七月底，LiberAI 完成 Pre-A+ 輪融資，金額數億元，投資方包括 360 集團、國開金融、創新工場、CMC 資本、彬復資本、紅杉中國。
這家公司實際上於2025年12月8日成立，名為「將閒科技」，取名含義是「想閒下來是第一生產力」；註冊資本146萬元，團隊不到30人。
而 IT 桔子發現，這已是其成立以來的第五輪融資；過去的半年多裡，它緊鑼密鼓地融資，節奏非常快，從種子輪、天使輪、天使+輪到 Pre-A 輪，一氣呵成完成了四輪。據報導，最新估值達 50 億元。
創始人劉松銘是00後，清華大學計算機系特等獎學金得主、專業第一，師從朱軍教授，23歲博士畢業後便創業。他此前主導的RDT-1B是首個專為雙臂機器人操作設計的大規模擴散Transformer基礎模型，參數量達12億。
LiberAI 聚焦於人類 UMI 數據 + 世界模型——簡單來說，它銷售的是提供給機器人的數據，以及處理數據的「大腦」。
根據IT桔子統計，2026年上半年，25家中國具身智能數據創業公司合計獲得超過170億元融資，可以說「數據」成為具身賽道裡最確定的一門生意。（不含個別同時從事具身數據模型與機器人本體的公司，如星海圖、千尋智能）
要獲取具身數據賽道的全部公司及其融資數據，可於 IT 桔子專輯頁查看及下載數據。https://www.itjuzi.com/album/766（目前收錄 42 家）
Among them, Guanglun Intelligence not only secured substantial external funding but also secured orders worth RMB 550 million in Q1.
當淘金者還未挖到金子時，賣鏟子的人已率先賺到錢。
一、未解難題：機器人行業的數據荒漠
大語言模型為何能爆發？因為互聯網上有取之不盡的語料。
但訓練機器人靠的不是文字語言，而是拿、放、走、抓、擰、顛勺這類三維物理動作數據——這類數據在互聯網上幾乎不存在。
在整個行業中，具身數據的匱乏都是一個很大的瓶頸。
Grand View Research 預計，全球數據採集與標註市場於 2030 年將達 171 億美元。
目前行業公認的具身數據呈现金字塔結構：塔尖是真機數據，質量可靠、可直接部署，但價格也最貴；中層是模擬合成數據 + UMI 數據，成本適中、可無限量產，但存在 Sim-to-Real 鴻溝（摩擦/形變近似偏差）；塔底是互聯網視頻和人類行為數據，來源最廣，但缺乏交互細節、信息稀疏。
而每一層都有一批公司專注於此——這是理解當下具身數據創業潮的一個坐標系。
二、五大流派，三十多家公司全景
流派一：真機遙操／觸覺派——把數據當成流水線來做
這個流派奉行最樸素的邏輯：建廠房、擺機器人、鋪動捕設備，流水線量產高精度數據。
最激進的是帕西尼感知。
公司觸覺感測器出貨量位居全球第一，2025年帕西尼於天津建成全球最大的具身數據採集工廠 Super EID Factory，年產 2 億條數據；在 3 月完成超 10 億元 B 輪融資、估值突破百億後，又宣布在宿遷、武漢、自貢、贛州再建四座超級數據工廠。
Motion capture veteran is another branch of this line.
諾亦騰機器人的創始人戴若犁曾將諾亦騰科技打造成全球專業動捕市場70%的份額，之後創辦新公司諾亦騰機器人，於6月完成數億元Pre-A++輪融資，估值約30億元，北京、上海AI產業基金、深创投、中金、昆侖資本集體進場，並發布了ModalityNet全模態數據平台。
青瞳視覺走開源換生態的路子，5月發布全球最大規模的1000小時人類高精度光學動捕開源數據集，預計年產50萬小時，宇樹科技的春晚機器人武術首秀《武BOT》的武術數據採集就出自其Project Decode系統。
靈生科技等觸覺新秀也在卡位。
流派二：模擬合成派——在虛擬世界中「印」數據
如果真實數據太貴，能不能在電腦裡造一個物理足夠真實的虛擬世界，批量「印刷」訓練數據？
This route produced the world's first embodied data unicorn: Lightwheel Intelligence.
