في أواخر يوليو، أكملت LiberAI جولة التمويل ما قبل A+ بقيمة مئات الملايين من اليوان، وضمت قائمة المستثمرين مجموعة 360 وتمويل الدولة المفتوح وورشة الابتكار ورأس المال CMC ورأس المال بينفو وشينشيون الصين.
تم تأسيس هذه الشركة فعليًا في 8 ديسمبر 2025، واسمها "جيانغ شيان تكنولوجيا"، ويعني الاسم "الرغبة في الاسترخاء هي أقوى قوة إنتاجية"; رأس المال المسجل 1.46 مليون يوان، والفريق أقل من 30 شخصًا.
ووجدت IT Juzi أن هذه هي جولة التمويل الخامسة منذ تأسيسها؛ خلال أكثر من ستة أشهر الماضية، قامت بجمع التمويل بشكل مكثف وبإيقاع سريع، حيث اجتازت جولات البذور، والملكية angelية، وangel+، ثم Pre-A دفعة واحدة. ووفقًا للتقارير، بلغ التقييم الأخير 5 مليار يوان.
المؤسس ليو سونغ مينغ من جيل الألفية، حاصل على منحة الدراسة المتميزة من قسم علوم الحاسوب في جامعة تسينغهوا، ومتربعًا على المركز الأول في تخصصه، وتلميذ البروفيسور زهو جون، وتخرج بدرجة الدكتوراه في سن 23 ثم بدأ رحلته الريادية. وهو الذي قاد سابقًا نموذج RDT-1B، وهو أول نموذج أساسي ضخم مبني على Transformer مخصص لتشغيل الروبوتات ذات الذراعين، بحجم معلمات يصل إلى 1.2 مليار.
تستهدف LiberAI بيانات UMI البشرية + النموذج العالمي — ببساطة، إنها تبيع البيانات المُقدمة للروبوتات، وكذلك العقل الذي يهضمها.
وفقًا لـ IT Juzi، جمعت 25 شركة صينية ناشئة في مجال البيانات للذكاء الجسدي أكثر من 17 مليار يوان في النصف الأول من عام 2026، ويمكن القول إن "البيانات" أصبحت أكثر الأعمال تأكيدًا في مجال الجسد (لا تشمل الشركات التي تعمل أيضًا على نماذج بيانات جسدية وأجسام روبوتية، مثل Xinghai Tu وQianxun Intelligence).
للحصول على قائمة جميع الشركات في قطاع بيانات التمثيل الجسدي وبيانات تمويلها، يمكنك عرض وتنزيل البيانات من صفحة الألبوم على IT桔子: https://www.itjuzi.com/album/766 (يتم حاليًا تضمين 42 شركة)
في هذا السياق، حصل Light Wheel Intelligence ليس فقط على تمويل خارجي كبير، بل كما حصلت على طلبيات بقيمة 550 مليون يوان في الربع الأول.
عندما لم يجد عمال المناجم الذهب بعد، كان بائعو المجرافات قد كسبوا المال أولاً.
أولاً: المشكلة غير المحلولة: صحراء البيانات في صناعة الروبوتات
لماذا انفجرت نماذج اللغة الكبيرة؟ لأن الإنترنت تحتوي على كميات لا نهائية من المواد النصية.
لكن تدريب الروبوت يعتمد ليس على اللغة النصية، بل على بيانات الحركات الفيزيائية ثلاثية الأبعاد مثل التقاط، ووضع، والمشي، والالتقاط، واللف، وتقليب المقلاة — وهذه البيانات شبه غير موجودة على الإنترنت.
في جميع أنحاء الصناعة، يُعد نقص البيانات الجسدية عائقًا كبيرًا.
تتوقع Grand View Research أن يصل حجم سوق جمع وتصنيف البيانات العالمي إلى 17.1 مليار دولار أمريكي بحلول عام 2030.
