В конце июля LiberAI завершила раунд Pre-A+, собрав средства в размере нескольких сотен миллионов юаней. Инвесторами стали группа 360, China Development Bank Capital, Innovation Works, CMC Capital, BinFu Capital и Sequoia China.
Эта компания была фактически основана 8 декабря 2025 года и называется «Цзянсянь Технологии»; название означает «Желание расслабиться — это первая производительная сила»; уставный капитал составляет 1,46 миллиона юаней, команда насчитывает менее 30 человек.
IT桔子发现，这已是其成立以来的第五轮融资；在过去半年多时间里，它密集融资，节奏极快，从种子轮、天使轮、天使+轮到Pre-A轮，一口气完成了四轮融资。据报道，其最新估值已达50亿元。
Основатель Лю Сунмин — представитель поколения Z, лауреат специальной стипендии Tsinghua по компьютерным наукам, занявший первое место в специальности, ученик профессора Чжу Цзюня; в 23 года он окончил докторантуру и сразу основал стартап. Ранее им руководимая RDT-1B стала первой крупномасштабной диффузионной Transformer-моделью, разработанной специально для управления роботами с двумя руками, с объемом параметров 1,2 миллиарда.
LiberAI ориентирована на человеческие данные UMI + мировую модель — другими словами, она продает данные для роботов и мозг, который их перерабатывает.
Согласно данным IT桔子, в первой половине 2026 года 25 китайских стартапов в сфере персонализированных интеллектуальных данных привлекли более 17 млрд юаней финансирования — можно сказать, что «данные» стали самым надежным бизнесом в сегменте персонализированного ИИ. (Не включая отдельные компании, занимающиеся как моделями персонализированных данных, так и робототехникой, такие как Xinghai Tu и Qianxun Intelligence)
Чтобы получить полный список компаний и данные о финансировании в секторе эмбоди-данных, посетите и скачайте данные на странице альбома IT桔子: https://www.itjuzi.com/album/766 (на данный момент включено 42 компании)
Среди них, Lightwheel Intelligence не только привлекла крупные внешние инвестиции, но и заключила заказы на 550 миллионов юаней в первом квартале.
Пока золотоискатели еще не нашли золото, продавцы лопат уже заработали деньги.
I. Нерешённая проблема: пустыня данных в робототехнической отрасли
Почему большие языковые модели смогли взорваться? Потому что в интернете бесконечные объемы текстовых данных.
Но обучение робота основано не на текстовом языке, а на данных о трехмерных физических действиях, таких как поднимать, опускать, ходить, хватать, крутить и подбрасывать сковороду — таких данных практически не существует в интернете.
Во всей отрасли нехватка данных о физическом опыте является серьезным ограничением.
Grand View Research прогнозирует, что глобальный рынок сбора и аннотации данных достигнет 17,1 млрд долларов США к 2030 году.
На данный момент в отрасли признана иерархическая структура данных для робототехники в виде пирамиды: на вершине находятся данные реальных роботов — надежного качества и готовые к внедрению, но самые дорогие; на среднем уровне — синтетические данные симуляции и данные UMI, с умеренной стоимостью и возможностью бесконечного производства, но с присутствием «разрыва симуляция-реальность» (погрешности в трении и деформации); на основании — видео из интернета и данные о поведении людей, наиболее доступные по источнику, но с недостатком деталей взаимодействия и разреженной информацией.
Затем каждый уровень имеет группу компаний, сосредоточенных исключительно на этом — это координатная система для понимания нынешней волны стартапов в области эмбоди-данных.
Второй раздел: Обзор пяти основных направлений и более чем тридцати компаний
Направление 1: Управление с реального устройства / тактильное направление — обрабатывайте данные как конвейер
Этот подход следует самой простой логике: строить заводы, устанавливать роботов, размещать системы захвата движения и массово производить высокоточные данные в режиме конвейера.
Самым радикальным является восприятие Пасини.
Компания занимает первое место в мире по объему поставок тактильных датчиков. В 2025 году Pascin построит в Тяньцзине крупнейший в мире завод по сбору эмбоди-данных Super EID Factory с годовой производительностью 200 млн записей данных; после завершения раунда B на сумму более 1 млрд юаней и оценки компании более 10 млрд юаней компания объявила о строительстве еще четырех супер-дата-центров в Сусяне, Ухане, Цзыгуне и Ганчжоу.
Капитан движения — это еще одна ветвь этой линии.
