近百名玩家涌入具身數據：一年融資44.7億，誰能真靠賣數據賺錢？

林方舟 發自 凹非寺

量子位 | 公眾號 QbitAI

在湖南郴州，一家中國移動營業廳掛牌“具身數據采集5S店”，普通顧客領一套夾爪、手套和頭戴相機，經過簡單培訓，就能邊做家務，邊采集機器人訓練數據。

首期投放的1000套設備，滿產狀態下每年能采集100萬小時數據。我仿佛聽到了商家心里打的小算盤：既采了數據，又賺了眼球，4A廣告公司都應該來學學。（doge）

具身數采類似的“花活”還有不少：有的為了采數據免費上門保潔（歡迎來我家），有的把數采做成VR游戲，還有的把機器人接入互聯網，采集員不用跑到數采工廠，遠程就能“云操控”。

不過，以上案例看完笑一笑就好了，真要采到符合要求的數據其實并不簡單。之所以“花活”層出不窮，都是因為機器人實在是太缺數據了。

眼下大家都在牟足了勁采數據，但還少有人全面梳理過這個行業的圖譜。

量子位不完全統計了97家國內具身數據玩家的情況，其中70家做數據采集，27家做數據infra。

過去一年（2025年7月1日至2026年7月1日），15家「不做本體、不做模型、只做數據的獨立具身數據服務商」，共融資約44.7億元。

在資本對具身智能“猛猛上頭”的當下，這個數字其實并不算多。量子位此前統計，今年上半年，具身“大腦派”公司半年就融了223億元。

為了幫你看清具身數據行業，我們總結了以下十個行業現狀。

數據怎么采？

現狀1：數據采集技術路線分為四大類，跨路線采集賽道最擁擠

目前主流具身數據采集的技術路線可以分為四大類：

• 真機遙操：人類操控真實機器人執行任務，同步采集動作、狀態及傳感器數據。
• 無本體采集：人直接完成示范，通過動捕、夾爪映射、第一視角相機等設備采集動作，無需機器人參與。
• 仿真合成：在虛擬環境中批量生成機器人交互數據，用于模型訓練。
• 互聯網視頻蒸餾：從互聯網視頻中提取人類動作知識，轉化為具身模型可學習的數據。

量子位不完全統計的70家數采公司/平臺中，有30家同時走多條采集路線，占43%，例如：真機遙操+無本體、真機遙操+仿真、無本體+仿真、全路線等。

走跨路線采集方案的玩家，比單獨押注任何一條路線的玩家都要多。

行業常用數據金字塔來形容機器人訓練所需的數據結構。目前沒有任何一種數據采集方式能夠獨自滿足機器人的訓練需求。

△70家數采公司技術路線分布

現狀2：單獨押注真機遙操路線的玩家最多

依次分析每條技術路線。

單獨押注真機遙操路線的最多，有22家，占31%。

這22個玩家中，13家是國資數據平臺，7家是機器人公司（生產機器人硬件或開發具身大模型的公司），還有1家從AI數據標注行業轉型，1家從工業裝備制造領域跨界。

機器人公司有硬件優勢和真實需求，做真機遙操采集是自然而然的選擇。

而國資數據平臺的優勢則是“不怕重”。遙操是重資產路線，需要買本體、租場地、雇操作員，這些恰好都是國資平臺容易調動的資源。

單獨押注無本體采集路線的公司有15家，占21%。

這條賽道的公司最年輕，絕大多數都成立于2024年9月之后。

無本體采集路線的技術也最豐富，子類包括：Ego視角、UMI、動作捕捉、sEMG肌電、觸覺采集……

而單獨押注仿真合成的玩家有2家：松應科技和謀先飛（Motphys）。

仿真賽道曾經的知名玩家，如今都選擇把雞蛋放在多個籃子里。

比如，曾以仿真數據為核心的光輪智能，也開始采集人類數據；曾是最堅定的仿真派之一的銀河通用，今年6月發布了全身遙操作系統，擁有了遙操數據采集能力。

原因有兩方面：外部，真機數據和人類數據的供給快速增加，價格持續下降，仿真數據的規模和成本優勢被削薄；內部，sim2real gap仍沒有太好的解法，很難高保真還原真實世界中的摩擦、形變、力覺與觸覺反饋。

單獨押注互聯網視頻蒸餾路線的也只有1家：樞途科技。

這家公司從互聯網單目RGB視頻里提取多模態機器人訓練數據，宣稱能把綜合采集成本降到行業平均水平的千分之五。

玩家是誰？

現狀3：獨立數據服務商已成最大的玩家群體

如果不按技術路線，而是按身份分類，97名玩家可分為5類：

• 獨立數據服務商39家，占40%；
• 國資數據平臺25家，占26%；
• 機器人公司24家，占25%；
• 工業和IT跨界公司5家，占5%，例如來自物流、裝備制造、自動化工程等領域的公司；
• 大廠平臺型公司4家，占4%，例如華為、京東等。

可以看到，最大的玩家群體是獨立數據服務商。

這說明：具身數據已經成長為一條獨立賽道，不再是機器人公司的附屬部門。

△玩家分類

現狀4：三分之二玩家“具身原生”，三分之一玩家“跨界轉型”