حاليًا، تُظهر بيانات الجسم المُجسَّد في الصناعة هيكلًا هرميًا: القمة هي بيانات الآلات الحقيقية، ذات جودة موثوقة وقابلة للنشر المباشر، لكنها الأغلى ثمنًا؛ الطبقة الوسطى هي بيانات المحاكاة الاصطناعية + بيانات UMI، بتكلفة معتدلة وقابلة للإنتاج اللامحدود، لكنها تعاني من فجوة المحاكاة إلى الواقع (انحرافات تقريبية في الاحتكاك/التشوه)؛ القاعدة هي مقاطع الفيديو على الإنترنت وبيانات السلوك البشري، وهي الأوفر مصدرًا، لكنها تفتقر إلى تفاصيل التفاعل ومعلوماتها نادرة.
ثم هناك فئة من الشركات المتخصصة في كل طبقة تركز بشدة على ذلك—وهذا هو الإطار المرجعي لفهم موجة ريادة الأعمال في البيانات الجسدية الحالية.
ثانيًا: نظرة شاملة على خمسة مدارس فكرية وثلاثين شركة تقريبًا
النمط الأول: التحكم عن بُعد عبر الجهاز الفعلي / مدرسة اللمس — تعامل البيانات كخط إنتاج
هذا النمط يتبع أبسط منطق: بناء مصانع، وضع روبوتات، وتركيب معدات التقاط الحركة، وإنتاج كميات كبيرة من البيانات عالية الدقة على خطوط التجميع.
الأكثر تطرفًا هو إدراك باسيني.
يحتل مستشعرات اللمس الخاصة بالشركة المرتبة الأولى عالميًا في شحنات المنتجات، وفي عام 2025، ستُكمل باسيني مصنعًا عالميًا ضخمًا لجمع بيانات الجسم في تيانجين، يُسمى Super EID Factory، بقدرة إنتاجية سنوية تبلغ 200 مليون بيانات؛ وبعد إتمام جولة تمويل من الفئة ب بقيمة أكثر من 1 مليار يوان وتجاوز التقييم 10 مليارات يوان، أعلنت الشركة أيضًا عن بناء أربع مصانع بيانات فائقة إضافية في سوتشوان وووهان وزيكونغ وغانتشو.
The motion capture veteran is another branch of this line.
مؤسس روبوتات نويتينغ، داي رولى، قاد نويتينغ تكنولوجي إلى تحقيق حصة بنسبة 70% من سوق التقاط الحركة الاحترافي العالمي، ثم أسس شركة جديدة تسمى نويتينغ روبوتيكس، وأنهت في يونيو جولة تمويل Pre-A++ بقيمة مئات الملايين من اليوان، بقيمة تقدر بحوالي 3 مليارات يوان، وانضم كل من صندوقا بكين وشنغهاي لصناعة الذكاء الاصطناعي، وشينتشوتشواني، وتشونغجين، وكيونغ كابيتال، وأطلقت منصة ModalityNet للبيانات متعددة النماذج.
تتبع Qingtong Vision نهجًا مفتوح المصدر لبناء نظام بيئي، وأطلقت في مايو أكبر مجموعة بيانات مفتوحة المصدر في العالم لالتقاط الحركة البصرية عالية الدقة للإنسان، بحجم 1000 ساعة، وتتوقع إنتاج 500,000 ساعة سنويًا. تم جمع بيانات القتال لعرض روبوتات ربيع الربيع "WuBOT" من نظام Project Decode الخاص بها.
تقوم شركات ناشئة في مجال اللمس، مثل LingSheng Technology، بتحديد مواقعها.
النوع الثاني: مدرسة المحاكاة والتركيب — "طباعة" البيانات في العالم الافتراضي
إذا كانت البيانات الحقيقية باهظة الثمن، هل يمكن إنشاء عالم افتراضي كافٍ من الناحية الفيزيائية داخل الكمبيوتر، و"طباعة" بيانات التدريب بكميات كبيرة؟
أنتجت هذه المسار أول وحيد قيّم للبيانات الجسدية عالميًا: غوانغ لون ذكاء.