Основатель робота Nuoyiteng Дай Жоули ранее довел компанию Nuoyiteng Technology до доли в 70% на глобальном рынке профессионального захвата движения, а затем основал новую компанию — Nuoyiteng Robotics. В июне компания завершила раунд Pre-A++ на сумму несколько сотен миллионов юаней, оценив себя примерно в 3 млрд юаней. Инвестиционные фонды по развитию ИИ в Пекине и Шанхае, Shenzhen Chuangtou, CICC и Kunlun Capital совместно вложились в компанию и представили платформу полномодальных данных ModalityNet.
Цинтун Вижн следует пути открытого исходного кода и экосистемы, в мае выпустила крупнейший в мире открытый набор данных по оптическому захвату движения человека объемом 1000 часов, с прогнозируемым годовым объемом в 500 000 часов; данные для выступления роботов на новогоднем шоу Yushu Tech «ВУБОТ» были собраны с помощью системы Project Decode.
Такие новые игроки в области тактильных технологий, как Lingsheng Technology, также занимают позиции.
Второй стиль: симуляционный синтез — «печать» данных в виртуальном мире
Если реальные данные слишком дороги, можно ли создать в компьютере виртуальный мир, достаточно реалистичный с физической точки зрения, и массово «печатать» обучающие данные?
По этому маршруту появился первый в мире уникорн данных с эмбодиментом — Guanglun Intelligence.
В марте этого года завершил раунд финансирования серии A++ на 1 млрд юаней, в мае получил дополнительные инвестиции от Ant Group в качестве лидера, а в июне привлек еще 1 млрд юаней, после чего его оценка превысила 2 млрд долларов США (около 15 млрд юаней).
Световой круг Интеллектуальные технологии увеличили выручку в 10 раз в 2025 году, новые заказы за первый квартал 2026 года составили 550 миллионов юаней — больше, чем за весь прошлый год.
Кросс-измерительный интеллект является представителем «генеративного моделирования»: собственная симуляционная движок DexVerse автоматически генерирует огромные объемы данных сцен в виртуальном мире; в июле этого года было объявлено о привлечении финансирования в размере 1 млрд юаней, оценка компании превысила 10 млрд юаней, и начался процесс выхода на IPO, выручка за первое полугодие составила 100 млн юаней, более 1500 моделей уже успешно внедрены в коммерческую эксплуатацию.
В этом году в апреле на гонконгской бирже дебютировала компания Qunxue Technology, первая в мире компания, специализирующаяся на пространственном интеллекте, и теперь она использует накопленные данные о трехмерных сценах в облачном 3D-дизайне для развития эмбоди-интеллекта.
Компания Songying Technology завершила раунды Pre-A и Pre-A+ в феврале и июле, привлекая в совокупности сотни миллионов юаней, и совместно с государственными и местными органами создала инновационный центр по разработке человеческих роботов и синтетических наборов данных.
Третий стиль: UMI без сущности / портативный сбор — обойти сущность, «воспроизвести» человека
У робота-дистанционного управления есть один недостаток — он фиксирует не настоящие способности человека, а компромиссные движения, сделанные для того, чтобы робот мог успевать. Поэтому этот подход полностью обходит тело, позволяя человеку напрямую выполнять задачи в перчатках, захватывающих устройствах и носимом оборудовании.
Это самый капиталоемкий маршрут этого года.
1 июня компания Цзяньчжи Роботикс объявила о серии последовательных раундов финансирования на сумму сотни миллионов юаней: лидирующими инвесторами стали Ant Group, Didi и Delian Capital, а также присоединились Shunwei и BV Baidu Ventures — это крупнейшее финансирование на сегодняшний день в области данных без тела.
Основатель Чэнь Цзяньсинь — бывший старший директор по алгоритмам в Momenta. За год существования компания охватила более чем 10 000 реальных сценариев и заключила стратегическое партнерство с Ant Lingbo.
Он Ши Чжихан предложил человечно-ориентированную парадигму сбора данных и представил решение SenseHub для носимого сбора данных; в апреле было завершено предварительное финансирование серии A на сумму 455 миллионов долларов США, что стало рекордом крупнейшего единовременного финансирования в Китае в области физической интеллектуальности, лидирующими инвесторами выступили Hillhouse, Sequoia и Meituan, а также запущен инициативный проект «Искра данных физической интеллектуальности» с целью сбора 1 миллиарда часов данных.
