Çin'in Gövdeli Zeka Veri Sektörü Yükseliyor, 25 Başlangıç Şirketi 2026'da 17 Milyarın Üzerinde Topluyor

Temmuz sonunda LiberAI, Pre-A+ turu finansmanını birkaç milyar yuan ile tamamladı; yatırımcı listesinde 360 Grubu, Devlet Kalkınma Bankası Finans, Yenilik Çatısı, CMC Sermayesi, Bin Fu Sermayesi ve Sequoia Çin yer alıyor.

Bu şirket aslında 8 Aralık 2025'te "Jiangxian Teknoloji" adıyla kuruldu; isminin anlamı "Boş zaman almak ilk üretim gücüdür"; sermayesi 1,46 milyon yuan ve ekip 30 kişiden az.

Ancak IT Kiju, bunun kurulduğu günden beri beşinci finansman turu olduğunu tespit etti; geçen altı ay içinde, tohum, melek, melek+ ve Pre-A turunu ardışık olarak tamamlayarak çok hızlı bir tempoda finansman gerçekleştirdi. Habere göre, en son değerlemesi 5 milyar yuan'a ulaştı.

Kurucu Liu Songming, 00'lu doğumlular arasında yer alır, Tsinghua Üniversitesi Bilgisayar Mühendisliği Bölümü'nde özel ödül kazanmış ve bölümde birinci olmuştur; Danışmanı Prof. Zhu Jun'dur ve 23 yaşında doktorasını tamamlayarak girişimde bulunmuştur. Daha önce yönettiği RDT-1B, iki kollu robot operasyonları için tasarlanan ilk büyük ölçekli diffusion Transformer temel modelidir ve 1,2 milyar parametreye sahiptir.

LiberAI, insan UMI verilerini ve dünya modelini hedef alıyor—basitçe söylemek gerekirse, robotlara veri beslemeyi ve veriyi işlemek için beyni satıyor.

IT Çivisi verilerine göre, 2026 yılının ilk yarısında 25 Çinli gövdeli akıllı veri girişim şirketi toplamda 17 milyar yuandan fazla finansman aldı; bu da "veri"nin gövdeli sektörde en kesin iş haline geldiğini gösteriyor. (StarMap ve Qianxun Intelligence gibi hem gövdeli veri modelleri hem de robot gövdeleri üreten şirketler hariç.)

Vücutlu veri yarışmasındaki tüm şirketleri ve finansman verilerini görmek ve indirmek için IT桔子 albüm sayfasını ziyaret edin: https://www.itjuzi.com/album/766 (şu anda 42 şirket kayıtlı)

Bu arada, Lightwheel Intelligence, büyük dış finansmanın yanı sıra Q1'de 550 milyon yuanlık sipariş aldı.

Kazıcılar hâlâ altın bulamamışken, kürek satanlar önce para kazandı.

Büyük dil modelleri neden patlama yaşadı? Çünkü internet üzerinde tükenmez bir metin kaynağı var.

Ancak robotları eğitmek, metin dilleriyle değil, almak, koymak, yürümek, tutmak, döndürmek, tavada karıştırmak gibi üç boyutlu fiziksel hareket verileriyle yapılır—bu tür veriler internet üzerinde neredeyse mevcut değildir.

Tüm endüstride, gövdeli verilerin eksikliği büyük bir engeldir.

Grand View Research, küresel veri toplama ve etiketleme pazarının 2030 yılında 17,1 milyar dolar olacağını tahmin ediyor.

Şu anda endüstride kabul gören vücutsal veriler, piramit yapısını sergiliyor: tepe, gerçek cihaz verileridir, kalitesi güvenilir ve doğrudan entegre edilebilir ancak en pahalıdır; orta katman, simülasyonla üretilmiş veriler ve UMI verileridir, maliyeti uygun ve sonsuz miktarda üretilebilir ancak Sim-to-Real boşluğu (sürtünme/şekil değişim yaklaşımlarındaki sapmalar) mevcuttur; taban, internet videoları ve insan davranış verileridir, en geniş kaynaklara sahiptir ancak etkileşim detayları eksik ve bilgiyoğunluğu düşüktür.