今年3月完成10億元A++輪融資，5月再獲螞蟻集團領投，6月再融了10億元，投後估值超20億美元（約合150億元人民幣）。
Lightwheel Intelligence's revenue increased tenfold in 2025, with new orders totaling RMB 550 million in Q1 2026—exceeding last year's full-year total.
跨維智能是「生成式仿真」的代表：自研的 DexVerse 仿真引擎在虛擬世界中自動生成海量場景數據；今年 7 月宣佈融資 10 億元，估值超過百億並啟動 IPO，上半年營收 1 億元，已有多於 1500 套模型完成商業化交付。
在上市公司中，今年4月於港股上市的「全球空間智能第一股」群核科技，正將其在3D雲設計中累積的海量三維場景數據延伸至具身智能。
仿真平台松應科技於2月及7月完成Pre-A及Pre-A+輪融資，累計數億元，並與國家地方共建人形機器人創新中心共同構建合成數據集。
流派三：UMI 無本體／便攜採集派——繞開本體，“複刻”人
遙控機器人採集數據有一個缺陷——採集到的並非人類的真實能力，而是為讓機器人跟上而妥協後的動作。因此，這一派別乾脆繞過本體，讓人戴上手套、夾爪和穿戴設備直接工作。
This is the route with the highest capital density this year.
6月1日，簡智機器人官宣完成數億元連續多輪融資，由螞蟻集團、滴滴、德聯資本領投，順為、BV百度風投跟投——這是無本體數據領域迄今最大規模的融資。
創辦人陳建興曾任 Momenta 算法高級總監，公司成立一年以來，已覆蓋上萬個真實場景，並與螞蟻靈波達成戰略合作。
石智航提出以人為本的數據採集範式，推出 SenseHub 穿戴式採集方案；4 月完成 4.55 億美元 Pre-A 輪融資，創下中國具身智能最大單筆融資紀錄，由高瓴、紅杉、美團聯合領投，並已發起目標 1 億小時的「具身數據星火計劃」。
Tsinghua-affiliated Lu Ming Robotics' FastUMI system has increased data collection efficiency by three times and reduced costs to one-fifth, securing continuous lead investment from Mitsubishi Electric and landing orders from top-tier clients.
智元機器人在今年2月將數據業務分拆為獨立公司覓蜂科技，僅十天即完成數億元種子輪與天使輪融資，由紅杉中國領投，計劃於2026年實現千萬小時級數據產能。
更年輕的一茬也在冒頭：孵化自清華計算機系的星憶科技對標英偉達 EgoScale 路徑，做高自由度、毫米級精度的第一視角穿戴採集，已完成首輪融資並於 7 月再獲 Pre-A 輪；北大教授盧宗青的智在無界直接用互聯網視頻預訓練通用動作模型。
非夕孵化的穹徹智能憑藉「生產伴隨式」數採系統 CoMiner 獲得近百套訂單，6 月再獲數億元融資，即將發布自研世界模型。
另一家新創公司淵澈太初（OriginFlow）採用 NeuroScale 范式，透過自研肌電採集套件捕捉人體肌肉收縮的電信號，並經 PULSE 基礎模型編碼重構手部姿態／發力／觸覺回饋；對接「意圖—肌肉—動作」原生傳導鏈路，彌補 UMI 視覺遮擋失效與力觸覺缺失的局限。
成立一年，公司已完成天使輪、戰略輪及Pre-A1輪融資，累計超過5億元人民幣。創始人秦深濤為00後清華大學博士、哈爾濱工業大學本科畢業。
流派四：視頻蒸餾／世界模型派——教 AI「看懂」物理世界
這條路線解決的是數據金字塔最底層的「變廢為寶」問題：互聯網上有取之不盡的人類操作影片——烹飪、手工、維修，但這些影片缺乏機器人所需的力覺、觸覺和三維軌跡資訊，一直是「看得見卻用不上」的死數據。
視頻蒸餾派的思路是使用算法從二維視頻中反推動作軌跡和物理交互資訊，將死數據「蒸餾」為可訓練的具身數據，成本可壓低至實機採集的千分之幾。
世界模型派更直接，先讓 AI 學會物理世界的運行規律，再在「腦內」生成無限多的訓練數據。
Shu Tu Technology's SynaData pipeline can batch extract multimodal embodied data such as hand trajectories and object motion paths from internet videos, with extremely low data collection costs. It has secured tens of millions in funding led by Oriental Fortune Capital, and its data is adopted by mainstream open-source models such as Tsinghua RDT and Zhìyuán UniVLA.
