No final de julho, a LiberAI concluiu o financiamento Pré-A+, com valor de centenas de milhões de yuans, entre os investidores estão o Grupo 360, Guokai Finance, InnoVen Capital, CMC Capital, Binfu Capital e Sequoia Capital China.
A empresa foi realmente fundada em 8 de dezembro de 2025, com o nome "Jiangxian Technology", cujo nome significa "ter vontade de descansar é a primeira força produtiva"; o capital registrado é de 1,46 milhão de yuans, e a equipe tem menos de 30 pessoas.
E IT Juzi descobriu que esta é já a quinta rodada de financiamento desde sua fundação; nos últimos seis meses, ela realizou financiamentos intensos, com ritmo muito rápido, passando da semente, anjo, anjo+ até a rodada Pre-A, concluindo quatro rodadas consecutivas. Relatos indicam que sua avaliação mais recente atingiu 5 bilhões de yuans.
O fundador, Liu Songming, é um nascido após o ano 2000, ganhador da bolsa de estudos especial da Escola de Ciência da Computação da Universidade Tsinghua, em primeiro lugar na turma, e aluno do professor Zhu Jun. Ele se formou em doutorado aos 23 anos e imediatamente iniciou sua própria empresa. Anteriormente, ele liderou o RDT-1B, o primeiro modelo base de grande escala Transformer de difusão projetado especificamente para operação de robôs com dois braços, com 1,2 bilhão de parâmetros.
LiberAI visa os dados UMI humanos + modelos mundiais — em outras palavras, vende os dados alimentados aos robôs e o cérebro que os processa.
Segundo dados da IT Juzi, no primeiro semestre de 2026, 25 startups chinesas de dados de inteligência embodiada arrecadaram mais de 17 bilhões de yuans em financiamento, o que indica que "dados" se tornaram o negócio mais certo no setor de embodiamento. (Não inclui empresas que atuam simultaneamente em modelos de dados de embodiamento e em corpos robóticos, como Xinghai Tu e Qianxun Intelligence.)
Para obter todos os dados das empresas e seus financiamentos no segmento de dados corporais, consulte e faça o download dos dados na página do álbum da IT桔子: https://www.itjuzi.com/album/766 (atualmente, 42 empresas estão incluídas).
Entre eles, Guanglun Intelligence não apenas obteve grandes investimentos externos, mas também conquistou encomendas de 550 milhões de yuans no Q1.
Quando os garimpeiros ainda não encontraram ouro, os vendedores de picaretas já haviam ganhado dinheiro.
I. Desafio não resolvido: o deserto de dados da indústria de robôs
Por que os grandes modelos de linguagem conseguiram explodir? Porque há uma quantidade inesgotável de corpora na internet.
Mas treinar robôs não depende de linguagem textual, mas sim de dados de ações físicas tridimensionais como pegar, soltar, andar, agarrar, girar e sacudir a panela — esses tipos de dados praticamente não existem na internet.
A escassez de dados corporais é um grande gargalo em toda a indústria.
A Grand View Research prevê que o mercado global de coleta e anotação de dados alcançará US$ 17,1 bilhões em 2030.
Atualmente, os dados corporais reconhecidos pela indústria apresentam uma estrutura em pirâmide: na ponta estão os dados de máquinas reais, de qualidade confiável e prontos para implantação, mas também os mais caros; na camada intermediária estão os dados sintéticos de simulação + dados UMI, com custo moderado e capacidade de produção ilimitada, mas que apresentam a lacuna Sim-to-Real (desvios de atrito/deformação aproximados); na base estão os vídeos da internet e os dados de comportamento humano, com a fonte mais ampla, mas que carecem de detalhes interativos e possuem informações esparsas.
E cada camada tem um grupo de empresas dedicadas a dominar — esse é um sistema de referência para entender a onda atual de startups de dados corporais.
II. Cinco grandes escolas, mais de trinta empresas em panorama
Estilo 1: Controle remoto em dispositivo real / Escola de toque — trate os dados como uma linha de produção
Este estilo segue a lógica mais simples: construir fábricas, instalar robôs e equipamentos de captura de movimento, e produzir em massa dados de alta precisão em uma linha de produção.
O mais agressivo é a percepção de Pasini.
A empresa lidera globalmente a quantidade de sensores táteis embarcados; em 2025, a Pascini construirá em Tianjin a maior fábrica global de coleta de dados corporais, a Super EID Factory, com capacidade anual de 200 milhões de dados; após concluir uma rodada B de mais de 1 bilhão de yuans e alcançar uma avaliação superior a 10 bilhões de yuans, anunciou ainda a construção de mais quatro fábricas de dados superiores em Suqian, Wuhan, Zigong e Ganzhou.