Система FastUMI от компании Лу Мин, связанной с Тсингхуа, повысила эффективность сбора данных в три раза и снизила затраты до одной пятой, что привлекло непрерывное лидерство в инвестициях от Mitsubishi Electric и завоевало заказы от ведущих клиентов.
В феврале этого года Zhiyuan Robotics выделила свои данные в отдельную компанию Mifeng Technology, которая за десять дней привлекла десятки миллионов юаней в серии seed- и ангельских инвестиций с участием Sequoia Capital China, планируя достичь производственной мощности в миллионы часов данных к 2026 году.
Также появляется более молодое поколение: StarMemory Technology, выросшая из компьютерного отделения Циньхуа, следует пути NVIDIA EgoScale, разрабатывая одноразовые устройства для сбора данных с первого лица с высокой степенью свободы и миллиметровой точностью; завершила первое раунд финансирования и получила дополнительное Pre-A-финансирование в июле; профессор Пекинского университета Лу Цзинцинь использует предварительно обученные на интернет-видео модели для создания универсальных моделей действий.
Нестандартный стартап, выделенный из XiXi, компания Qiongche Intelligence, получила более сотни заказов на свою систему сбора данных CoMiner с функцией сопровождения производства, в июне привлекла еще несколько сотен миллионов юаней финансирования и вскоре представит свою собственную мировую модель.
Еще одна совсем новая компания — Юаньчэ Тайчжо (OriginFlow), использующая парадигму NeuroScale, которая с помощью собственной разработанной системы сбора электромиографических сигналов фиксирует электрические сигналы сокращения мышц тела, кодирует и реконструирует позу кисти, усилие и тактильную обратную связь с помощью базовой модели PULSE; она интегрируется с естественной цепочкой передачи «намерение — мышцы — действие», компенсируя ограничения UMI, такие как потеря визуальной информации и отсутствие силовых и тактильных ощущений.
За год существования компания привлекла более 500 миллионов юаней в рамках серии ангельских, стратегических и Pre-A1-инвестиций. Основатель Цин Шэньтао — доктор философии из Циньхуа, выпускник Харбинского технологического института, родившийся в 2000-х годах.
Направление 4: Видеодистилляция / Модели мира — обучение ИИ «понимать» физический мир
Этот подход решает проблему «превращения отходов в ресурсы» на самом нижнем уровне пирамиды данных: в интернете бесконечное количество видео с человеческими действиями — приготовление пищи, рукоделие, ремонт, — но этим видео не хватает информации о силе, тактильных ощущениях и трехмерных траекториях, необходимых роботам, поэтому они остаются «видимыми, но неприменимыми» мертвыми данными.
Идея видео-дистилляции заключается в использовании алгоритмов для восстановления траекторий движений и физических взаимодействий из двухмерного видео, превращая «мертвые» данные в пригодные для обучения данные о воплощении, при этом затраты могут быть снижены до тысячных долей от стоимости сбора данных на реальных устройствах.
Представители мировой модели подходят более прямо: сначала заставляют ИИ изучить законы функционирования физического мира, а затем генерировать бесконечное количество обучающих данных «внутри головы».
Компания Shu Tu Technology может массово извлекать из интернет-видео многомодальные данные о траекториях рук, путях движения объектов и т.д. Стоимость сбора данных крайне низка; компания привлекла инвестиции в несколько десятков миллионов юаней от Dongfang Fuhai; данные используются ведущими открытыми моделями, такими как RDT Tsinghua University и Zhiyuan UniVLA.
Jiexia Shijie использует мировую модель GigaWorld для генерации обучающих данных, что позволило повысить производительность модели VLA на近300% по трем основным направлениям обобщения; в июне завершено финансирование серии B+ на сумму 1 млрд юаней, за три месяца совокупный объем привлеченных средств составил 3,5 млрд юаней.
DeepMind также инвестировала в данные видео с первым лицом человека, в первом полугодии этого года привлекла три раунда финансирования на сумму более сотни миллионов юаней; в мае модель DeepMind Z-WM заняла первое место в мировом рейтинге на платформе WorldArena.
Упомянутый в начале статьи LiberAI — это также гибрид этой направленности и направления мировых моделей.
Направление 5: Инфраструктура/платформа данных — это и платформа данных, и «нефтеперерабатывающий завод»
Эта точка зрения утверждает, что ограничения в данных о телесности заключаются не только в том, «как собирать», но и в том, «как использовать».