极佳视界使用世界模型 GigaWorld 生成訓練數據，使 VLA 模型在三大泛化維度上的性能提升近 300%，6 月完成 10 億元 B+ 輪融資，3 個月內累計融資 35 億元。
深度機智也押注人類第一視角視頻數據，今年上半年融資三輪、數億元+，5月份，深度機智 Z-WM 世界模型在 WorldArena 評測中登頂全球榜首。
文章開頭所提到的 LiberAI，也是這條路線與世界模型賽道的混血。
第五派：數據基礎設施／平台派——既是數據平台，也是「煉油廠」
這一派的認知是：具身數據的瓶頸不僅在於「怎麼採」，還在於「怎麼用」這個環節。
各機器人本體不同、感測器不同、資料格式五花八門，採回的原始資料就像成分混雜的原油，直接輸入模型只會越訓練越差——誰來負責清洗、對齊、標註與評測，將原油煉成標準汽油？
更何況訓練場、採集設備、動捕系統都是重資產，中小團隊根本玩不起。因此，需要建設共享訓練場、制定數據標準、銷售工具鏈和平台服務。它不賭哪條數據技術路線會贏，而是賭無論誰贏，都得從自己修的這條路上過。
無問智科依托虛實融合閉環的德清數據採集訓練場，日產數據上千小時，4 月完成超億元融資，一季度簽下字節跳動、無界動力等數億元訂單。
Yi Ren Technology completed two rounds of hundred-million-yuan financing consecutively in April, and announced that it will achieve revenue exceeding one hundred million yuan and profitability in 2025, potentially becoming the first company in the sector to announce profitability.
此外，去年12月成立的智域基石專注於數據清洗、對齊與治理的中游轉化，靈初智能、穹徹、智平方等一眾本體公司均投資了這家「上游」企業。
上市公司玩家也進場了，數據服務龍頭海天瑞聲攜手北京石景山人形機器人數據訓練中心共建「具身智能數據訓練場」。
大型企業也紛紛入場，京東發布了具身數據全鏈路基礎設施，計劃動員60萬快遞員與外賣騎手進行眾包數據採集，目標在兩年內累積1000萬小時的真實場景視頻；百度則打造了「數據超市」。
三、冷靜一下：數據需求端是剛性的嗎？
2026 年將成為具身數據規模化元年，根據數據統計，截至 2026 年 4 月底，處於「使用或規劃建設」狀態的數採中心至少有 90 個；其中已投入使用的有 64 個，其餘為在建／規劃中。
但風口越熱，越要潑點冷水。
具身數據這門生意，有一個不太被點破的結構性問題：它的需求端和供給端，燒的是同一批資本的錢。
看看買家名單就明白了——大模型團隊、初創機器人公司、正在轉型的本體廠商，這些數據的採購方，絕大多數自己都還未盈利，採購預算來自剛剛到賬的融資款。
換句話說，數據公司的營收本質上是下游融資的二次分配：具身智能機器人公司融到錢後，轉頭購買數據來講故事，故事講得好，再進行下一轮融資。
如果機器人本體公司的落地不及預期，數據訂單和融資將同步退潮。這是一榮俱榮、一損俱損的共生關係，依賴於下游的市場需求。
只有當機器人公司真正能夠持續盈利，這門生意才更加牢靠，也跑得通了。
業內的一個共識判斷是，長期能活下來的具身數據公司大概率只有兩類：一類成為行業標準平台，掌握仿真、數據處理、評測這些生態級工具；另一類具備跨廠商的數據融合與提純能力，能在機器人進入真實場景後持續供應高質量、長尾的數據。
本文來自微信公眾號 “IT桔子”（ID：itjuzi521），作者：吳梅梅