O veterano de captura de movimento é outro ramo desta linha.
O fundador da Noitom, Dai Ruoli, já levou a Noitom Technology a ocupar 70% do mercado global de captura de movimento profissional; posteriormente, fundou a nova empresa Noitom Robotics, que concluiu em junho uma rodada Pre-A++ de centenas de milhões de yuans, com avaliação de aproximadamente 3 bilhões de yuans, com a entrada conjunta dos fundos de IA de Pequim e Xangai, Shenzhen Capital Group, CICC e Kunlun Capital, além de lançar a plataforma de dados ModalityNet.
A QingTong Vision adota o caminho da abertura de código para trocar por ecossistema, lançando em maio o maior conjunto de dados de captura óptica de movimento humano de alta precisão do mundo, com 1.000 horas, com previsão de produção anual de 500.000 horas. Os dados de movimento para a estreia robótica de artes marciais no Ano Novo Chinês, intitulada "WuBOT", da Unitree Technology, foram coletados por meio de seu sistema Project Decode.
Empresas emergentes de toque, como Lingsheng Technology, também estão se posicionando.
Gênero dois: Escola de simulação e síntese — "imprimir" dados no mundo virtual
Se os dados reais forem muito caros, é possível criar um mundo virtual suficientemente realista no computador e "imprimir" em massa dados de treinamento?
Esta rota gerou o primeiro unicórnio de dados embodied do mundo: Guanglun Intelligence.
Concluiu um financiamento da série A++ de 1 bilhão de yuans em março deste ano, recebeu outro investimento liderado pelo Ant Group em maio e levantou mais 1 bilhão de yuans em junho, com avaliação pós-investimento superior a 2 bilhões de dólares americanos (aproximadamente 15 bilhões de yuans).
A Guanglun Intelligence teve um aumento de 10 vezes na receita em 2025 e novos pedidos de 550 milhões de yuans no primeiro trimestre de 2026, superando todo o ano anterior em um único trimestre.
A CrossDimension Intelligence é um representante da "simulação generativa": seu motor de simulação próprio, o DexVerse, gera automaticamente massas de dados de cenários no mundo virtual; em julho deste ano, anunciou um financiamento de 1 bilhão de yuans, com avaliação superior a 10 bilhões de yuans e o início do IPO, alcançando receita de 100 milhões de yuans no primeiro semestre e já entregou mais de 1.500 modelos comercializados.
Na lista de empresas cotadas, a Qunxue Technology, conhecida como a "primeira empresa global de inteligência espacial" a estrear no mercado de ações de Hong Kong em abril deste ano, está expandindo os vastos dados de cenas 3D acumulados em seu design em nuvem para a inteligência embutida.
A plataforma de simulação Songying Technology concluiu as rodadas Pre-A e Pre-A+ em fevereiro e julho, arrecadando centenas de milhões de yuans em financiamento acumulado, e colaborou com centros de inovação em robôs humanóides, construídos conjuntamente pelo governo nacional e local, para criar conjuntos de dados sintéticos.
Gênero três: Escola UMI sem entidade / coleta portátil — contornar a entidade, "reproduzir" a pessoa
Um defeito da coleta de dados por robôs remotos é que ela captura não a verdadeira capacidade humana, mas movimentos comprometidos para que o robô consiga acompanhar. Por isso, essa abordagem simplesmente ignora o corpo humano, permitindo que as pessoas usem luvas, pinças e dispositivos vestíveis para realizar diretamente as tarefas.
Esta é a rota com a maior densidade de capital deste ano.
Em 1º de junho, a Jianzhi Robotics anunciou oficialmente uma série contínua de rodadas de financiamento totalizando centenas de milhões de yuans, com a Ant Group, Didi e Delian Capital como líderes e Shunwei e BV Baidu Ventures como participantes — trata-se do maior financiamento até hoje no campo de dados sem entidade.
O fundador, Chen Jianxing, é o ex-diretor sênior de algoritmos da Momenta. A empresa, fundada há um ano, já cobre milhares de cenários reais e estabeleceu uma parceria estratégica com Ant Lingbo.
Shi Zhihang propôs o paradigma de coleta de dados centrado no ser humano e lançou a solução de coleta vestível SenseHub; em abril, concluiu um financiamento Pré-A de US$ 455 milhões, estabelecendo o recorde da maior rodada única de financiamento na história da inteligência embutida na China, liderada conjuntamente por Hillhouse, Sequoia e Meituan, e já lançou o "Plano Faísca de Dados Embutidos", com meta de 100 milhões de horas.
