七月底,LiberAI完成了Pre-A+轮融资,金额数亿元,投资方名单里是360集团、国开金融、创新工场、CMC资本、彬复资本、红杉中国。
这家公司实际上成立于2025年12月8日,名叫“将闲科技”,取名含义是“想闲下来是第一生产力”;注册资本146万元,团队不到30人。
而IT桔子发现,这已经是它成立以来的第五轮融资;过去的半年多里,它紧锣密鼓地融资,节奏非常快,从种子、天使、天使+再到Pre-A轮,一口气融完了四轮。据报道,最新估值达到50亿元。
创始人刘松铭是个00后,清华计算机系特等奖学金得主、专业第一,师从朱军教授,23岁博士毕业就出来创业。他此前主导的RDT-1B是首个专为双臂机器人操作设计的大规模扩散Transformer 基础模型,参数量达12亿。
LiberAI瞄准的是人类UMI数据+世界模型——说白了,它卖的是喂给机器人的数据,以及消化数据的大脑。
据IT桔子统计,2026年上半年,25家中国具身智能数据创业公司合计拿到超过170亿元的融资,可以说“数据”成为具身赛道里最确定的一门生意。(不含个别同时做具身数据模型和机器人本体的公司,如星海图、千寻智能)
要获取具身数据赛道的全部公司及其融资数据,可以在IT桔子专辑页查看、下载数据。https://www.itjuzi.com/album/766(目前收录42家)
其中,光轮智能不仅有大额外部融资,还在Q1拿下了5.5亿元的订单。
当淘金者还没挖到金子,卖铲子的人率先赚到了钱。
一、未解难题:机器人行业的数据荒漠
大语言模型为什么能爆发?因为互联网上有取之不尽的语料。
但训练机器人靠的不是文字语言,而是拿、放、走、抓、拧、颠勺这类三维物理动作数据——这类数据在互联网上几乎不存在。
整个行业内,具身数据的匮乏都是一个很大的瓶颈。
Grand View Research预计全球数据采集与标注市场2030年将达171亿美元。
目前行业公认的具身数据呈现金字塔结构:塔尖是真机数据,质量可靠、可直接部署,但价格也最贵;中层是仿真合成数据+UMI数据,成本适中、可无限量产,但存在 Sim-to-Real 鸿沟(摩擦/形变近似偏差);塔底是互联网视频和人类行为数据,来源最广,但缺乏交互细节、信息稀疏。
然后每一层都有一批公司专门死磕——这是理解当下具身数据创业潮的一个坐标系。
二、五大流派,三十多家公司全景
流派一:真机遥操/触觉派——把数据当成流水线来做
这个流派奉行最朴素的逻辑:建厂房、摆机器人、铺动捕设备,流水线量产高精度数据。
最激进的是帕西尼感知。
公司的触觉传感器出货量位列全球第一,2025年帕西尼在天津建成全球最大的具身数据采集工厂Super EID Factory,年产2亿条数据;3月完成超10亿元B轮、估值破百亿后,又宣布在宿迁、武汉、自贡、赣州再建四座超级数据工厂。
动捕老兵是这条线的另一分支。
诺亦腾机器人的创始人戴若犁曾把诺亦腾科技做到全球专业动捕市场70%份额,之后再创办新公司诺亦腾机器人,6月完成数亿元Pre-A++轮、估值约30亿元,北京、上海AI产业基金、深创投、中金、昆仑资本集体入场,并发布了ModalityNet全模态数据平台。
青瞳视觉走开源换生态的路子,5月发布全球最大规模的1000小时人类高精度光学动捕开源数据集,预计年产50万小时,宇树科技的春晚机器人武术首秀《武BOT》的武术数据采集就出自其Project Decode系统。
灵生科技等触觉新秀也在卡位。
流派二:仿真合成派——在虚拟世界里“印”数据
如果真实数据太贵,能不能在电脑里造一个物理足够真实的虚拟世界,批量“印刷”训练数据?
这条路线跑出了全球第一个具身数据独角兽:光轮智能。
今年3月完成10亿元A++轮融资,5月再获蚂蚁集团领投,6月再融了10亿元,投后估值超20亿美元(约合150亿元人民币)。
光轮智能2025年营收增长10倍,2026年一季度新增订单5.5亿元,一个季度超过去年全年。
跨维智能则是“生成式仿真”的代表:自研DexVerse仿真引擎在虚拟世界自动生成海量场景数据;今年7月官宣10亿元融资、估值超百亿并启动IPO,上半年营收1亿元,已有超1500套模型完成商业化交付。
上市公司里,今年4月登陆港股的“全球空间智能第一股”群核科技,正把3D云设计积累的海量三维场景数据延伸进具身智能。
仿真平台松应科技2月、7月完成Pre-A及Pre-A+轮累计数亿元融资,与国家地方共建人形机器人创新中心共建合成数据集。
流派三:UMI无本体/便携采集派——绕开本体,“复刻”人
遥控机器人采数据有个缺陷——采到的不是人的真实能力,而是“为了让机器人跟上”而妥协后的动作。于是这一派干脆绕开本体,让人戴着手套、夹爪、穿戴设备直接干活。
这是今年资本密度最高的一条路线。
6月1日,简智机器人官宣连续多轮共数亿元融资,蚂蚁集团、滴滴、德联资本领投,顺为、BV百度风投跟投——这是无本体数据领域迄今最大规模融资。
创始人陈建兴是前Momenta算法高级总监,公司成立一年,已覆盖上万处真实场景,还拿下了与蚂蚁灵波的战略合作。
