Pada akhir Juli, LiberAI menyelesaikan putaran pendanaan Pre-A+, dengan jumlah miliaran yuan, dengan investor termasuk Grup 360, Guokai Finance, Innovation Works, CMC Capital, Binfu Capital, dan Sequoia Capital China.
Perusahaan ini sebenarnya didirikan pada 8 Desember 2025, bernama "Jiangxian Technology", yang diambil dari makna "ingin bersantai adalah kekuatan produksi utama"; modal terdaftar sebesar 1,46 juta yuan, dengan tim kurang dari 30 orang.
Sementara IT Juzi menemukan, ini sudah menjadi putaran pendanaan kelima sejak berdirinya; dalam lebih dari enam bulan terakhir, perusahaan ini giat melakukan pendanaan dengan ritme yang sangat cepat, dari putaran benih, malaikat, malaikat+, hingga Pre-A, berhasil menyelesaikan empat putaran berturut-turut. Menurut laporan, valuasi terbaru mencapai 5 miliar yuan.
Pendiri Liu Songming adalah generasi Z, penerima beasiswa kehormatan khusus dari Departemen Ilmu Komputer Tsinghua, peringkat pertama di jurusannya, murid Profesor Zhu Jun, dan lulus doktor pada usia 23 tahun sebelum memulai bisnis. Sebelumnya, ia memimpin pengembangan RDT-1B, model dasar扩散Transformer skala besar pertama yang dirancang khusus untuk operasi robot dua lengan, dengan jumlah parameter mencapai 1,2 miliar.
LiberAI menargetkan data UMI manusia + model dunia—dengan kata lain, ia menjual data yang diberikan kepada robot, serta otak yang mencerna data tersebut.
Menurut statistik IT Juzi, pada paruh pertama tahun 2026, 25 perusahaan rintisan Tiongkok di bidang data kecerdasan tubuh telah mengumpulkan dana lebih dari 17 miliar yuan, sehingga dapat dikatakan bahwa "data" menjadi bisnis paling pasti di lintasan tubuh. (Tidak termasuk perusahaan tertentu yang secara bersamaan mengembangkan model data tubuh dan badan robot, seperti Xinghai Tu dan Qianxun Intelligence)
Untuk mendapatkan seluruh perusahaan dan data pendanaan di lintasan data embodiet, Anda dapat melihat dan mengunduh data di halaman album IT桔子: https://www.itjuzi.com/album/766 (saat ini mencakup 42 perusahaan)
Di antaranya, Guanglun Intelligence tidak hanya mendapatkan pendanaan eksternal dalam jumlah besar, tetapi juga memperoleh pesanan senilai 550 juta yuan pada Q1.
Ketika para penambang emas belum menemukan emas, orang yang menjual sekop sudah lebih dulu mendapatkan uang.
Satu: Masalah yang Belum Terpecahkan: Gurun Data di Industri Robotika
Mengapa model bahasa besar bisa meledak? Karena ada bahan pelatihan yang tak terbatas di internet.
Namun, pelatihan robot bergantung pada data tindakan fisik tiga dimensi seperti mengambil, meletakkan, berjalan, meraih, memutar, dan menggoyangkan wajan—data semacam ini hampir tidak ada di internet.
Kekurangan data tubuh menjadi hambatan besar di seluruh industri.
Grand View Research memperkirakan pasar pengumpulan dan pelabelan data global akan mencapai $17,1 miliar pada tahun 2030.
Saat ini, data tubuh yang diakui secara industri memiliki struktur piramida: puncaknya adalah data mesin asli, berkualitas andal dan dapat langsung diterapkan, tetapi harganya paling mahal; lapisan tengah adalah data sintesis simulasi + data UMI, biaya sedang dan dapat diproduksi secara tak terbatas, tetapi ada kesenjangan Sim-to-Real (bias pendekatan friksi/deformasi); dasarnya adalah video internet dan data perilaku manusia, sumbernya paling luas, tetapi kurang detail interaksi dan informasi yang jarang.
Kemudian setiap lapisan memiliki sekelompok perusahaan yang fokus sepenuhnya—ini adalah kerangka acuan untuk memahami gelombang kewirausahaan data tubuh saat ini.
