A finales de julio, LiberAI completó la ronda de financiación Pre-A+, con una cantidad de miles de millones de yuanes, entre los inversores se encuentran el Grupo 360, CDB Financial, InnoSpring, CMC Capital, BinFu Capital y Sequoia China.
La empresa se fundó realmente el 8 de diciembre de 2025 y se llama "Jiangxian Technology", cuyo nombre significa "Estar dispuesto a relajarse es la fuerza productiva primordial"; tiene un capital registrado de 1.46 millones de yuanes y un equipo de menos de 30 personas.
Sin embargo, IT Juzi descubrió que esta es ya su quinta ronda de financiación desde su fundación; en los últimos seis meses, ha realizado financiaciones intensas y con un ritmo muy rápido, completando de un solo tirón cuatro rondas: semilla, ángel, ángel+ y Pre-A. Según informes, su valoración más reciente alcanza los 5.000 millones de yuanes.
El fundador, Liu Songming, es un nacido en el año 2000, ganador de la beca de excelencia especial del Departamento de Informática de Tsinghua, clasificado primero en su especialidad, y discípulo del profesor Zhu Jun; se graduó con su doctorado a los 23 años y comenzó inmediatamente su empresa. Anteriormente, lideró el RDT-1B, el primer modelo base de difusión Transformer a gran escala diseñado específicamente para la operación de robots con dos brazos, con un total de 1.2 mil millones de parámetros.
LiberAI se enfoca en datos UMI humanos + modelos mundiales: en otras palabras, vende los datos alimentados a los robots y el cerebro que los procesa.
Según estadísticas de IT Juzi, en la primera mitad de 2026, 25 empresas chinas emergentes de datos de inteligencia encarnada recaudaron más de 17.000 millones de yuanes en total, lo que indica que los "datos" se han convertido en el negocio más seguro en el sector de la inteligencia encarnada. (No incluye empresas que también desarrollan modelos de datos encarnados y cuerpos robóticos, como Xinghai Tu y Qianxun Intelligence)
Para obtener todos los datos de empresas y financiación del sector de datos corporales, puede ver y descargar los datos en la página del álbum de IT桔子: https://www.itjuzi.com/album/766 (actualmente se incluyen 42 empresas).
Entre ellos, Guanglun Intelligence no solo obtuvo financiamiento externo de gran volumen, sino que también cerró pedidos por 550 millones de yuanes en el primer trimestre.
Cuando los buscadores de oro aún no han encontrado oro, los que venden palas ya han ganado dinero.
I. El enigma sin resolver: el desierto de datos en la industria de los robots
¿Por qué han explotado los modelos de lenguaje grande? Porque hay un suministro ilimitado de corpus en Internet.
Pero entrenar a los robots no se basa en lenguaje textual, sino en datos de acciones físicas tridimensionales como agarrar, soltar, caminar, sujetar, torcer y sacudir la sartén: este tipo de datos casi no existe en internet.
En toda la industria, la escasez de datos corporales es un gran cuello de botella.
Grand View Research estima que el mercado global de recopilación y anotación de datos alcanzará los 17.100 millones de dólares para 2030.
Actualmente, los datos de embodiement reconocidos en la industria presentan una estructura piramidal: en la cima se encuentran los datos de máquinas reales, de calidad confiable y directamente deployables, pero también los más costosos; en la capa intermedia están los datos sintéticos de simulación + datos UMI, con costos moderados y capacidad de producción ilimitada, pero con una brecha Sim-to-Real (desviaciones aproximadas en fricción/deformación); en la base se encuentran los videos de internet y los datos de comportamiento humano, con la fuente más amplia, pero carecen de detalles interactivos y tienen información escasa.
Luego, cada capa tiene un grupo de empresas dedicadas intensamente a ello: este es un marco de referencia para comprender la ola actual de emprendimientos en datos corporales.
Dos: Panorama de cinco escuelas principales y más de treinta empresas
Estilo 1: Control remoto en dispositivo real / Escuela táctil: tratar los datos como una línea de producción
Este enfoque sigue la lógica más sencilla: construir fábricas, colocar robots y instalar equipos de captura de movimiento para producir en masa datos de alta precisión en una línea de ensamblaje.
Lo más agresivo es la percepción de Pacini.
La empresa lidera mundialmente en volumen de envíos de sensores táctiles; en 2025, PAXIN construirá en Tianjin la fábrica de recopilación de datos corporales más grande del mundo, Super EID Factory, con una capacidad anual de 200 millones de datos. Tras completar una ronda B de más de 1.000 millones de yuanes y superar una valoración de 10.000 millones de yuanes, anunció la construcción de otras cuatro fábricas de datos superiores en Suqian, Wuhan, Zigong y Ganzhou.