أكملت في مارس من هذا العام جولة تمويل من الفئة A++ بقيمة 1 مليار يوان، ثم حصلت في مايو على استثمار قيادي من مجموعة علي بابا، وتمت تمويل إضافي بقيمة 1 مليار يوان في يونيو، ليصبح التقييم ما بعد الاستثمار أكثر من 2 مليار دولار أمريكي (ما يعادل حوالي 15 مليار يوان صيني).
زادت إيرادات Guanglun Intelligence عشرة أضعاف في عام 2025، وسجلت طلبات جديدة بقيمة 550 مليون يوان في الربع الأول من عام 2026، وهو ما يتجاوز إجمالي إيرادات العام الماضي.
CrossDimension Intelligence هي ممثلة لـ "المحاكاة التوليدية": محرك المحاكاة DexVerse الخاص به يولد تلقائيًا كميات هائلة من بيانات المشاهد في العالم الافتراضي؛ في يوليو من هذا العام، أعلنت عن تمويل بقيمة 1 مليار يوان، وقيمة تقييم تتجاوز 10 مليار يوان، وبدأت عملية IPO، وحققت إيرادات قدرها 100 مليون يوان في النصف الأول من العام، مع إتمام أكثر من 1500 نموذج تسليمًا تجاريًا.
في الشركات المدرجة، تقوم شركة Qunhe Technology، التي أصبحت "أول شركة عامة عالمية في الذكاء المكاني" عند إدراجها في سوق هونغ كونغ في أبريل من هذا العام، بتوسيع كميات هائلة من بيانات المشاهد ثلاثية الأبعاد التي جمعتها من خلال التصميم السحابي ثلاثي الأبعاد نحو الذكاء الجسدي.
أكملت منصة المحاكاة Songying Technology جولة التمويل ما قبل A ومرحلة ما قبل A+ في فبراير ويوليو، بجمع ما يزيد عن مئات الملايين من اليوان، وشاركت في إنشاء مركز ابتكار الروبوتات البشرية بالتعاون مع الدولة والمناطق، وإنشاء مجموعة بيانات مزيفة.
النمط الثالث: فريق جمع UMI بدون كيان / المحمول — تجاوز الكيان، "نسخ" الإنسان
لدى الروبوتات عن بُعد عيب واحد — فهي تجمع البيانات ليس من القدرة الحقيقية للإنسان، بل من الحركات المُ compromise التي تُجرى لجعل الروبوت يتبع. لذا، تجاهل هذا المنهج الجسم تمامًا، وجعل الإنسان يرتدي قفازات وملاقط وأجهزة مُرتَبَة للعمل مباشرة.
هذه أشد الطرق كثافة رأس مالية هذا العام.
في 1 يونيو، أعلنت شركة جيانزهي روبوتيكس عن تمويل متسلسل عبر عدة جولات بلغ مجموعه مئات الملايين من اليوان، بقيادة مجموعات آنت جروب وديدي وديليان كابيتال، ومشاركة شونوي وBV رأس المال المخاطر التابع لبايدو — وهو أكبر تمويل حتى الآن في مجال البيانات الخالية من الكيان.
المؤسس تشين جيانشينغ هو المدير التنفيذي السابق للخوارزميات في Momenta، وقد غطت الشركة، بعد عام واحد من تأسيسها، آلاف السيناريوهات الواقعية، وحصلت على شراكة استراتيجية مع Ant Spirit Wave.
اقترح شيه زهي هانغ نموذج جمع بيانات مركّز على الإنسان، وطرح حل جمع SenseHub القابل للارتداء؛ وفي أبريل، أكملت الشركة تمويلًا من نوع Pre-A بقيمة 4.55 مليار دولار أمريكي، مسجلةً أكبر عملية تمويل فردية في الصين في مجال الذكاء الجسدي، بقيادة مشتركة من Hillhouse Capital وSequoia وMeituan، وقد أطلقت بالفعل خطة "نار بيانات الجسد" بهدف جمع مليار ساعة من البيانات.
