô hình thể sinh, dữ liệu thể sinh là nghiệp vụ cốt lõi.
Quantum Bits thống kê không đầy đủ, trong một năm qua (từ 1/7/2025 đến 1/7/2026), 15 'Nhà cung cấp dịch vụ dữ liệu thể sinh độc lập' này đã hoàn thành tổng cộng 34 vụ huy động vốn, tổng cộng khoảng 4,47 tỷ NDT.
Khoảng thời gian huy động vốn tập trung cao độ. Trong ba tháng từ tháng 4 đến tháng 6 năm 2026, số lượng sự kiện huy động vốn chiếm hơn bốn phần mười. Điều này liên quan mật thiết đến cơn sốt vốn toàn ngành trí tuệ thể sinh trong nửa đầu năm nay.
Quantum Bits từng thống kê, nửa đầu năm 2026, toàn ngành trí tuệ thể sinh huy động được tổng cộng khoảng 43,8 tỷ NDT.
Số tiền huy động được trong một năm của phân khúc dữ liệu thể sinh, chỉ là một phần nhỏ so với số tiền huy động được trong nửa năm của toàn ngành trí tuệ thể sinh, cho thấy ít nhất trong thời điểm hiện tại, phân khúc này vẫn chưa đủ 'hấp dẫn'.
Thu thập dữ liệu thể sinh
Thực trạng 8: Các nhà cung cấp dịch vụ dữ liệu thể sinh độc lập có thể chia thành 3 nhóm, phân hóa rõ rệt
Đào sâu thêm một tầng nữa, sự phát triển bên trong ngành dữ liệu thể sinh không cân bằng.
15 'Nhà cung cấp dịch vụ dữ liệu thể sinh độc lập' này có thể chia thành ba nhóm:
Nhóm đầu tiên nổi bật nhất là Quang Luân Trí Năng.
Công ty này trong một năm qua đã hoàn thành 6 vụ huy động vốn, tổng cộng huy động được 3,1 tỷ NDT, chiếm khoảng bảy phần mười tổng số vốn huy động.
Công ty này cũng là công ty 'Nhà cung cấp dịch vụ dữ liệu thể sinh độc lập' duy nhất công bố định giá. Định giá mới nhất vượt 20 tỷ USD, tương đương hơn 13,5 tỷ NDT, là kỳ lân dữ liệu thể sinh đầu tiên trên toàn cầu.
Nhóm thứ hai có 11 công ty, ví dụ như Giản Trí Cơ Khí Nhân, Nặc Diệt Đằng Cơ Khí Nhân, Uyên Triệt Thái Sơ, Mịch Phong Kỹ Thuật, v.v.
Các công ty thuộc nhóm thứ hai, trong một năm qua tổng số vốn huy động từ vài chục triệu đến vài tỷ NDT, giai đoạn huy động vốn phần lớn là Pre-A vòng và trước đó, chỉ có vài công ty chuyển đổi từ gán nhãn dữ liệu AI thành lập sớm hơn đã vượt qua vòng A.
Các công ty thuộc nhóm thứ ba có 3 công ty: Khu Thù Kỹ Thuật, Trí Vực Cơ Thạch, Bổ Thiên Thạch Kỹ Thuật.
Trong một năm qua, tổng số vốn huy động của họ ở mức vài chục triệu NDT, vòng huy động vốn là Thiên Sứ vòng, nghiệp vụ vẫn ở giai đoạn thử nghiệm sớm.
△
Thực trạng 9: 69 cơ quan đầu tư ra tay, không có cơ quan nào đầu tư nặng
Nhìn từ góc độ vốn đầu tư, trong một năm qua, tổng cộng có 69 cơ quan đầu tư từng đầu tư vào 15 'Nhà cung cấp dịch vụ dữ liệu thể sinh độc lập' này.
Cơ quan đầu tư ra tay nhiều nhất là Quốc Phương Sáng Đầu, đầu tư 3 lần; Có 5 cơ quan đầu tư ra tay 2 lần; 63 cơ quan đầu tư còn lại, đều chỉ đầu tư 1 lần.