O sistema FastUMI da鹿明 Robotics, vinculada à Tsinghua University, aumentou a eficiência de aquisição de dados em três vezes e reduziu os custos a um quinto, recebendo investimentos consecutivos da Mitsubishi Electric e conquistando pedidos de clientes líderes.
A Zhìyuán Robotics dividiu seu negócio de dados em uma empresa independente, Mifeng Technology, em fevereiro deste ano, arrecadando centenas de milhões de yuan em rodadas semente e anjo em apenas dez dias, com liderança da Sequoia Capital China, e planeja alcançar uma capacidade de produção de dados de milhões de horas até 2026.
Uma nova geração mais jovem também está surgindo: a Xingyi Technology, incubada no Departamento de Ciência da Computação da Universidade Tsinghua, segue o caminho da NVIDIA EgoScale, desenvolvendo coleta em primeira pessoa com alta liberdade e precisão na ordem de milímetros; já concluiu seu primeiro financiamento e recebeu uma rodada Pré-A em julho. O professor da Universidade de Pequim, Lu Zongqing, da Zhi Zai Wu Jie, utiliza vídeos da internet para pré-treinar modelos universais de ação.
A Qiongche Intelligence, incubada pela Feixi, conquistou quase cem pedidos com seu sistema de coleta de dados "produção acompanhada" CoMiner, arrecadou centenas de milhões de yuan em financiamento em junho e em breve lançará seu próprio modelo mundial.
Outra empresa muito nova, Yuanche Taichu (OriginFlow), utiliza o paradigma NeuroScale para captar sinais elétricos de contração muscular humana por meio de seu próprio conjunto de coleta de eletromiografia, codificando e reconstruindo a postura da mão, a força e o feedback tátil por meio do modelo básico PULSE; conecta-se diretamente à cadeia de transmissão nativa “intenção—músculo—ação”, superando as limitações da UMI, como obstrução visual e falta de sensores de força e tato.
Após um ano de existência, a empresa já arrecadou mais de 500 milhões de yuans em financiamento nas rodadas anjo, estratégica e Pré-A1. O fundador, Qin Shentao, é um doutor da Universidade Tsinghua e graduado pela Universidade de Ciência e Tecnologia da China, nascido na geração pós-2000.
Gênero 4: Escola de destilação de vídeo/modelo do mundo — ensinar à IA a "compreender" o mundo físico
Esta rota resolve o problema da base da pirâmide de dados: "transformar lixo em ouro" — há vídeos ilimitados de operações humanas na internet — cozinhar, artesanato, reparos — mas esses vídeos faltam informações de força, tato e trajetória tridimensional necessárias para robôs, tornando-se dados "visíveis, mas inutilizáveis".
A ideia da escola de destilação de vídeo é usar algoritmos para reverter a trajetória de movimento e as informações de interação física a partir de vídeos bidimensionais, transformando dados inertes em dados corporais treináveis, reduzindo os custos para frações de milésimos do valor de coleta em máquinas reais.
Os defensores do modelo mundial são mais diretos: primeiro, fazem a IA aprender as leis de funcionamento do mundo físico, depois geram infinitos dados de treinamento "dentro da mente".
A linha SynaData da Shu Tu Technology pode extrair em lote dados multimodais embutidos, como trajetórias manuais e caminhos de movimento de objetos, de vídeos da internet, com custo extremamente baixo de coleta de dados. Já recebeu investimento de dezenas de milhões de yuan liderado por Oriental Fortune Capital, e seus dados são utilizados por modelos open-source principais, como o RDT da Tsinghua e o UniVLA da Agi.
Ji Jia Shi Jie utiliza o modelo global GigaWorld para gerar dados de treinamento, aumentando em cerca de 300% o desempenho do modelo VLA em três dimensões de generalização, arrecadando 1 bilhão de yuans na rodada B+ em junho e acumulando 3,5 bilhões de yuans em financiamento em três meses.
A DeepMind também investiu em dados de vídeos em primeira pessoa humana, arrecadando três rodadas de financiamento no primeiro semestre deste ano, totalizando centenas de milhões de yuans. Em maio, o modelo Z-WM da DeepMind alcançou o primeiro lugar global no ranking do WorldArena.
O LiberAI mencionado no início do artigo também é um híbrido dessa abordagem com a trilha dos modelos mundiais.