Dua, pemandangan menyeluruh lima aliran utama, lebih dari tiga puluh perusahaan
Gaya satu: Operasi jarak jauh perangkat asli / gaya sentuhan — memperlakukan data sebagai jalur produksi
Gaya ini menganut logika paling sederhana: membangun pabrik, menempatkan robot, dan memasang peralatan motion capture untuk memproduksi data presisi tinggi secara massal.
Yang paling agresif adalah persepsi Pacini.
Perusahaan ini memiliki pengiriman sensor sentuh terbanyak di dunia; pada tahun 2025, Pascini akan membangun pabrik pengumpulan data tubuh terbesar di dunia, Super EID Factory, di Tianjin, dengan kapasitas produksi 2 miliar data per tahun; setelah menyelesaikan putaran B lebih dari 1 miliar yuan dan valuasi melebihi 10 miliar yuan, perusahaan tersebut mengumumkan pembangunan empat pabrik data super tambahan di Suqian, Wuhan, Zigong, dan Ganzhou.
Motion capture veteran adalah cabang lain dari garis ini.
Pendiri NolMotion, Dai Ruoli, pernah membawa NolMotion Technology mencapai 70% pangsa pasar global untuk motion capture profesional, kemudian mendirikan perusahaan baru, NolMotion Robotics. Pada Juni, perusahaan ini menyelesaikan putaran Pre-A++ senilai miliaran yuan, dengan valuasi sekitar 3 miliar yuan. Dana investasi AI Beijing dan Shanghai, Shenzhen Capital Group, CICC, serta Kunlun Capital bergabung secara bersama-sama, serta meluncurkan platform data ModalityNet.
Qingtong Vision mengikuti jalur open-source untuk membangun ekosistem, pada Mei merilis dataset open-source penangkapan gerak optik manusia presisi tinggi terbesar di dunia dengan volume 1.000 jam, diperkirakan memproduksi 500.000 jam per tahun; data gerak untuk penampilan robot seni bela diri "WuBOT" di Gala Tahun Baru Imlek oleh Unitree Technology diambil dari sistem Project Decode mereka.
Perusahaan baru dalam bidang sentuhan seperti Lingsheng Technology juga sedang memperkuat posisi.
Gaya kedua: Aliran simulasi sintetis — "mencetak" data di dunia virtual
Jika data nyata terlalu mahal, bisakah kita menciptakan dunia virtual yang cukup nyata secara fisik di komputer untuk secara massal "mencetak" data pelatihan?
Rute ini melahirkan unicorn data embodied pertama di dunia: Guanglun Intelligence.
Pada Maret tahun ini menyelesaikan putaran pendanaan A++ senilai 1 miliar yuan, pada Mei mendapatkan pendanaan dipimpin oleh Ant Group, dan pada Juni kembali mendapatkan pendanaan 1 miliar yuan, dengan valuasi setelah pendanaan melebihi 2 miliar dolar AS (sekitar 15 miliar yuan CNY).
Pendapatan Guanglun Intelligence meningkat 10 kali lipat pada tahun 2025, dengan pesanan baru senilai RMB 550 juta pada kuartal pertama 2026, melebihi total pendapatan tahun lalu dalam satu kuartal.
CrossDimension Intelligence adalah perwakilan dari "simulasi generatif": mesin simulasi DexVerse buatan sendiri secara otomatis menghasilkan sejumlah besar data skenario di dunia virtual; pada Juli tahun ini, perusahaan mengumumkan pendanaan sebesar 1 miliar yuan, valuasi melebihi 10 miliar yuan, dan meluncurkan IPO, dengan pendapatan semester pertama sebesar 100 juta yuan dan lebih dari 1.500 model telah dikirim secara komersial.
Di antara perusahaan yang terdaftar, Qunxiao Technology, yang tercatat di pasar saham Hong Kong pada April tahun ini sebagai "perusahaan pertama di dunia dalam kecerdasan ruang," sedang memperluas data adegan 3D masif yang dikumpulkan dari desain cloud 3D ke dalam kecerdasan tubuh.