نظام FastUMI لروبوتات لومينغ التابعة لجامعة تسينغهوا رفع كفاءة جمع البيانات ثلاث مرات وخفض التكاليف إلى خمسها، وحصل على استثمار متتالٍ من ميتسوبيشي إلكتريك وحقق طلبات من عملاء رائدين.
في فبراير من هذا العام، فصلت روبوتات زهي يوان أعمال البيانات إلى شركة مستقلة تُدعى مي فنغ تكنولوجي، وأكملت جولة تمويل أولية وجلسة ملاك بقيمة مئات الملايين من اليوان في غضون عشرة أيام فقط، بقيادة شينغ شوان الصين، وتخطط لتحقيق طاقة إنتاج بيانات بمستوى ملايين الساعات بحلول عام 2026.
جيل أصغر أيضًا يظهر: شركة ستاراي تكنولوجي، التي نشأت من قسم علوم الحاسوب في جامعة تسينغهوا، تُحاكي مسار NVIDIA EgoScale لجمع البيانات من منظور أولي بدرجة حرية عالية ودقة على مستوى المليمتر، وقد أكملت جولة التمويل الأولى وحصلت على جولة Pre-A في يوليو؛ بينما يستخدم البروفيسور لو زونغتشينغ من جامعة بكين مقاطع فيديو على الإنترنت مُدرَّبة مسبقًا لتدريب نموذج عام للحركة.
استحوذت Qiongche Intelligence، التي نمت من XiXi، على ما يقرب من مائة طلبية من خلال نظام جمع البيانات المصاحب للإنتاج CoMiner، وحصلت في يونيو على تمويل بقيمة مئات الملايين من اليوان، وستطلق قريبًا نموذجها العالمي المطور داخليًا.
شركة جديدة جدًا تُدعى Yuanche Taichu (OriginFlow)، تستخدم نموذج NeuroScale، وتلتقط إشارات كهربائية ناتجة عن انقباض العضلات عبر مجموعة جمع إشارات كهروميوجرافية مطورة داخليًا، ثم تُشفّر وتُعيد بناء وضعية اليد/القوة/الاستجابة اللمسية باستخدام نموذج PULSE الأساسي؛ وتربط مباشرة سلسلة النقل الأصلية بين "النية—العضلة—الحركة"، مما يعوّض قيود UMI المتعلقة بانسداد الرؤية ونقص الإحساس بالقوة واللمس.
بعد عام واحد من التأسيس، أكملت الشركة تمويلات من جولات الملاك والاستراتيجية وPre-A1، بإجمالي يتجاوز 500 مليون يوان. وقد كان المؤسس قين شنتاو، طالب دكتوراه من جامعة تسينغهوا من جيل الألفية، وخريج جامعة هاربين للعلوم والتكنولوجيا.
النوع الرابع: تقطير الفيديو / مدرسة النماذج العالمية – تعليم الذكاء الاصطناعي "فهم" العالم المادي
هذا المسار يعالج مشكلة "تحويل النفايات إلى ثروة" في قاعدة هرم البيانات: هناك كميات لا نهائية من مقاطع الفيديو البشرية على الإنترنت – طهي، حرف يدوية، صيانة – لكن هذه الفيديوهات تفتقر إلى معلومات القوة واللمس والمسارات ثلاثية الأبعاد التي تحتاجها الروبوتات، مما يجعلها بيانات "مرئية لكن غير قابلة للاستخدام".
فكرة فريق تقطير الفيديو هي استخدام الخوارزميات لاستخلاص مسارات الحركة ومعلومات التفاعل الفيزيائي من الفيديوهات ثنائية الأبعاد، و"تقطير" البيانات الثابتة لتصبح بيانات جسدية قابلة للتدريب، مع خفض التكلفة إلى جزء من الألف من تكلفة جمع البيانات باستخدام الروبوتات الحقيقية.