Estilo 5: Infraestrutura/Plataforma de Dados — é uma plataforma de dados, também uma "refinaria"
Essa abordagem entende que o gargalo dos dados corporais não está apenas em "como coletar", mas também em "como usar".
Os robôs variam em corpo, sensores e formatos de dados, e os dados brutos coletados são como petróleo cru com composição mista; alimentá-los diretamente aos modelos só os torna piores — quem fará a limpeza, alinhamento, rotulagem e avaliação para refinar o petróleo cru em gasolina padronizada?
Além disso, campos de treinamento, equipamentos de coleta e sistemas de captura de movimento são ativos pesados, inacessíveis para equipes pequenas e médias. Por isso, é necessário construir campos de treinamento compartilhados, estabelecer padrões de dados e oferecer ferramentas e serviços de plataforma. Não se aposta em qual rota tecnológica de dados vencerá, mas sim em que, independentemente de quem vença, precisará passar por essa estrada que se construiu.
Wuwen Zhike conta com um campo de coleta e treinamento de dados em Deqing, com闭环 de integração virtual e real, produzindo milhares de horas de dados por dia, concluiu financiamento superior a 100 milhões de yuans em abril e assinou encomendas de centenas de milhões de yuans com ByteDance, Wuji Power e outras empresas no primeiro trimestre.
Yiren Technology concluiu duas rodadas de financiamento de centenas de milhões de yuan consecutivas em abril e anunciou simultaneamente que alcançará receita superior a cem milhões de yuan e lucratividade em 2025, possivelmente sendo a primeira empresa no setor a anunciar lucro.
Também foi investida pela Zhìyù Jīshí, fundada em dezembro do ano passado, especializada na transformação intermediária de limpeza, alinhamento e governança de dados, com empresas como Lingchu Intelligence, Qiongche e Zhifangping, todas da mesma família de protocolos, investindo nesse “fornecedor upstream”.
Jogadores listados também entraram no jogo; a líder em serviços de dados, Haitian Ruisheng, em parceria com o Centro de Treinamento de Dados de Robôs Humanoides de Shijingshan, Pequim, está construindo conjuntamente o “Campo de Treinamento de Dados para Inteligência Embodiment”.
Grandes empresas também estão entrando no jogo: a JD.com lançou a infraestrutura de ponta a ponta para dados corporais, planejando mobilizar 600 mil entregadores e motoboys para coleta por meio de plataformas de trabalho colaborativo, com o objetivo de acumular 10 milhões de horas de vídeos em cenários reais em dois anos; já o Baidu criou uma “supermercado de dados”.
III. Acalme-se: a demanda por dados é rígida?
O ano de 2026 será o ano de escala dos dados corporais; estatísticas indicam que, até o final de abril de 2026, há pelo menos 90 centros de coleta de dados em estado de "uso ou planejamento/construção"; dos quais 64 já estão em operação, e os demais estão em construção ou planejamento.
Mas quanto mais quente for a tendência, mais é preciso derramar um pouco de água fria.
Este negócio de dados corporais tem um problema estrutural pouco mencionado: sua demanda e sua oferta gastam o mesmo capital.
Basta olhar a lista de compradores — equipes de grandes modelos, startups de robótica e fabricantes de ontologias em transição; a maioria desses compradores ainda não é lucrativa, e seus orçamentos de compra vêm de financiamentos recém-recebidos.
Em outras palavras, a receita das empresas de dados é, em essência, uma relocação secundária do financiamento a jusante: empresas de robôs de inteligência embutida conseguem financiamento, depois compram dados para contar histórias, e, se as histórias forem bem-sucedidas, buscam a próxima rodada de financiamento.
Se a implementação da empresa robótica não atingir as expectativas, os pedidos de dados e o financiamento desaparecerão simultaneamente. Essa é uma relação de interdependência, em que um depende da demanda de mercado a jusante.
Apenas quando as empresas de robôs conseguirem realmente gerar lucros de forma sustentável, esse negócio se tornará mais sólido e viável.
Um consenso da indústria é que, a longo prazo, apenas dois tipos de empresas de dados corporais provavelmente sobreviverão: um se tornará uma plataforma padrão da indústria, controlando ferramentas de nível ecológico, como simulação, processamento de dados e avaliação; o outro terá a capacidade de integrar e purificar dados entre fabricantes diferentes, fornecendo continuamente dados de alta qualidade e de cauda longa após os robôs entrarem em cenários reais.
Este artigo é do canal oficial do WeChat "IT Juzi" (ID: itjuzi521), autor: Wu Meimei