So với cảnh tượng các cơ quan đầu tư hàng đầu tranh giành tỷ lệ, liên tục tăng vốn khi huy động vốn cho mô hình thể sinh nóng, hiện tại, phân khúc dữ liệu thể sinh tuy phương hướng có sự đồng thuận, nhưng đối tượng đầu tư vẫn chưa có sự đồng thuận, chưa có cơ quan đầu tư nào thực sự dám đầu tư nặng.
Sự thận trọng của vốn có lý do: So với 'não bộ' thể sinh có không gian tưởng tượng cực lớn, dữ liệu thể sinh là hoạt động kinh doanh 'tập trung lao động', giá cả sẽ càng cạnh tranh càng thấp, nhu cầu khách hàng cũng có dự kiến tương đối rõ ràng, trần nhà ở ngay đó.
Nhưng cũng có nhà đầu tư nói với Quantum Bits rằng, ngành dữ liệu thể sinh tồn tại một không gian tưởng tượng mở rộng nhất định: Một mặt, đây là hoạt động kinh doanh toàn cầu, thị trường nước ngoài rất lớn; Mặt khác, khả năng thu thập dữ liệu còn có thể di chuyển sang đánh giá mô hình, v.v., trở thành hạ tầng cơ sở của AI vật lý.
△
Thực trạng 10: Hơn một nửa 'Nhà cung cấp dịch vụ dữ liệu thể sinh độc lập' thành lập chưa đầy một năm
Tổng quan lại, ngành dữ liệu thể sinh độc lập vẫn đang ở giai đoạn tương đối sớm.
Công ty phát triển ở giai đoạn sớm. Hơn một nửa số 'Nhà cung cấp dịch vụ dữ liệu thể sinh độc lập' huy động được vốn trong năm nay có thời gian thành lập chưa đầy một năm.
Huy động vốn ở giai đoạn sớm. Trong 15 'Nhà cung cấp dịch vụ dữ liệu thể sinh độc lập', 13 công ty có vòng huy động vốn mới nhất ở vòng A và trước đó.
Mô hình kinh doanh ở giai đoạn sớm. Không có công ty nào công bố lợi nhuận. Chỉ có Dịch Nhân Kỹ Thuật tự nhận có lãi, nhưng cũng không công bố con số lợi nhuận cụ thể.
Thu thập dữ liệu thể sinh
Cuối cùng, tóm tắt mười thực trạng trên thành ba câu:
Câu thứ nhất, ngành dữ liệu thể sinh đã phát triển thành một phân khúc độc lập, thu hút lượng lớn người chơi tham gia, và đang trở thành nơi tích lũy việc làm mới tăng trong lĩnh vực AI, động lực mới cho sức sống kinh tế địa phương.
Câu thứ hai, phân khúc này vẫn đang ở giai đoạn sớm, nhiều vấn đề chưa được giải quyết, nhiều sự đồng thuận chưa hình thành, nhiều biến số chưa hội tụ.
Câu thứ ba, thái độ của vốn đầu tư thành thật nhất. Hiếm có công ty nào chứng minh được: 'Chỉ bán dữ liệu' thuần túy là một hoạt động kinh doanh sinh lời. Các nhà đầu tư mạo hiểm vẫn đang ở giai đoạn thăm dò, không ai có thể nhìn rõ con cá nào lớn nhất.
Một đến hai năm tới, nhiều khả năng chính là cửa sổ xác minh cho hoạt động kinh doanh này. Năng lực sản xuất có được thực hiện hay không, giá cả sẽ cạnh tranh xuống mức nào, ai sẽ là người đầu tiên đưa ra báo cáo lợi nhuận, sẽ quyết định liệu các thương nhân dữ liệu thể sinh có thực sự trở thành 'người bán xẻng' kiếm tiền được hay không.
Bài viết này từ tài khoản công chúng WeChat "Quantum Bits", tác giả: Quan tâm công nghệ tiên phong
