Sa huling bahagi ng Hulyo, natapos ng LiberAI ang kanilang Pre-A+ round ng pagsasakop, na may halagang milyon-milyon, kung saan kasali sa listahan ng mga investor ang 360 Group, Guokai Finance, Innovation Works, CMC Capital, Binfu Capital, at Sequoia China.
Ang kompanya ay tunay na itinatag noong Disyembre 8, 2025, at tinatawag na “Jiangxian Technology,” na may kahulugang “Ang pagiging malaya ay ang pinakamalaking produktibidad”; ang kapital na rehistro ay 1.46 milyong yuan, at ang tim ay higit sa 30 katao.
At natuklasan ng IT Juzi, ito ay ang ikalimang pagsasama ng pondo mula pa noong pagkakatatag nito; sa nakalipas na mahigit isang taon, mabilis ang ritmo ng pagsasama ng pondo—mula sa seed, angel, angel+, hanggang sa Pre-A round, at natapos agad ang apat na round. Ayon sa mga ulat, ang pinakabagong valuation ay umabot sa 5 milyar yuan.
Ang founder, Liu Songming, ay isang millennial, isang tagapagwala ng espesyal na scholarship sa Department ng Computer Science ng Tsinghua University, numero isa sa kurso, at isang mag-aaral ni Professor Zhu Jun. Nagtapos siya ng doktorado sa edad na 23 at agad nag-entrepreneur. Ang RDT-1B na kanyang pinangunahan ay ang unang malaking diffusion Transformer base model na espesyal na disenyo para sa pag-operate ng robot na may dalawang braso, na may 1.2 bilyon na parameter.
Ang LiberAI ay nakatutok sa human UMI data + world model—sa madaling salita, ito ay nagbebenta ng data na ibinibigay sa mga robot at ang utak na nagpaproseso nito.
Ayon sa IT Juzi, sa unang kalahati ng 2026, ang 25 Chinese na startup sa embodied AI data ay nakakuha ng higit sa 17 bilyong yuan sa pagsasama-samang pagsasalakay, kaya ang “data” ay naging pinakamalinaw na negosyo sa embodied sector. (Hindi kasama ang ilang kumpanya na nagtatrabaho pareho sa embodied data models at robot bodies, tulad ng Xinghai Tu at Qianxun Intelligence)
Para makakuha ng buong listahan ng mga kumpanya at data ng pagsasakop sa track ng embodied data, tingnan at i-download ang data sa pahina ng album ng IT Juzi. https://www.itjuzi.com/album/766 (kasalukuyang nakalista ang 42 na kumpanya)
Sa gitna nito, ang Guanglun Intelligence ay hindi lamang may malaking pagsasalakay mula sa labas kundi nakuha rin ang mga order na halos ¥550 milyon noong Q1.
Habang ang mga manlalakbay ay hindi pa nakakakuha ng ginto, ang mga nagbebenta ng mga pala ang unang kumikita.
Isa: Hindi nalulutas na problema: Ang data desert sa industriya ng mga robot
Bakit nagkaroon ng pag-usbong ang mga malalaking modelo sa wika? Dahil may walang hanggang corpus sa internet.
Ngunit ang pagtatrabaho ng robot ay batay sa mga datos ng mga pisikal na galaw sa tatlong dimensyon tulad ng paghawak, pagpaputol, paglalakad, paghawak, pagpapalit, at paghuhulog—ang mga datos na ito ay halos walang katumbas sa internet.
Sa buong industriya, ang kakulangan ng embodied data ay isang malaking bottleneck.
Inaasahan ng Grand View Research na makakamit ng global market para sa pagkuha at pag-annotate ng data ang halagang $17.1 bilyon noong 2030.
Kasalukuyang kinikilala ng industriya ang embodied data bilang isang piramide: ang tuktok ay ang real-machine data, may mabuting kalidad at direktang mai-deploy, ngunit pinakamahal; ang gitna ay ang simulated synthetic data + UMI data, katamtaman ang gastos at walang hanggang maaaring i-produce, ngunit may Sim-to-Real gap (mga pagkakaiba sa friction/deformation approximation); ang base ay ang internet videos at human behavior data, pinakalawak ang pinagmumulan, ngunit kulang sa interactive details at maliit ang impormasyon.
At bawat antas, may isang grupo ng mga kumpanya na nakatuon sa pagpapalalim—ito ang isang sistema para maunawaan ang kasalukuyang alon ng mga startup sa embodied data.