El veterano de motion capture es otra rama de esta línea.
El fundador de Noitom, Dai Ruoli, llevó a Noitom Technology a ocupar el 70% del mercado global de captura de movimiento profesional, y luego fundó la nueva empresa Noitom Robotics, que completó una ronda Pre-A++ de varios cientos de millones de yuanes en junio, con una valoración de aproximadamente 3.000 millones de yuanes. Los fondos de industria de IA de Pekín y Shanghái, Shenzhen Capital Group, CICC y Kunlun Capital participaron colectivamente, y se lanzó la plataforma de datos ModalityNet.
QingTong Vision sigue el camino de abrir código y cambiar ecosistemas; en mayo lanzó el conjunto de datos de captura óptica de movimiento humano de mayor escala mundial, con 1.000 horas de alta precisión, con una producción anual prevista de 500.000 horas. Los datos de movimiento para la actuación de artes marciales del robot en la Gala de Año Nuevo de Unitree, titulada "WuBOT", provienen de su sistema Project Decode.
También están posicionándose nuevas empresas de tacto como Lingsheng Technology.
Género dos: Escuela de simulación y síntesis: "imprimir" datos en el mundo virtual
Si los datos reales son demasiado caros, ¿se puede crear en la computadora un mundo virtual lo suficientemente realista como para "imprimir" en masa datos de entrenamiento?
Esta ruta produjo el primer unicornio de datos embodiados del mundo: Guanglun Intelligence.
En marzo de este año completó una ronda de financiación A++ de 1.000 millones de yuanes, en mayo recibió otra inversión liderada por Ant Group, y en junio recaudó otros 1.000 millones de yuanes, con una valoración posterior a la inversión superior a 2.000 millones de dólares estadounidenses (aproximadamente 15.000 millones de yuanes chinos).
Light Wheel Intelligence registró un crecimiento del 1000% en ingresos en 2025 y recibió pedidos nuevos por 550 millones de yuanes en el primer trimestre de 2026, superando con creces el total del año anterior.
CrossDimension Intelligence es un representante de la "simulación generativa": su motor de simulación DexVerse desarrollado internamente genera automáticamente una gran cantidad de datos de escenarios en el mundo virtual; en julio de este año anunció una financiación de 1.000 millones de yuanes, con una valoración superior a 10.000 millones de yuanes y el inicio de su IPO, logrando ingresos de 100 millones de yuanes en el primer semestre y ya ha entregado comercialmente más de 1.500 modelos.
Entre las empresas cotizadas, Qunxiao Technology, conocida como la "primera empresa pública global en inteligencia espacial", que se listó en el mercado de Hong Kong en abril de este año, está extendiendo los enormes datos de escenas tridimensionales acumulados en su diseño en la nube hacia la inteligencia encarnada.
La plataforma de simulación Songying Technology completó las rondas Pre-A y Pre-A+ en febrero y julio, recaudando miles de millones de yuanes, y colabora con centros nacionales y locales en la creación de un centro de innovación de robots humanoides para desarrollar conjuntamente conjuntos de datos sintéticos.
Género tres: Escuela UMI sin ente / recolección portátil: evadir el ente, "recrear" al ser humano
Un defecto de los robots remotos que recopilan datos es que capturan no la verdadera capacidad humana, sino los movimientos comprometidos para que el robot pueda seguir el ritmo. Por lo tanto, este enfoque evita por completo el cuerpo humano y permite que las personas realicen directamente las tareas usando guantes, pinzas y dispositivos portátiles.
Esta es la ruta con la mayor densidad de capital de este año.
El 1 de junio, Jianzhi Robotics anunció oficialmente una serie continua de rondas de financiación por miles de millones de yuanes, con Ant Group, Didi y Delian Capital como líderes, y Shunwei y BV Baidu Ventures como inversores secundarios: esta es la mayor financiación hasta la fecha en el campo de datos sin entidades.
El fundador, Chen Jianxing, es el ex director senior de algoritmos de Momenta. La empresa, fundada hace un año, ya cubre miles de escenarios reales y ha establecido una colaboración estratégica con Ant Lingbo.
Shi Zhihang propuso el paradigma de recopilación de datos centrado en el ser humano y lanzó la solución de recopilación portátil SenseHub; en abril completó una ronda de financiación Pre-A de 455 millones de dólares estadounidenses, estableciendo el récord de la mayor inversión única en inteligencia encarnada en China, liderada conjuntamente por Hillhouse, Sequoia y Meituan, y ya ha lanzado el "Plan Chispa de Datos Encarnados" con un objetivo de 100 millones de horas.