Platform simulasi Songying Technology menyelesaikan putaran Pre-A dan Pre-A+ pada Februari dan Juli, mengumpulkan dana sejumlah miliaran yuan, serta bekerja sama dengan pusat inovasi robot bentuk manusia bersama pemerintah nasional dan daerah untuk membangun kumpulan data sintetis.
Gaya ketiga: UMI tanpa tubuh/pendekatan pengumpulan portabel—melewati tubuh asli, "meniru" manusia
Robot jarak jauh memiliki kelemahan—data yang dikumpulkan bukanlah kemampuan sejati manusia, tetapi gerakan yang dikompromikan agar robot bisa mengikuti. Oleh karena itu, pendekatan ini secara langsung menghindari tubuh manusia, membiarkan orang memakai sarung tangan, cengkeram, dan perangkat wearable untuk bekerja secara langsung.
Ini adalah rute dengan kepadatan modal tertinggi tahun ini.
Pada 1 Juni, Jianzhi Robotics mengumumkan serangkaian pendanaan berturut-turut senilai ratusan juta yuan, dengan Ant Group, Didid, dan Delian Capital sebagai pemimpin pendanaan, serta Shunwei dan BV Baidu Ventures sebagai pendukung—ini merupakan pendanaan terbesar hingga saat ini di bidang data tanpa entitas.
Pendiri Chen Jianxing adalah mantan Direktur Algoritma Senior di Momenta, perusahaan yang berdiri selama satu tahun telah mencakup ribuan skenario nyata dan telah menjalin kerja sama strategis dengan Ant Group Lingbo.
Shi Zhihang mengusulkan paradigma pengumpulan data berpusat pada manusia dan meluncurkan solusi pengumpulan wearable SenseHub; pada bulan April menyelesaikan pendanaan Pre-A senilai $455 juta, mencatat rekor pendanaan tunggal terbesar dalam sejarah kecerdasan tubuh di Tiongkok, dipimpin bersama oleh Hillhouse, Sequoia, dan Meituan, serta telah meluncurkan "Inisiatif Api Data Tubuh" dengan target 100 juta jam.
Sistem FastUMI dari robot Lu Ming yang berafiliasi dengan Tsinghua University meningkatkan efisiensi pengumpulan data tiga kali lipat dan menurunkan biaya hingga seperlima, mendapatkan pendanaan berkelanjutan dari Mitsubishi Electric serta meraih pesanan dari klien-klien terkemuka.
Agentic Robotics memisahkan bisnis data menjadi perusahaan independen, Mifeng Technology, pada Februari tahun ini, dan hanya dalam sepuluh hari menyelesaikan putaran seed dan angel senilai ratusan juta yuan, dengan Sequoia Capital China sebagai pemimpin investasi, dengan rencana mencapai kapasitas produksi data tingkat jutaan jam pada tahun 2026.
Generasi yang lebih muda juga mulai muncul: Xingyi Technology, yang diinkubasi oleh Departemen Ilmu Komputer Tsinghua, menargetkan jalur EgoScale NVIDIA untuk mengembangkan pengumpulan pandangan pertama dengan kebebasan tinggi dan akurasi milimeter, telah menyelesaikan putaran pendanaan pertama dan menerima putaran Pre-A pada Juli; Profesor Lu Zongqing dari Universitas Peking menggunakan video internet untuk pra-pelatihan model gerakan universal.
Qiongche Intelligence, dihasilkan oleh Feixi, memenangkan hampir seratus pesanan dengan sistem pengumpulan data CoMiner berbasis produksi bersama, menerima pendanaan ratusan juta yuan lagi pada Juni, dan segera akan meluncurkan model dunia buatan sendiri.
Masih ada perusahaan baru bernama Yuanche Taichu (OriginFlow), yang menggunakan paradigma NeuroScale, menangkap sinyal listrik kontraksi otot tubuh melalui perangkat pengumpulan electromyography buatan sendiri, kemudian mengkodekan dan merekonstruksi postur tangan, kekuatan, serta umpan balik sentuhan melalui model dasar PULSE; menghubungkan jalur transmisi asli "niat—otot—tindakan", mengatasi keterbatasan UMI seperti kegagalan akibat penghalang visual dan kurangnya sensasi gaya dan sentuhan.