Dalawang, Pambuod na pananaw ng limang pangkat, higit sa tatlumpu't isang kumpanya
Uri 1: Real-machine Remote Control / Haptic School—Gawin ang data tulad ng isang production line
Ang genre na ito ay sumusunod sa pinakasimpleng lohika: pagtatayo ng pabrika, pagpapalagay ng mga robot, at pagpapalagay ng mga equipment para sa motion capture, upang masiguro ang masalimuot na produksyon ng mataas na pagkakatumpak na data.
Ang pinakamalakas ay ang Pascini Perception.
Ang company ay nasa unang posisyon sa buong mundo sa bilang ng mga naglalabas ng sensor ng paghawak; noong 2025, buuin ni Pacini ang pinakamalaking factory para sa pagkuha ng data ng embodied, ang Super EID Factory, sa Tianjin, na may taunang produksyon na 200 milyon na data; matapos makumpleto ang B-round na pagsasapalaran na higit sa 1 bilyong yuan at ang pagpapahalaga ay lumampas sa 10 bilyong yuan, inihayag nilang tatayo pa sila ng apat na karagdagang super factory para sa data sa Suqian, Wuhan, Zigong, at Ganzhou.
Ang motion capture veteran ay ang ibang sangay ng linya na ito.
Ang tagapagtatag ng Noitom Robotics, Dai Ruoli, ay naging nagtatag ng Noitom Technology na nakamit ang 70% ng merkado sa global professional motion capture, at pagkatapos ay itinatag ang bagong kumpanya, Noitom Robotics. Noong Hunyo, natapos nito ang ilang milyong yuans na Pre-A++ round ng pagsasakop, na may halagang humigit-kumulang 3 bilyong yuans, kung saan ang mga pondo para sa AI sa Beijing at Shanghai, Shenzhen Chuangtou, CICC, at Kunlun Capital ay sumali nang sabay-sabay, at ipinakilala ang ModalityNet na pambansang data platform.
Ang Qingtong Vision ay sumusunod sa path ng open source at ecosystem, at noong Mayo ay inilabas ang pinakamalaking dataset ng open source na 1,000 na oras ng high-precision optical motion capture ng tao, na may inaasahang taunang produksyon na 500,000 na oras. Ang data collection para sa unang pagtatanghal ng robot sa Spring Festival Gala ni Unitree Technologies, ang "Wu BOT," ay galing sa kanilang Project Decode system.
Ang mga bagong entrant sa touch technology tulad ng Lingsheng Technology ay nagsisikap din na makaposisyon.
Uri ng 2: Ang Pagsasalaysay ng Pagpapalikha—Ang pagpapalikha ng data sa isang virtual na mundo
Kung sobrang mahal ang totoong data, pwede ba ay gumawa ng isang virtual na mundo sa computer na sapat na totoo sa pisikal na aspeto, at mag-print nang maraming training data?
Nagbigay ang ruta na ito sa unang embodied data unicorn sa buong mundo: Guanglun Intelligence.
Nakumpleto ang A++ round ng pagsasapulot ng pondo na 1 bilyong yuan noong Marso, sumunod ang pagkakaroon ng pangunahing pagsasapulot ng pondo mula sa Ant Group noong Mayo, at muli ay nagsapulot ng 1 bilyong yuan noong Hunyo, na nagresulta sa post-money valuation na higit sa 2 bilyong dolyar (katumbas ng humigit-kumulang 15 bilyong yuan).
Ang Guanglun Intelligence ay nagdulot ng 10-fold na pagtaas ng kita noong 2025, at nagdagdag ng ₱550 milyon sa mga bagong order noong unang quarter ng 2026—isang quarter na higit sa kabuuang kita noong nakaraang taon.
Ang CrossDimension Intelligence ay ang representante ng "generative simulation": ang kanilang sariling-develop na DexVerse simulation engine ay awtomatikong naglalikha ng malaking dami ng scenario data sa virtual world; noong July ng taong ito, inanunsyo nila ang pagsasagawa ng 1 bilyong yuan sa pagsasakop, may halagang higit sa 10 bilyon at nagsimula na sa IPO, may kinita na higit sa 100 milyong yuan sa unang kalahati ng taon, at may higit sa 1,500 set ng modelo na natapos na ang komersyal na pagpapadala.
Sa mga listahan sa stock exchange, ang Qunxiao Technology, na kilala bilang "ang unang kompanya sa mundo sa spatial intelligence" na dumating sa Hong Kong Stock Exchange noong Abril ng taong ito, ay nagpapalawak ng kanilang malaking dami ng 3D scene data mula sa 3D cloud design patungo sa embodied intelligence.