У каждого робота своя конструкция, свои датчики и разные форматы данных; собранные исходные данные похожи на сырую нефть с неоднородным составом — если подавать их прямо в модель, она будет обучаться все хуже и хуже — кто займется очисткой, синхронизацией, аннотированием и оценкой, чтобы превратить сырую нефть в стандартный бензин?
Кроме того, тренировочные площадки, оборудование для сбора данных и системы захвата движения — это капитально-intensive активы, которые малым командам просто не по карману. Поэтому необходимо создавать общие тренировочные площадки, устанавливать стандарты данных и предлагать инструментальные цепочки и платформенные услуги. Это не ставка на то, какая именно технологическая линия данных победит, а ставка на то, что независимо от того, кто победит, ему придется пройти по этой дороге.
Wuwen Zhike использует комплекс сбора и обучения данных в Дэцин, основанный на замкнутой системе виртуально-реального взаимодействия, ежедневно собирая более тысячи часов данных; в апреле компания привлекла финансирование свыше 1 млрд юаней, а в первом квартале заключила заказы на сумму сотни миллионов юаней с ByteDance, Wujie Power и другими компаниями.
Ичжэнь Технолоджис в апреле успешно завершила два раунда финансирования на сумму более 100 миллионов юаней и объявила о планах превысить доход в 1 миллиард юаней и достичь прибыли в 2025 году, став, возможно, первой компанией в отрасли, объявившей о прибыли.
Также в декабре прошлого года была основана Zhiyu Jishu, специализирующаяся на очистке, согласовании и управлении данными на среднем этапе преобразования, и все эти компании — Linchu Intelligence, Qiongche, Zhi Square и другие — инвестировали в эту «верхнюю» компанию.
К также присоединились игроки из числа публично торгуемых компаний: лидер в области данных, Haitian Ruisheng, совместно с Центром по обучению данным роботов-андроидов в районе Шицзиншань, Пекин, создает «поле для обучения данным персонализированного интеллекта».
Крупные компании также вступают в игру: JD.com запустила полную инфраструктуру для сбора данных о физических объектах, планируя задействовать 600 000 курьеров и водителей-экспресс-доставщиков для сбора данных в режиме краудсорсинга с целью накопить 10 миллионов часов реальных видеозаписей за два года; Baidu же создала «рынок данных».
Три: Сделайте паузу: спрос на данные является жестким?
2026 год станет годом масштабирования эмбоди-данных; по статистическим данным, на конец апреля 2026 года не менее 90 центров сбора данных находились в состоянии «использования или планирования/строительства»; из них 64 уже введены в эксплуатацию, остальные находятся в стадии строительства или планирования.
Чем жарче ветер перемен, тем больше нужно охладить пыл.
В этом бизнесе — данных о воплощении — существует структурная проблема, которую редко обсуждают: и спрос, и предложение финансируются одними и теми же капиталами.
Просто посмотрите на список покупателей — команды крупных моделей, стартапы в сфере робототехники, производители устройств, находящиеся на этапе трансформации: большинство этих покупателей еще не приносят прибыль, а их бюджеты на закупку данных поступили только что от привлеченного финансирования.
Другими словами, доходы данных-компаний по сути являются вторичным распределением финансирования на нижнем уровне: компании, занимающиеся робототехникой с встроенным интеллектом, привлекают средства, а затем тратят их на покупку данных и рассказывание историй; если история удачна, они привлекают следующий раунд финансирования.
Если реализация компании-производителя роботов не оправдает ожиданий, заказы на данные и приток финансирования одновременно исчезнут. Это взаимозависимые отношения — все растет вместе или все падает вместе, зависящие от рыночного спроса на стороне конечного потребителя.
Только когда роботизированная компания действительно сможет постоянно получать прибыль, этот бизнес станет более надежным и жизнеспособным.
В отрасли существует общее мнение, что в долгосрочной перспективе выживут, скорее всего, только два типа компаний, работающих с данными для роботов: одни станут платформами-стандартами отрасли, контролирующими экосистемные инструменты, такие как симуляция, обработка данных и оценка; другие обладают способностью к объединению и очистке данных от разных производителей, обеспечивая непрерывную поставку высококачественных, длиннохвостых данных после выхода роботов в реальные условия.
Эта статья взята из официального аккаунта WeChat «IT Juzi» (ID: itjuzi521), автор: У Мэймэй