Dalam satu tahun berdiri, perusahaan telah menyelesaikan pendanaan putaran malaikat, putaran strategis, dan putaran Pre-A1 dengan total lebih dari 500 juta yuan. Pendiri perusahaan, Qin Shentao, adalah seorang doktor lulusan Tsinghua University generasi 00 dan lulusan sarjana dari Universitas Ilmu dan Teknologi Harbin.
Gaya Empat: Video Distillation / World Model — Mengajari AI untuk "Memahami" Dunia Fisik
Rute ini menyelesaikan masalah "mengubah sampah menjadi emas" di dasar piramida data: ada video operasi manusia yang tak terbatas di internet—memasak, kerajinan tangan, perbaikan—tetapi video-video ini kekurangan informasi indera gaya, sentuhan, dan jejak tiga dimensi yang dibutuhkan robot, sehingga tetap menjadi data mati yang "terlihat tapi tak bisa dimanfaatkan".
Pendekatan video distillation adalah menggunakan algoritma untuk menurunkan jejak gerakan dan informasi interaksi fisik dari video dua dimensi, mengubah data mati menjadi data tubuh yang dapat dilatih, dengan biaya yang bisa diturunkan menjadi seperseribu dari biaya pengumpulan data langsung.
Pengikut model dunia lebih langsung, membiarkan AI terlebih dahulu mempelajari hukum kerja dunia fisik, lalu menghasilkan data pelatihan tak terhingga di "dalam pikiran".
Pipeline SynaData dari Shu Tu Technology dapat mengekstraksi data tubuh multimodal secara massal dari video internet, seperti jejak tangan dan jalur gerak objek, dengan biaya akuisisi data yang sangat rendah. Telah menerima investasi puluhan juta yuan dipimpin oleh Oriental Fortune, dan data tersebut telah diadopsi oleh model open-source utama seperti Tsinghua RDT dan Zhiyuan UniVLA.
Jiexia Shijie menggunakan model dunia GigaWorld untuk menghasilkan data pelatihan, meningkatkan kinerja model VLA hingga hampir 300% pada tiga dimensi generalisasi utama, menyelesaikan putaran B+ senilai 1 miliar yuan pada Juni, dengan total pendanaan mencapai 3,5 miliar yuan dalam tiga bulan.
DeepWisdom juga berinvestasi pada data video sudut pandang pertama manusia, pada semester pertama tahun ini berhasil meraih tiga putaran pendanaan, lebih dari ratusan juta yuan. Pada Mei, model dunia DeepWisdom Z-WM menduduki peringkat pertama global dalam evaluasi WorldArena.
LiberAI yang disebutkan di awal artikel juga merupakan hasil campuran antara jalur ini dan lintasan model dunia.
Gaya Lima: Infrastruktur/Platform Data—adalah platform data, sekaligus "pabrik pengolahan"
Pandangan ini adalah: bottleneck data tubuh tidak hanya terletak pada "bagaimana mengumpulkan", tetapi juga pada tahap "bagaimana menggunakannya".
Setiap robot memiliki tubuh yang berbeda, sensor yang berbeda, dan format data yang bervariasi; data mentah yang dikumpulkan seperti minyak mentah dengan komposisi campuran—langsung memberikannya ke model hanya akan membuatnya semakin buruk saat dilatih—siapa yang akan membersihkan, menyelaraskan, memberi label, dan mengevaluasi untuk mengubah minyak mentah menjadi bensin standar?
Apalagi fasilitas pelatihan, peralatan pengumpulan, dan sistem pelacakan gerak merupakan aset berat yang tidak terjangkau oleh tim kecil dan menengah. Oleh karena itu, diperlukan fasilitas pelatihan bersama, standar data yang ditetapkan, serta penjualan rantai alat dan layanan platform. Ini tidak mempertaruhkan jalur teknologi data mana yang akan menang, tetapi mempertaruhkan bahwa siapa pun yang menang, pasti harus melewati jalan yang telah dibangunnya sendiri.