Ang simulation platform na Songying Technology ay nakakamit ng mga pagsasamantala na kabuuang milyon-milyong yuan sa mga pagsasamantala ng Pre-A at Pre-A+ noong Pebrero at Hulyo, at nagtatag ng isang composite dataset kasama ang pambansang at lokal na pagtatayo ng Innovation Center para sa humanoid robots.
Uri 3: UMI na walang ontolohiya/porma ng portableng pagkuha—iwasan ang ontolohiya, “ikopya” ang tao
May kakulangan ang paggamit ng remote-controlled robot para sa pagkuha ng data—ang natutuklasan ay hindi ang totoong kakayahan ng tao, kundi ang mga galaw na nagawa bilang kompromiso upang masunod ng robot. Kaya't nagpasya ang grupo na iwasan ang paggamit ng robot at direktang pagsuot ng gloves, claw, at wearable devices ng tao para sa paggawa.
Ito ang pinakamataas na kapital density na ruta sa taong ito.
Sa Hunyo 1, ipinahayag ng Jianzhi Robotics ang pagkakaroon ng maraming pagsasama-samang pagsasapulot ng milyon-milyong yuan, na pinamumunuan ng Ant Group, Didi, at Delian Capital, kasama ang Shunwei at BV Baidu Ventures bilang mga tagasuporta—ito ang pinakamalaking pagsasapulot sa larangan ng data na walang pisikal na anyo hanggang sa kasalukuyan.
Ang tagapagtatag na si Chen Jianxing ay dating Senior Director ng Algorithm sa Momenta. Isang taon na ang nakalipas ng pagkakatatag ng kumpanya, ay nakakapag-coverage na ito sa libu-libong totoong escenario at nakapag-sign na ng strategic partnership sa Ant Group’s Lingbo.
Ibinigay ni Shi Zhihang ang human-centric na data collection paradigm at ipinakilala ang SenseHub wearable data collection solution; natapos ang Pre-A funding round na $455 milyon noong Abril, na nagtatag ng pinakamalaking iisang pagsasapalaran sa China para sa embodied AI, na pinamumunuan ng Hillhouse, Sequoia, at Meituan, at nagsimula na ng “Embodied Data Spark Initiative” na may layuning 100 milyon na oras.
Ang FastUMI system ng鹿明机器人 na may-ari ng Tsinghua ay nagpataas ng efisiyensiya ng pagkuha ng datos ng tatlong beses at nagbaba ng gastos hanggang sa isang-kalimang bahagi, at nakakuha ng patuloy na pagpapautang mula sa Mitsubishi Electric at nakakuha ng mga order mula sa mga pangunahing kliyente.
Ipinaghiwalay ng AgiRobot ang kanilang data business bilang isang hiwalay na kumpanya noong Pebrero ng taong ito, ang MiFeng Technology, at natapos ang isang seed at angel round na may halagang ilang milyon na yuan sa loob ng sampung araw, na pinamumunuan ng Sequoia Capital China, at may plano na makamit ang isang libong oras na kapasidad sa data bago ang 2026.
Nagkakaroon na rin ng mas batang henerasyon: ang Xingyi Technology, na inihubog mula sa Department of Computer Science ng Tsinghua University, ay tumutugma sa landas ng NVIDIA EgoScale sa paggawa ng first-person wearable capture na may mataas na kalayaan at precision sa millimeter level; naka-complete na ang kanilang unang round ng pagsasamantala at nakakuha pa ng Pre-A round noong Hulyo; habang ang siyentipiko ni Peking University, si Lu Zongqing, ay direktang gumagamit ng internet video para sa pre-training ng generikong action model.
Ang Quanche Intelligence, isang spin-off ng Feixi, ay nakakuha ng higit sa isang daan na order gamit ang kanilang CoMiner data collection system na “production companion,” at nakakuha ng karagdagang milyon-milyong piso sa pagsasapalaran noong Hunyo, at malapit nang ilabas ang kanilang sariling world model.
Isang bagong kumpanya, Yuanche Taichu (OriginFlow), na gumagamit ng NeuroScale paradigm, na nakakakuha ng elektrikong signal mula sa pagkakabigla ng mga kalamnan sa katawan gamit ang kanilang sariling developed electromyography collection kit, at nag-e-encode at nagre-reconstruct ng posisyon ng kamay, lakas, at feedback ng paghawak sa pamamagitan ng PULSE base model; nagsasalungat sa “intensyon—kalamnan—kilos” native传导 chain, at nagpapalit sa mga limitasyon ng UMI tulad ng visual obstruction at kakulangan sa lakas at paghawak.