它石智航提出Human-centric数据采集范式,推出SenseHub穿戴式采集方案;4月完成4.55亿美元Pre-A轮融资,创中国具身智能最大单笔融资纪录,高瓴、红杉、美团联合领投,并已发起目标1亿小时的“具身数据星火计划”。
清华系鹿明机器人的FastUMI系统把数采效率提升三倍、成本降到五分之一,获三菱电机连续领投并揽下头部客户订单。
智元机器人在今年2月把数据业务分拆成独立公司觅蜂科技,仅十天就完成数亿元种子轮与天使轮,红杉中国领投,计划2026年实现千万小时级数据产能。
更年轻的一茬也在冒头:孵化自清华计算机系的星忆科技对标英伟达EgoScale路径,做高自由度、毫米级精度的第一视角穿戴采集,已完成首轮融资并于7月再获Pre-A轮;北大教授卢宗青的智在无界直接用互联网视频预训练通用动作模型。
非夕孵化的穹彻智能靠“生产伴随式”数采系统CoMiner拿下近百套订单,6月再获数亿元融资,即将发布自研世界模型。
还有一家很新的公司渊澈太初(OriginFlow),采用NeuroScale范式,通过自研肌电采集套件捕捉人体肌肉收缩电信号,经PULSE基础模型编码重构手部姿态/发力/触觉反馈;对接“意图—肌肉—动作”原生传导链路,弥补UMI视觉遮挡失效、力触觉缺失局限。
创立一年,公司已经完成天使轮、战略轮+Pre-A1轮累计超5亿元融资,创始人秦深涛为00后清华博士、哈工大本科。
流派四:视频蒸馏/世界模型派——教AI“看懂”物理世界
这条路线解决的是数据金字塔最底层的“变废为宝”问题:互联网上有取之不尽的人类操作视频——做饭、手工、维修,但这些视频缺少机器人需要的力觉、触觉和三维轨迹信息,一直是“看得见却用不上”的死数据。
视频蒸馏派的思路是用算法从二维视频中反推出动作轨迹和物理交互信息,把死数据“蒸馏”成可训练的具身数据,成本可以压到真机采集的千分之几。
世界模型派更直接,先让AI先学会物理世界的运行规律,再在“脑内”生成无限多的训练数据。
枢途科技的SynaData管线能从互联网视频中批量提取手部轨迹、物体运动路径等多模态具身数据,综合数采成本极低,已获东方富海领投数千万元,数据被清华RDT、智元UniVLA等主流开源模型采用。
极佳视界用世界模型GigaWorld生成训练数据,让VLA模型在三大泛化维度上性能提升近300%,6月完成10亿元B+轮,3个月内累计融资35亿元。
深度机智也押注人类第一视角视频数据,今年上半年融资三轮、数亿元+,5月份,深度机智 Z-WM世界模型在WorldArena评测中登顶全球榜首。
文章开头所说的LiberAI,也是这条路线与世界模型赛道的混血。
流派五:数据基础设施/平台派——是数据平台,也是“炼油厂”
这一派的认知是:具身数据的瓶颈不单单在“怎么采”,还在于“怎么用”这个环节。
各家机器人本体不同、传感器不同、数据格式五花八门,采回来的原始数据就像成分混杂的原油,直接灌给模型只会越训越差——谁来做清洗、对齐、标注、评测,把原油炼成标准汽油?
更何况训练场、采集设备、动捕系统都是重资产,中小团队根本玩不起。所以,需要建共享训练场、定数据标准、卖工具链和平台服务。它不赌哪条数据技术路线会赢,而是赌无论谁赢,都得从自己修的这条路上过。
无问智科依托虚实融合闭环的德清数据采集训练场,日产数据上千小时,4月完成超亿元融资,一季度签下字节跳动、无界动力等数亿元订单。
弈人科技4月连续完成两轮亿元级融资,同时宣布2025年收入破亿并实现盈利,可能是赛道里第一个宣布赚钱的公司。
还有去年12月成立的智域基石专做数据清洗、对齐、治理的中游转化,灵初智能、穹彻、智平方等清一色的本体公司都投了这家“上游”。
上市公司玩家也进场了,数据服务龙头海天瑞声携手北京石景山人形机器人数据训练中心共建“具身智能数据训练场”。
还有大厂也在下场,京东发布具身数据全链路基础设施,计划发动60万快递员、骑手众包采集,目标两年积累1000万小时真实场景视频;百度则做起了“数据超市”。
三、冷静一下:数据需求端是刚性的吗?
2026年成为具身数据的规模化元年,有数据统计,截至 2026 年 4 月底,处于“使用或规划建设”状态的数采中心至少90 个;其中已投入使用64 个,剩余即为在建/规划中。
但风口越热,越要泼点冷水。
具身数据这门生意,有一个不太被点破的结构性问题:它的需求端和供给端,烧的是同一批资本的钱。
看看买家名单就明白了——大模型团队、初创机器人公司、转型中的本体厂商,这些数据的采购方,绝大多数自己都还没有盈利,采购预算来自刚刚到账的融资款。
换句话说,数据公司的营收,本质上是下游融资的二次分配:具身智能机器人公司融到钱,转头买数据讲故事,故事讲得好,再去融下一轮。
如果机器人本体公司的落地不及预期,数据订单和融资退潮同步消失。这是一荣俱荣、一损俱损的共生关系,一个依附于下游的市场需求。
只有当机器人公司真正能够持续盈利下去,这门生意就更加牢靠,也跑得通了。
业内的一个共识判断是,长期能活下来的具身数据公司大概率只有两类:一类成为行业标准平台,掌握仿真、数据处理、评测这些生态级工具;另一类具备跨厂商的数据融合与提纯能力,能在机器人进入真实场景后持续供应高质量、长尾的数据。
本文来自微信公众号 “IT桔子”(ID:itjuzi521),作者:吴梅梅