Her katmanında, mevcut vücutlu veri girişim dalgasını anlamak için bir koordinat sistemi olan, özel olarak bu konuya odaklanmış şirketler bulunuyor.

Akım 1: Gerçek cihaz uzaktan kontrolü/temas akımı—verileri bir üretim hattı gibi işle

Bu akım en basit mantığı benimser: fabrika inşa et, robotları yerleştir, hareket algılama ekipmanlarını kur, akış hattında yüksek hassasiyette veri üret.

En öncü olan Pascini Algısıdır.

Şirketin dokunsal sensörleri küresel olarak en yüksek miktarla teslim edilmiştir; 2025'te Pacini, Tianjin'de yıllık 2 milyar veri üretimi kapasitesine sahip dünyanın en büyük vücutlu veri toplama fabrikası Super EID Factory'yi kuracaktır; 1 milyar yuandan fazla B turu finansmanını tamamlayıp değerlemesi 10 milyar yuana ulaştıktan sonra, Suqian, Wuhan, Zigong ve Ganzhou'da dört yeni süper veri fabrikası inşa etmeyi duyurdu.

Hareket yakalama uzmanı, bu hatın başka bir koludur.

Noitom Robotics'un kurucusu Dai Ruoli, Noitom Technology'i küresel profesyonel hareket yakalama pazarında %70 paya ulaştırdıktan sonra Noitom Robotics adlı yeni bir şirket kurdu, Haziran'da yüz milyonlarca yuanlık Pre-A++ sermaye topladı, değerlemesi yaklaşık 3 milyar yuan, Pekin ve Şanghay AI endüstri fonları, Shenzhen Venture Capital, CICC ve Kunlun Capital ortaklaşa girdi ve ModalityNet çoklu modlu veri platformunu duyurdu.

QingTong Vision, açık kaynak yoluyla ekosistem oluşturuyor; Mayıs'ta dünyanın en büyük ölçekli olan 1000 saatlik yüksek doğrulukta insan optik hareket yakalama açık kaynak veri setini yayınlıyor ve yıllık üretimi 500.000 saat olarak tahmin ediliyor. YuShu Technology'in Bayram Gecesi robot kung fu performansı "WuBOT"'unun kung fu veri toplama işlemi, Project Decode sistemi tarafından gerçekleştirilmiştir.

Lingsheng Teknoloji gibi dokunma temelli yeni nesil şirketler de pozisyon alıyor.

İkinci Akım: Simülasyon Sentetik Akımı — Sanal dünyada veri "bastırma"

Gerçek veriler çok pahalıysa, bilgisayar içinde yeterince gerçekçi bir sanal dünya yaratıp eğitim verilerini toplu olarak "baskı" yapabilir miyiz?

Bu rota, dünyanın ilk vücutlu veri ünikornu olan Guanglun Akıllı'yu doğurdu.

Bu yıl Mart'ta 1 milyar Yuan değerinde A++ sermaye artırma turunu tamamladı, Mayıs'ta Ant Group liderliğinde yeni bir sermaye artırma turu gerçekleştirdi ve Haziran'da tekrar 1 milyar Yuan sermaye aldı; yatırımdan sonraki değerlemesi 2 milyar ABD dolarını (yaklaşık 15 milyar Çin yuanı) aştı.

Lightwheel Intelligence, 2025 yılında gelirini 10 kat artırıyor ve 2026 birinci çeyrekte 550 milyon yuanlık yeni sipariş alıyor; bir çeyrekte geçen yılın tamamını aşıyor.

Krosim Dijital, "üretimsel simülasyon"un temsilcisidir: Kendi geliştirdiği DexVerse simülasyon motoru, sanal dünyada milyonlarca senaryo verisi otomatik olarak oluşturur; Temmuz ayında 1 milyar yuanlık finansman ilan edildi, değerlemesi 10 milyar yuanı aştı ve IPO başlatıldı, ilk yarım yılda geliri 100 milyon yuan oldu ve 1.500'den fazla model ticari olarak teslim edildi.

KuCoin'de listelenen şirketler arasında, bu yıl Nisan'da Hong Kong borsasına giren "Dünyanın İlk Uzaysal Akıllılık Şirketi" olan Qunxue Technology, 3D bulut tasarımı birikiminden elde edilen devasa 3B sahne verilerini vücutsal akıllılığa genişletiyor.