Sa isang taon ng pagkakatatag, ang kumpanya ay nakakumpleto ng angel round, strategic round, at Pre-A1 round na may kabuuang pagsasalapi na higit sa 500 milyon yuan. Ang founder, Qin Shentao, ay isang 00s na doktor sa Tsinghua University at aborado sa Harbin Institute of Technology.
Uri ng apat: Video Distillation / World Model School—Tuturuan ang AI na “Makita” ang pisikal na mundo
Lumalutas ang ruta na ito sa problema ng “pagpapalit ng basura sa yaman” sa pinakamababang antas ng piramide ng data: mayroong walang hanggang mga video ng tao sa internet—pagluluto, paggawa ng kamay, pag-aayos—ngunit kulang ang mga ito sa impormasyon ng lakas, paghawak, at 3D na trahektoriyang kailangan ng mga robot, at palaging nagsisilbing “makikita ngunit hindi gamitin” na dead data.
Ang ideya ng video distillation ay gumagamit ng algorithm upang mabawi ang mga track ng galaw at impormasyon sa pisikal na interaksyon mula sa 2D video, at “distill” ang mga patay na data maging mga embodied data na maaaring itrain, na maaaring bawasan ang gastos sa bahagyang libo-libo ng presyo ng pagkuha sa totoong machine.
Mas direkta ang mga tagapagtaguyod ng mundo model, una silang pinapag-aralan ng AI ang mga batas ng paggalaw sa mundo pisikal, bago ito ay gumawa ng walang hanggang dami ng data para sa pagsasanay sa “loob ng isip”.
Ang SynaData pipeline ng Shu Tu Technology ay nakakakuha ng maramihang multimodal na embodied data tulad ng mga track ng kamay at mga landas ng paggalaw ng mga bagay mula sa mga internet video, na may napakababang gastos sa pagkolekta ng data, at nakakuha na ng maraming milyon na pondo na pinamumunuan ng Oriental Fortune Capital, at ginagamit na ng mga pangunahing open-source model tulad ng Tsinghua RDT at Zhìyuán UniVLA.
Gumamit ang Jíjiā Shìjiè ng GigaWorld bilang pandaigdigang modelo upang lumikha ng mga data para sa pagtuturo, na nagpabuti ng pagganap ng VLA model sa tatlong aspeto ng pagpapalawak ng halos 300%. Nakumpleto ang B+ round na pagpapautang ng 1 milyar yuan noong Hunyo, at kumakalat na 3.5 bilyon yuan sa pagpapautang sa loob ng 3 buwan.
Ang Deep Wisdom ay nagtaya rin sa data ng mga video mula sa first-person perspective ng tao, at noong unang kalahati ng taon ay nakapag-raise ng tatlong pondo, higit sa ilang milyon yuan. Noong Mayo, ang Deep Wisdom Z-WM World Model ay naging numero uno sa buong mundo sa pagtataya ng WorldArena.
Ang LiberAI na binanggit sa simula ng artikulo ay isang hybrid ng ruta na ito at ang track ng world model.
Uri ng Lim: Data Infrastructure/Platform School—isang data platform at pati na rin “refinery”
Ang pananaw na ito ay: ang bottleneck ng embodied data ay hindi lamang nasa "paano kunin", kundi pati na rin sa bahaging "paano gamitin".
Magkakaiba ang mga robot sa kanilang mga katawan, sensors, at mga format ng data; ang orihinal na data na kinuha ay parang crude oil na may maraming komponente—ang pagpapasok nito nang direkta sa model ay magiging mas masama ang pagtuturo—sino ang gagawin ang paglinis, pagpapareho, pag-annotate, at pag-evaluate upang i-refine ang crude oil sa standard na gasoline?
Lalo na’t ang training ground, mga equipment para sa pagkuha ng data, at ang motion capture system ay mga malaking asset—hindi kayang bayaran ng mga maliit at katamtamang koponan. Kaya, kailangan ng shared training ground, pagsasama-sama ng mga pamantayan sa data, at pagbebenta ng toolchain at platform services. Hindi ito nagtataya kong anong data technology path ang magtatagumpay, kundi nagtataya na anuman ang mananalo, kailangan nilang lumipas sa daan na ito ay itinayo.