El sistema FastUMI de la empresa de robots Lu Ming, vinculada a la Universidad Tsinghua, ha aumentado la eficiencia de recolección de datos en tres veces y reducido los costos a una quinta parte, obteniendo inversiones consecutivas lideradas por Mitsubishi Electric y contratos con clientes líderes.
En febrero de este año, Zhìyuán Robotics separó su negocio de datos en una empresa independiente, Mifeng Technology, y completó en solo diez días una ronda semilla y una ronda ángel por cientos de millones de yuanes, liderada por Sequoia China, con el plan de lograr una capacidad de producción de datos de millones de horas para 2026.
También están surgiendo las generaciones más jóvenes: Xingyi Technology, incubada en el Departamento de Informática de la Universidad Tsinghua, se alinea con la ruta de EgoScale de NVIDIA para desarrollar recopilación portátil en primera persona con alta libertad y precisión en milímetros; ha completado su primera ronda de financiación y obtuvo una ronda Pre-A en julio. El profesor de la Universidad de Pekín, Lu Zongqing, utiliza directamente videos de internet para preentrenar modelos generales de movimiento.
La empresa incubada por Feixi, Qiongche Intelligence, ha obtenido cerca de cien pedidos con su sistema de recopilación de datos CoMiner basado en "producción acompañada", y en junio recibió una nueva financiación de miles de millones de yuanes, preparándose para lanzar su propio modelo mundial desarrollado internamente.
También hay una empresa muy nueva, Yuanche Taichu (OriginFlow), que utiliza el paradigma NeuroScale para captar señales eléctricas de contracción muscular humana mediante un conjunto de adquisición electromiográfica de desarrollo propio, codificando y reconstruyendo la postura de la mano, la fuerza y la retroalimentación táctil mediante el modelo base PULSE; conectándose directamente con la cadena de transmisión nativa "intención—músculo—acción", superando las limitaciones de UMI, como la obstrucción visual y la falta de fuerza y tacto.
Tras un año de operación, la empresa ha recaudado más de 500 millones de yuanes en financiamiento acumulado a través de rondas ángel, estratégica y Pre-A1. El fundador, Qin Shentao, es un doctorado de Tsinghua University y licenciado de la Universidad de Ciencia y Tecnología de Harbin, nacido en el año 2000.
Género 4: Video distillation / Escuela de modelos del mundo: enseñar a la IA a "comprender" el mundo físico
Esta ruta aborda el problema de “convertir residuos en recursos” en la base de la pirámide de datos: en Internet hay una cantidad ilimitada de videos de operaciones humanas—cocinar, manualidades, reparaciones—pero estos videos carecen de la información de fuerza, tacto y trayectoria tridimensional que necesitan los robots, convirtiéndolos en datos “visibles pero inutilizables”.
La idea del enfoque de destilación de video es utilizar algoritmos para inferir trayectorias de movimiento e información de interacción física a partir de videos bidimensionales, transformando datos estáticos en datos corporales entrenables, reduciendo los costos a una fracción mínima, de apenas unas milésimas, respecto a la recolección con robots reales.
Los partidarios del modelo mundial son más directos: primero hacen que la IA aprenda las leyes de funcionamiento del mundo físico, y luego generen infinitos datos de entrenamiento "en la mente".
La línea SynaData de ShuTu Technology puede extraer en lotes datos multimodales embocados, como trayectorias manuales y rutas de movimiento de objetos, desde videos de internet, con un costo de recolección de datos extremadamente bajo. Ha recibido una inversión de varios millones de dólares liderada por Oriental Fortune Capital, y sus datos ya son utilizados por modelos de código abierto principales como el RDT de Tsinghua y el UniVLA de Agi.
Jiexia Shijie utiliza el modelo global GigaWorld para generar datos de entrenamiento, mejorando el rendimiento del modelo VLA en tres dimensiones de generalización en casi un 300%. En junio completó una ronda B+ de 1.000 millones de yuanes, con una financiación acumulada de 3.500 millones de yuanes en tres meses.
DeepWisdom también apuesta por los datos de videos en primera persona humana, recaudó tres rondas de financiación en la primera mitad de este año, por más de cientos de millones de yuanes; en mayo, el modelo mundial Z-WM de DeepWisdom alcanzó el primer lugar global en la evaluación de WorldArena.
LiberAI, mencionado al inicio del artículo, también es una mezcla de esta línea con la pista de modelos mundiales.