Simülasyon platformu Songying Teknoloji, Şubat ve Temmuz aylarında Pre-A ve Pre-A+ serilerini tamamlayarak toplam yüz milyonlarca yuan fon topladı ve ulusal ve yerel düzeyde bir insan benzeri robot yenilik merkeziyle sentetik veri seti oluşturdu.

Üçüncü Akım: UMI Vücutsuz / Taşınabilir Toplama Akımı—Vücuttan kaçınarak, insanı kopyalama

Uzaktan kumandalı robotlar veri toplarken bir eksiklik var—toplanan veriler, insanın gerçek yetenekleri değil, "robotun takip edebilmesi için" yapılan uzlaşmalar sonucu oluşan hareketlerdir. Bu nedenle bu yaklaşımda, vücuttan tamamen kaçınılarak insanlara eldivenler, tutucular ve giyilebilir cihazlar takılarak doğrudan iş yaptırılır.

Bu yılın en yüksek sermaye yoğunluğuna sahip rotası.

1 Haziran'da Jianzhi Robot, birkaç döngü boyunca milyarlarca yuanlık finansman aldığını duyurdu; Ant Group, Didi, Delian Capital öncü yatırımcı olarak, Shunwei ve BV Baidu Venture Capital ise ortak yatırımcı olarak yer aldı—bu, vüudsuz veri alanında şimdiye kadarki en büyük finansman turudur.

Kurucu Chen Jianxing, önceki Momenta algoritma üst direktörüdür; şirket bir yıl içinde binlerce gerçek senaryoyu kapsadı ve Ant Group'ın Lingbo ile stratejik iş birliği kazandı.

Shi Zhihang, insan odaklı veri toplama paradigmalarını öne sürerek SenseHub takılabilir veri toplama çözümünü tanıttı; Nisan ayında 455 milyon ABD dolarlık Pre-A sermaye topladı ve Çin'in vücutlu yapay zeka alanında en büyük tek seferlik sermaye toplama rekorunu kırdı; Hillhouse, Sequoia ve Meituan ortaklaşa öncü yatırımcı olarak yer aldı ve hedefi 100 milyon saat olan "Vücutlu Veri Alevi Planı"nı başlattı.

Tsinghua bağlantılı Lu Ming robotunun FastUMI sistemi, veri toplama verimliliğini üç kat artırırken maliyeti beşte birine düşürdü ve Mitsubishi Electric'in sürekli öncü yatırımıyla birlikte önde gelen müşterilerin siparişlerini kazandı.

Zhìyuán Robot, Şubat 2024'te veri işini Bağlantı Teknolojisi adında bağımsız bir şirkete ayırdı ve sadece on günde yüz milyonlarca yuanlık tohum ve meleke sermaye topladı; Sequoia Capital Çin öncü oldu ve 2026 yılında milyonlarca saatlik veri üretimi hedefliyor.

Daha genç bir nesil de ortaya çıkıyor: Tsinghua Üniversitesi Bilgisayar Mühendisliği Bölümü'nden türeyen Xingyi Technology, NVIDIA EgoScale yolunu takip ederek yüksek özgürlükte, milimetre hassasiyetinde birinci kişi görüşlü taşınabilir veri toplama çözümleri geliştiriyor ve ilk finansman turunu tamamladı; Temmuz ayında Pre-A turunu da aldı. Peking Üniversitesi profesörü Lu Zongqing, İnternet videolarıyla önceden eğitilmiş genel hareket modelleri kullanıyor.

Feixi tarafından desteklenen Qiongche Intelligence, "üretim eşlikli" veri toplama sistemi CoMiner ile neredeyse yüz adet sipariş kazandı, Haziran'da yine yüz milyonlarca yuanlık finansman aldı ve kendi geliştirdiği dünya modelini yakında duyuracak.

Yeni bir şirket olan Yuanche Taichu (OriginFlow), NeuroScale paradigmını kullanarak, kendi geliştirdiği elektromiyografi toplama setiyle insan kaslarının kasılma elektrik sinyallerini yakalayıp, PULSE temel modeli ile el pozisyonunu, kuvveti ve dokunma geri bildirimini kodlayıp yeniden oluşturuyor; “niyet—kas—hareket” doğal iletim zincirine entegre olup, UMI’nin görsel engellenme başarısızlığını ve kuvvet/dokunma eksikliğini gideriyor.