يُفضل فريق نماذج العالم التوجه المباشر، حيث يُعلّم الذكاء الاصطناعي أولاً قوانين عمل العالم المادي، ثم يُولّد داخل "الدماغ" كميات لا نهائية من بيانات التدريب.
يمكن لخط أنابيب SynaData من Shu Tu Technology استخراج كميات كبيرة من بيانات الجسم متعددة الوسائط، مثل مسارات اليد ومسارات حركة الأجسام، من مقاطع الفيديو على الإنترنت، مع تكلفة جمع بيانات منخفضة جدًا. وقد حصلت على استثمار بقيمة عدة ملايين من اليوان بقيادة Dongfang Fuhai، ويتم استخدام بياناتها في نماذج مفتوحة المصدر رئيسية مثل清华RDT و智元UniVLA.
استخدمت جيكيه شيجي بيانات تدريب مولدة بواسطة نموذج العالم GigaWorld لتحسين أداء نموذج VLA بنسبة تقارب 300٪ على ثلاثة أبعاد للتفوق العام، وتم إتمام جولة التمويل B+ بقيمة 1 مليار يوان في يونيو، مع تجميع تمويلات إجمالية قدرها 3.5 مليار يوان خلال ثلاثة أشهر.
DeepMind أيضًا تستثمر في بيانات الفيديو من المنظور البشري الأول، وحققت ثلاث جولات تمويل في النصف الأول من هذا العام، بقيمة إجمالية تزيد عن مئات الملايين من اليوان. في مايو، صعد نموذج Z-WM العالمي لـ DeepMind إلى المرتبة الأولى عالميًا في تقييمات WorldArena.
الـ LiberAI المذكور في بداية المقال هو أيضًا نتاج مزيج من هذا المسار ومسار نماذج العالم.
النمط الخامس: بنية البيانات/منصة البيانات – إنها منصة بيانات، وأيضًا "مصفاة"
إن هذا المنهج يرى أن عقبة بيانات الجسم لا تكمن فقط في "كيفية جمعها"، بل أيضًا في "كيفية استخدامها".
تختلف أجسام الروبوتات المختلفة، وأجهزة الاستشعار الخاصة بها، وتنسيقات البيانات بشكل كبير، لتصبح البيانات الخام التي يتم جمعها مثل النفط الخام المختلط، حيث إن تزويدها مباشرةً للنماذج سيؤدي فقط إلى تدهور الأداء مع التدريب—من سيقوم بالتنظيف، والتوحيد، والوسوم، والتقييم، لتحويل النفط الخام إلى بنزين معياري؟
بالإضافة إلى ذلك، فإن ملاعب التدريب، وأجهزة جمع البيانات، وأنظمة التقاط الحركة هي أصول ثقيلة، ولا يمكن للفرق الصغيرة والمتوسطة تحمل تكاليفها. لذلك، من الضروري إنشاء ملاعب تدريب مشتركة، وتحديد معايير للبيانات، وبيع سلاسل الأدوات وخدمات المنصات. إنه لا يراهن على أي مسار تقني للبيانات سيفوز، بل يراهن على أن أي طرف يفوز سيضطر لعبور الطريق الذي بناه هو.
تعتمد وو وين زهي كي على ميدان جمع وتدريب البيانات في ديتشين، الذي يعتمد على حلقة مغلقة مدمجة بين العالم الافتراضي والواقعي، وتنتج آلاف الساعات من البيانات يوميًا، وحققت تمويلًا فاق المليار يوان في أبريل، ووقّعت طلبيات بقيمة مئات الملايين من اليوان في الربع الأول مع شركات مثل ByteDance وWujie Power.
أنهت Yi Ren Technology سلسلتين من التمويل بقيمة مئات الملايين من اليوان على التوالي في أبريل، وأعلنت في الوقت نفسه أن إيراداتها ستتجاوز المليار في عام 2025 وستحقق الربح، مما يجعلها على الأرجح أول شركة في هذا القطاع تعلن عن تحقيق الربح.