Wuwen Zhike mengandalkan lapangan pengumpulan dan pelatihan data Deqing dengan siklus tertutup virtual-nyata, menghasilkan ribuan jam data per hari, menyelesaikan pendanaan lebih dari 100 juta yuan pada bulan April, dan menandatangani pesanan senilai ratusan juta yuan pada kuartal pertama dengan perusahaan seperti ByteDance dan Wujie Power.
Yiren Technology menyelesaikan dua putaran pendanaan miliaran yuan secara berturut-turut pada bulan April, sekaligus mengumumkan pendapatan melebihi satu miliar yuan dan mencapai keuntungan pada tahun 2025, kemungkinan menjadi perusahaan pertama di industri ini yang mengumumkan keuntungan.
Selain itu, Zhigu Jiashi yang didirikan pada Desember tahun lalu, yang fokus pada transformasi menengah seperti pembersihan, penyelarasan, dan tata kelola data, telah menerima investasi dari perusahaan blockchain seperti Lingchu Intelligence, Qiongche, dan Zhifangping.
Pemain publik juga masuk, pemimpin layanan data Haitian Ruisheng bekerja sama dengan Pusat Pelatihan Data Robot Manusia Beijing Shijingshan untuk membangun "Lapangan Pelatihan Data Embodied Intelligence".
Perusahaan besar lainnya juga ikut masuk, JD mengumumkan infrastruktur end-to-end data embodiment, berencana melibatkan 600.000 kurir dan pengemudi pengiriman untuk mengumpulkan data secara crowdsourcing, dengan target mengumpulkan 10 juta jam video skenario nyata dalam dua tahun; Baidu justru membuat "pasar data".
Tiga: Tenang dulu: Apakah permintaan data bersifat kaku?
Tahun 2026 menjadi tahun skala besar untuk data tubuh, menurut statistik, hingga akhir April 2026, setidaknya ada 90 pusat pengumpulan data yang berada dalam status "digunakan atau sedang direncanakan dan dibangun"; di antaranya, 64 telah beroperasi, sisanya sedang dalam pembangunan/direncanakan.
Semakin panas angin pasar, semakin perlu diberi sedikit pendingin.
Bisnis data tubuh memiliki masalah struktural yang jarang disinggung: sisi permintaan dan sisi penawarannya menghabiskan uang dari modal yang sama.
Lihat daftar pembeli—tim model besar, perusahaan robot startup, produsen ontologi yang sedang bertransformasi—sebagian besar pihak pembeli data ini belum mendapatkan keuntungan, dan anggaran pembelian mereka berasal dari dana pendanaan yang baru saja masuk.
Dengan kata lain, pendapatan perusahaan data pada dasarnya adalah alokasi ulang pendanaan tahap selanjutnya: perusahaan robot cerdas berwujud mengumpulkan dana, lalu membeli data untuk bercerita, dan jika ceritanya bagus, mereka akan mengumpulkan dana putaran berikutnya.
Jika implementasi perusahaan robotik tidak sesuai harapan, pesanan data dan pendanaan akan menghilang secara bersamaan. Ini adalah hubungan saling ketergantungan, di mana satu pihak bergantung pada permintaan pasar di hilir.
Hanya ketika perusahaan robot benar-benar mampu mendapatkan keuntungan secara berkelanjutan, bisnis ini menjadi lebih andal dan dapat berjalan dengan baik.
Sebuah konsensus dalam industri menyatakan bahwa perusahaan data tubuh yang kemungkinan besar bertahan jangka panjang hanya ada dua jenis: satu jenis menjadi platform standar industri yang menguasai alat-alat ekosistem seperti simulasi, pemrosesan data, dan evaluasi; jenis lainnya memiliki kemampuan integrasi dan pemurnian data lintas pabrikan, yang dapat terus menyediakan data berkualitas tinggi dan panjang-ekor setelah robot memasuki lingkungan nyata.
Artikel ini berasal dari akun WeChat "IT桔子" (ID: itjuzi521), penulis: Wu Meimei