Generación cinco: Infraestructura/Plataforma de Datos: una plataforma de datos, también una "refinería"
Este enfoque reconoce que el cuello de botella de los datos corporales no radica solo en "cómo recolectarlos", sino también en "cómo utilizarlos".
Cada robot tiene un cuerpo diferente, sensores distintos y formatos de datos variados; los datos crudos recopilados son como crudo de composición mixta, y alimentarlos directamente a los modelos solo los hace rendir peor: ¿quién se encargará de limpiar, alinear, etiquetar y evaluar para refinar el crudo en gasolina estandarizada?
Además, el campo de entrenamiento, los equipos de recolección y el sistema de captura de movimiento son activos intensivos en capital, que los equipos medianos y pequeños simplemente no pueden permitirse. Por lo tanto, se necesita construir campos de entrenamiento compartidos, establecer estándares de datos y vender cadenas de herramientas y servicios de plataforma. No apuesta por ninguna ruta tecnológica de datos en particular, sino que apuesta a que, independientemente de quién gane, deberá pasar por el camino que ellos construyeron.
Wuwen Zhike cuenta con un campo de recopilación y entrenamiento de datos en Deqing, con un ciclo cerrado de fusión virtual-real, produciendo miles de horas de datos diariamente; en abril completó una financiación de más de 100 millones de yuanes y firmó órdenes por decenas de millones de yuanes con ByteDance, WuJie Power y otras empresas en el primer trimestre.
Yiren Technology completó dos rondas de financiación de cientos de millones de yuanes consecutivas en abril, y anunció al mismo tiempo que superará los ingresos de mil millones de yuanes y logrará beneficios en 2025, posiblemente siendo la primera empresa en su sector en anunciar que genera ganancias.
También se invirtió en esta empresa “aguas arriba”,智域基石, fundada en diciembre del año pasado, especializada en la transformación intermedia de limpieza, alineación y gobernanza de datos, junto con empresas de cuerpo único como灵初智能, 穹彻 y 智平方.
También han ingresado jugadores cotizados en bolsa; el líder en servicios de datos, Haitian Ruisheng, colabora con el Centro de Entrenamiento de Datos para Robots Humanoides de Shijingshan, Pekín, para construir conjuntamente un "campo de entrenamiento de datos para inteligencia encarnada".
También grandes empresas están entrando en el juego: JD ha lanzado la infraestructura de cadena completa para datos corporales, planea movilizar a 600,000 repartidores y mensajeros para recopilar datos colaborativamente, con el objetivo de acumular 10 millones de horas de videos de escenarios reales en dos años; Baidu, por su parte, ha creado una "tienda de datos".
Tres: Tómate un momento para reflexionar: ¿es la demanda de datos rígida?
El año 2026 será el año de la escalabilidad de los datos corporales; según estadísticas, hasta finales de abril de 2026, al menos 90 centros de recopilación de datos se encontraban en estado "en uso o en planificación/construcción"; de estos, 64 ya están en funcionamiento y los restantes están en construcción o planificación.
Pero cuanto más caliente esté la tendencia, más necesario es echar un poco de agua fría.
Este negocio de datos corporales tiene un problema estructural poco mencionado: tanto la demanda como la oferta consumen el mismo capital.
Basta con ver la lista de compradores: el equipo de grandes modelos, empresas emergentes de robots, fabricantes de ontologías en transición; la mayoría de estos compradores aún no son rentables, y sus presupuestos de compra provienen de financiaciones recién recibidas.
En otras palabras, los ingresos de las empresas de datos son, en esencia, una reasignación secundaria de financiamiento aguas abajo: las empresas de robots de inteligencia encarnada recaudan fondos y luego los utilizan para comprar datos y contar historias; si estas historias son convincentes, van a recaudar la siguiente ronda.
Si el despliegue de la empresa robotica no cumple con las expectativas, los pedidos de datos y la financiación desaparecerán simultáneamente. Esta es una relación simbiótica en la que todos prosperan juntos o sufren juntos, dependiente de la demanda del mercado aguas abajo.
Solo cuando las empresas de robots realmente puedan generar ganancias sostenibles, este negocio se vuelve más sólido y viable.
Una opinión generalizada en la industria es que, a largo plazo, solo habrá dos tipos de empresas de datos corporales que sobrevivan: una que se convierta en una plataforma de referencia del sector, controlando herramientas de nivel ecosistema como simulación, procesamiento de datos y evaluación; y otra que posea la capacidad de fusionar y purificar datos entre fabricantes, proporcionando continuamente datos de alta calidad y de cola larga una vez que los robots entren en escenarios reales.
Este artículo proviene del canal oficial de WeChat "IT Juzi" (ID: itjuzi521), autor: Wu Meimei