Kuruluşunun birinci yılında şirket, melez, stratejik ve Pre-A1 sermaye kazanımlarını toplam 500 milyon yuanın üzerinde tamamladı. Kurucu Qin Shentao, 00'lu yıllar doğumlusu bir清华 doktoru ve Harbin Mühendislik Üniversitesi lisans mezunudur.

Akım 4: Video Özütleme / Dünya Modeli Akımı — AI'ye fiziksel dünyayı “anlamayı” öğretmek

Bu rota, veri piramidinin en alt katmanındaki "çöpü değerliye dönüştürme" sorununu çözmektedir: İnternette yemek yapma, el işleri, tamir gibi insan faaliyetlerine dair sınırsız sayıda video bulunmakta ancak bu videolar, robotların ihtiyaç duyduğu kuvvet, dokunma ve üç boyutlu izleme bilgilerini içermemektedir ve sürekli olarak "görülebilir ama kullanılamaz" pasif veriler halinde kalmaktadır.

Video Distillation ekibinin fikri, algoritmalar kullanarak iki boyutlu videolardan hareket trajektörlerini ve fiziksel etkileşim bilgilerini geri çıkararak ölü verileri eğitilebilir gövdeli verilere “damıtmak” ve maliyeti gerçek cihaz toplama maliyetinin binde birkaçına düşürmektir.

Dünya modelleri daha doğrudur; önce AI'nın fiziksel dünyanın çalışma prensiplerini öğrenmesini sağlar, ardından "iç zihinde" sonsuz sayıda eğitim verisi üretir.

Shutu Technology'in SynaData hattı, internet videolarından el hareket izleri, nesne hareket yolları ve diğer çok modlu vücutsal verileri toplu olarak çıkarır; toplama maliyeti çok düşüktür ve Dongfang Fuhai tarafından liderlik edilen birkaç milyon Yuan yatırım almıştır. Veriler, Tsinghua RDT, Zhìyuán UniVLA gibi ana akım açık kaynak modelleri tarafından kullanılmaktadır.

GigaWorld dünya modeli kullanılarak oluşturulan eğitim verileriyle极佳视界, VLA modelinin üç genelleştirme boyutunda performansını yaklaşık %300 artırıyor, Haziran'da 1 milyar RMB'lik B+ turunu tamamladı ve 3 ay içinde toplamda 3,5 milyar RMB finansman topladı.

Derin Zekâ, insan ilk kişi görüşü video verilerine de yatırım yapıyor; bu yılın ilk yarısında üç tur finansman topladı ve yüz milyonlarca yuanı aştı. Mayıs ayında, Derin Zekâ Z-WM Dünya Modeli, WorldArena değerlendirmesinde küresel birinci oldu.

Makale başında bahsedilen LiberAI, bu rota ile dünya modeli yarışmasının bir karışımıdır.

Beşinci Akım: Veri Altyapısı/Platform Akımı—veri platformu aynı zamanda “rafineri”dir

Bu anlayışa göre, gövdeli verilerin sınırlaması sadece "nasıl toplanır" sorununda değil, "nasıl kullanılır" aşamasında da yer alır.

Her robotun gövdesi, sensörleri ve veri formatları farklıdır; toplanan orijinal veriler, karışık bir ham petrol gibi görünür ve doğrudan modele verilirse modelin eğitimi sürekli bozulur—kim yapacak temizleme, hizalama, etiketleme ve değerlendirme işini, ham petrolü standart benzin haline getirecek?

Ayrıca eğitim sahası, veri toplama ekipmanları ve hareket yakalama sistemleri tümüyle büyük sermaye gerektirir; küçük ve orta ölçekli ekipler bunu yapamaz. Bu nedenle, ortak eğitim sahaları kurulmalı, veri standartları belirlenmeli ve araç zinciri ile platform hizmetleri satılmalıdır. Hangi veri teknoloji yolunun kazanacağını tahmin etmez; aksine, hangi yol kazanırsa kazansın, kendi inşa ettiği yoldan geçmek zorunda kalacağını tahmin eder.