Ang Wuwen Zhike ay nakabatay sa Deqing Data Collection and Training Ground na may closed-loop na pagkakaisa ng pisikal at digital, na nagpaprodukta ng higit sa libo-libong oras ng data araw-araw, at nakapag-finance ng higit sa isang milyong dolyar noong Abril, at nakapag-sign ng mga order na halos milyon-milyong dolyar noong unang kuartal mula sa ByteDance, Wujie Power, at iba pa.
Nakumpleto ng Yiren Technology ang dalawang pagsasalakay sa pondo na may halagang milyon-milyon sa Abril, at inihayag ang layunin na umabot sa kita ng higit sa isang milyon at maging profitable noong 2025, posibleng ang unang kompanya sa industriya na nagpahayag ng kita.
Kasama rin ang Zhìyù Jīshí, na itinatag noong Disyembre ng nakaraan, na espesyalista sa paghahanda, pagpapareho, at pagpapabuti ng data sa gitnang pagpapalit, at ang lahat ng mga kompanya ng ontology tulad ng Lingchu Intelligence, Qiongche, at Zhì Square ay nag-invest sa “kanluran” na ito.
Kasali na rin ang mga kumpanyang nakalistado sa stock exchange; ang lider sa serbisyo ng data, HaiTian RuiSheng, ay nagtatagpo sa Beijing Shijingshan Humanoid Robot Data Training Center upang magtatag ng “Data Training Ground for Embodied Intelligence.”
Kasama rin ang mga malalaking kumpanya, ipinakilala ng JD.com ang buong chain infrastructure para sa embodied data, at plano nito na hikayatin ang 600,000 na kurier at driver para mag-collect ng crowd-sourced data, na may layunin na akumulat ng 10 milyon oras ng totoong video sa loob ng dalawang taon; samantalang ang Baidu ay nagsisimula ng “data supermarket.”
Tatlo: Magpahinga muna: Totoo ba ang pagiging rigid ng demand sa data?
Ang taong 2026 ay ang taon ng pagpapalawak ng embodied data; ayon sa mga datos, hanggang sa huling araw ng Abril 2026, mayroong kahit na 90 na data collection centers na nasa estado ng “paggamit o pagpaplano at pagbuo”; kung saan 64 ay nasa operasyon na, at ang natitira ay nasa pagbuo o pagpaplano.
Ngunit mas mainit ang风口, mas kailangan mong ilagay ang kaunting malamig.
Ang negosyo ng embodied data ay may isang structural na problema na hindi madalas bigyang-pansin: ang demand at supply nito ay nagpapalabas ng pera mula sa iisang grupo ng kapital.
Tingnan ang listahan ng mga bumibili—ang mga team ng malalaking modelo, mga bagong startup na kompanya ng robot, at mga tagagawa ng ontology na nasa proseso ng pagbabago, ang karamihan sa mga kumpradong ito ay hindi pa nakakakita ng kita, at ang kanilang budget para sa pagbili ay galing sa bagong nadatnan na pondo.
Sa ibang salita, ang kita ng mga kumpanya ng data ay, sa kanyang pinakamainam na anyo, isang pangalawang pagkakahati-hati ng pagsasapital sa ilalim: ang mga kumpanya ng embodied intelligent robotics ay nakakakuha ng pondo, at pagkatapos ay bumibili ng data upang magkwento, at kapag mabuti ang kwento, sila ay nagpapautang muli.
Kung ang pagpapatupad ng kompanya ng robot ay hindi makamit ang inaasahan, mawawala nang sabay ang mga order ng data at ang pagpapautang. Ito ay isang symbiotic na ugnayan kung saan ang isang bahagi ay umiiral depende sa demand sa merkado ng downstream.
Tanging kapag talagang kayang magpatuloy ang kikitain ng robot company, mas matibay at mas maaaring magtrabaho ang negosyong ito.
Ang isang karaniwang pagtataya sa industriya ay na ang mga kompanya ng embodied data na makakarating sa matagalang pagkakaroon ay malamang ay dalawang uri lamang: isa ay maging pamantayan sa industriya na may kontrol sa mga ecosystem-level na kasangkapan tulad ng simulation, data processing, at evaluation; at ang isa pa ay may kakayahang mag-merge at mag-purify ng data mula sa iba’t ibang vendor, at makapagbigay ng patuloy na mataas na kalidad at long-tail na data pagkatapos makapasok ang robot sa totoong mga escenario.
Nakuha mula sa WeChat public account na “IT Ju Zi” (ID: itjuzi521), may-akda: Wu Meimei