كما استثمرت شركات نموذجية مثل Lingchu Intelligence، Qiongche، وZhifangping، التي تركز على الأطر الأساسية، في هذه "المرحلة العليا" التي تأسست في ديسمبر الماضي وتتخصص في تنظيف البيانات، ومحاذاة البيانات، وإدارتها.
انضم لاعبون من شركات مدرجة، حيث شرعت شركة هايتيان رuishين، الرائدة في خدمات البيانات، في التعاون مع مركز تدريب بيانات الروبوتات الشكلية في تشينغشان، بكين، لإنشاء "مختبر تدريب بيانات الذكاء المتجسد".
كما أن شركات كبيرة أخرى دخلت الميدان: أطلقت جينغ دونغ البنية التحتية الكاملة لسلسلة بيانات الجسم، وتخطط لتعبئة 600 ألف من موظفي التسليم وسائقي الدراجات النارية للجمع الجماعي، بهدف تجميع 10 ملايين ساعة من مقاطع الفيديو في سيناريوهات حقيقية خلال سنتين؛ بينما قامت بايدو بإنشاء "سوق البيانات".
ثالثًا: خذ نفسًا عميقًا: هل طلب البيانات ثابت؟
عام 2026 هو العام الذي شهد التوسع الواسع للبيانات الجسدية، وتشير الإحصائيات إلى أنه بحلول نهاية أبريل 2026، كان هناك على الأقل 90 مركزًا لجمع البيانات في حالة "استخدام أو تخطيط أو بناء"؛其中 64 مركزًا تم تشغيلها بالفعل، والباقي قيد الإنشاء أو التخطيط.
لكن كلما ازدادت شعبية الفرصة، كلما كان من الأفضل أن تُبرّد الأمور قليلاً.
هناك مشكلة بنيوية غير مُذكورة بوضوح في هذا العمل: طلبها وعرضها يُنفقان على نفس أموال رأس المال.
من خلال النظر إلى قائمة المشترين، يصبح الأمر واضحًا — فريق النماذج الكبيرة، وشركات الروبوتات الناشئة، وشركات الهوية التي تمر بمرحلة انتقالية، معظم هؤلاء المشترين لا يزالون غير مربحين، وميزانيات الشراء تأتي من التمويل الذي وصل للتو.
بعبارة أخرى، إيرادات شركات البيانات هي في جوهرها إعادة توزيع للتمويل من المرحلة التالية: شركات الروبوتات الذكية الجسدية تحصل على تمويل، ثم تستخدمه لشراء البيانات وسرد القصص، وإذا نجحت القصة، فإنها تذهب لجمع تمويل الجولة التالية.
إذا لم يتم تنفيذ شركة الروبوتات كما كان متوقعًا، فستختفي طلبات البيانات والتمويل في نفس الوقت. هذه علاقة تعايشية حيث يزدهر الجميع معًا أو يتعثرون معًا، وتعتمد على الطلب في السوق السفلي.
فقط عندما تتمكن شركات الروبوتات من تحقيق أرباح مستدامة، يصبح هذا العمل أكثر متانة وقابلية للتطبيق.
يُعدّ إجماعًا في الصناعة أن الشركات التي ستستمر على المدى الطويل في مجال البيانات الجسدية ستكون على الأرجح من نوعين: نوع يصبح منصة معيارية في الصناعة، ويتحكم في أدوات مستوى النظام مثل المحاكاة ومعالجة البيانات والتقييم؛ والنوع الآخر يمتلك القدرة على دمج وتنقية البيانات عبر مصنّعين مختلفين، ويستطيع توفير بيانات عالية الجودة وطويلة الذيل باستمرار بعد دخول الروبوتات إلى البيئات الحقيقية.
هذا المقال من حساب وينشين العام "IT桔子" (ID: itjuzi521)، الكاتب: وو ميي ميي