Wuwen Zhike, Deqing veri toplama ve eğitim sahasında gerçek-sanal entegrasyonlu kapalı döngü sistemini kullanarak günlük binlerce saat veri üretiyor, Nisan ayında 100 milyon yuanın üzerinde finansman sağladı ve birinci çeyrekte ByteDance, Wuji Power ve diğerleriyle milyarlarca yuanlık siparişler imzaladı.

Yi Ren Teknolojisi, Nisan ayında iki ardışık milyarlık sermaye artırımı tamamladı ve 2025 yılında gelirlerinin milyarları aşacağını ve kâr elde edeceğini duyurdu; bu, sektörde kâr elde ettiğini ilan eden ilk şirket olabilir.

Ayrıca geçen yıl Aralık'ta kurulan Zhiyu Jishu, veri temizleme, hizalama ve yönetimiyle orta aşamadaki dönüşümü yapmaktadır; Lingchu Intelligence, Qiongche, Zhi Square gibi tümüyle Ontology şirketleri bu "üst akış" firmasına yatırım yapmıştır.

Kamuoyunda yer alan oyuncular da girdi, veri hizmetleri lideri Haitian Ruisheng, Pekin Shijingshan İnsansı Robot Veri Eğitim Merkezi ile “vücutlu akıl veri eğitim sahası” kurdu.

Büyük şirketler de dahil olmak üzere, JD.com, vücutlu veri tam zincir altyapısını yayınladı ve 600.000 kurye ve sürüşçüyü toplu veri toplama için harekete geçirmeyi planlıyor; hedefi iki yıl içinde 10 milyon saat gerçek senaryo videosu biriktirmek. Baidu ise “veri süpermarketi” yapıyor.

2026, bedenli verinin ölçeklendirildiği yıl olacak; verilere göre, 2026 yılının Nisan ayı sonuna kadar "kullanımda veya inşa ediliyor/planlanıyor" durumunda olan veri toplama merkezleri en az 90 adettir; bunların 64'ü zaten kullanımda, kalanlar ise inşa ediliyor veya planlanıyor durumundadır.

Ancak rüzgar ne kadar güçlü olursa olsun, biraz soğuk su dökülmesi gerekir.

Vücutsal veri işi, talep ve arz tarafının aynı sermayenin parasını harcadığı yapısal bir soruna sahiptir.

Alıcı listesine bakıldığında anlaşılıyor—büyük modeller ekibi, başlangıç robot şirketleri, dönüşüm aşamasındaki varlık üreticileri; bu verilerin satın alanları çoğu halen kâr elde etmemiş durumda ve satın alma bütçeleri yeni gelen sermaye yatırımlarından geliyor.

Yani, veri şirketlerinin geliri, temelde alt zincir finansmanının ikinci dağılımıdır: Vücutlu akıllı robot şirketleri para toplar, ardından veri satın alarak hikâye anlatır, hikâye iyi anlatılırsa bir sonraki turda daha fazla para toplar.

Robot vücut şirketinin uygulaması beklentileri karşılamazsa, veri siparişleri ve finansman gerilemesi aynı anda kaybolur. Bu, aşağı akış talebine bağımlı olan birlikte yükselen ve birlikte düşen bir ortaklık ilişkisidir.

Sadece robot şirketleri gerçekten sürdürülebilir kar elde edebildiğinde, bu iş daha sağlam ve uygulanabilir hale gelir.

Sektördeki bir uzlaşmaya göre, uzun vadeli olarak hayatta kalabilecek vücutlu veri şirketleri büyük olasılıkla iki kategoriye ayrılacaktır: biri, simülasyon, veri işleme ve değerlendirme gibi ekosistem düzeyi araçları elinde bulunduran endüstri standardı platformları; diğeri, farklı üreticilerin verilerini birleştirip arındırma yeteneğine sahip olan ve robotlar gerçek senaryolara girdikten sonra kaliteli, uzun kuyruklu verileri sürekli olarak sağlayabilen şirketler.

Bu yazı, WeChat hesabından "IT桔子" (ID: itjuzi521) tarafından yazılmıştır, yazar: Wu Meimei