再換一種分類方式，將所有具身數據行業玩家分為“具身原生”和“跨界轉型”兩類。

“具身原生”公司成立之初主業就是具身數據或具身智能相關業務；“跨界轉型”公司多從AI數據標注、自動駕駛、動作捕捉或工業領域轉型而來。

97名玩家中，65家“具身原生”，占67%；32家“跨界轉型”，占33%。

再拆開來看，數采公司和數據infra公司的構成完全相反。

70家數采公司里，57家“具身原生”，約占八成；27家數據infra公司里，19家“跨界轉型”，約占七成。

為什么infra吸引轉型公司，采集行業卻多是新玩家？

很多具身數據infra玩家是AI數據標注公司，例如海天瑞聲、數據堂、云測數據等。他們積累的管線、質檢和交付能力，很適合平移到具身數據infra環節。

而具身數據沒有現成數據，采集環節則要從零構建資產，老玩家沒有優勢，新公司反而容易輕裝上陣。

產能與布局

現狀5：全行業年產能160萬至180萬小時，短期目標擴大15到20倍

現有具身數據產能是多少？離市場需求還有多少差距？

量子位不完全統計，具身數據行業現有年產能為：160萬至180萬小時+7000萬至8000萬條。

行業的短期目標為：未來1-3年內，產出2500萬至3500萬小時+億條級數據。如果僅看小時數，短期目標是現有產能的15-20倍。

需要注意的是，由于各家機構披露口徑不同，小時數和條數目前沒有統一的換算標準，因此在這里并行列出。

這些數字只統計了真機遙操數據和無本體采集數據，剔除了仿真合成數據。產能通過公司/平臺已披露的數據保守估計而來，實際數字可能還會更多。

而機器人訓練數據的總需求量，目前仍然未知。但可以參考大語言模型的錨點：LLM可以吃掉整個互聯網現成的語料，機器人需要的數據卻只能一條一條采。有統計稱，截至今年初，全球高質量真實物理交互數據總量只有約50萬小時，不足LLM訓練數據量的兩萬分之一。

換個角度看，即便產能短期目標全部兌現，相比大語言模型的數據量，可能也只是剛夠到起跑線。產能與需求之間仍然存在巨大差距。

現狀6：全國六成省份建有數采工廠，目前長三角分布最多

這些數據都是在哪里采集的？

量子位不完全統計，全國的數采工廠已經鋪到20個省份，其中國資背景的數采工廠覆蓋16個省份。

數采工廠主要分布在長三角、京津冀和珠三角地區。其中，長三角以30座居首。

不少人力成本較低的三、四線城市也成為數采工廠的選址地，例如宿遷、自貢、郴州、運城、德清等。

分布模式和技術路線相關。遙操類數采工廠散布各省，輕資產的無本體路線公司則扎堆在一線城市。

不少城市正在打造數采重鎮的城市名片。

例如，無錫是全國首個提出城市全域數據采集概念的城市。它做的最重要的事是：鼓勵制造業、服務業企業開放產線、平臺，將真實場景作為數據采集廠，采集機器人最稀缺、也最實用的數據。

△全國數采工廠分布

錢往哪流？

現狀7：15家獨立具身數據服務商過去一年融資約44.7億元

再來看看最能說明問題的指標：錢。

由于機器人公司的數據業務無法從整體融資中剝離，我們圈出15家過去一年有融資記錄的“獨立具身數據服務商”，這些公司的融資情況在行業中很有代表性。

先解釋一下，“獨立具身數據服務商”的篩選標準有三條：不做通用機器人本體，不訓練具身模型，具身數據為核心業務。

量子位不完全統計，過去一年間（2025年7月1日至2026年7月1日），這15家“獨立具身數據服務商”共完成34起融資，合計約44.7億元人民幣。

融資的時間段高度集中。2026年4月至6月三個月內，融資事件數量占了四成多。這和今年上半年具身智能全行業的資本狂熱息息相關。

量子位曾統計，2026年上半年，具身智能全行業共融資約438億元。

具身數據賽道一年融的錢，只是具身智能全行業半年融資的零頭，說明起碼在眼下，這個賽道還并不夠“性感”。

現狀8：獨立具身數據服務商可劃分為3個梯隊，分化明顯

再往下深扒一層，具身數據行業內部發展并不平衡。

這15家“獨立具身數據服務商”可以劃分為三個梯隊：

第一梯隊光輪智能最突出。

這家公司過去一年完成6起融資，共融資31億元，約占總融資額的七成。

它還是唯一一家披露估值的“獨立具身數據服務商”。最新估值超20億美元，約合人民幣超135億元，是全球首個具身數據獨角獸。

第二梯隊有11家公司，例如簡智機器人、諾亦騰機器人、淵澈太初、覓蜂科技等。

第二梯隊的公司，過去一年累計融資在數千萬至數億元間，融資階段大多為Pre-A 輪及以前，只有幾家成立時間較早的AI數據標注轉型公司突破了A輪。

第三梯隊的公司有3家：樞途科技、智域基石、補天石科技。

他們過去一年的累計融資在數千萬元級別，融資輪次為天使輪，業務還處于早期驗證階段。

△獨立具身數據服務商梯隊表

現狀9： 69家投資機構出手，沒有一家重倉

從資本的角度看，過去一年，共有69家投資機構投過這15家“獨立具身數據服務商”。

出手最多的國方創投，投了3次；出手2次的有5家投資機構；剩下63家機構，都只投了1次。

對照具身模型融資熱時頭部機構搶占份額、連續加注的景象，眼下，具身數據賽道雖然方向有共識，但標的還沒有共識，沒有真正敢重倉的投資機構。

資本的謹慎有理由：相較于想象空間極大的具身“大腦”，具身數據是“勞動力密集型”的生意，價格會越卷越低，客戶需求量也有相對明確的預期，天花板就在那里。

但也有投資人告訴量子位，具身數據行業存在一定的延展想象空間：一方面，這是一個全球生意，國外的市場很大；另一方面，數據采集的能力還能遷移到模型評測等，成為物理AI的基礎設施。

△投資機構出手情況

現狀10：半數以上“獨立具身數據服務商”成立不到一年

總的來看，獨立的具身數據行業仍處于較早期的階段。

公司發展處于早期。半數以上近一年融到資的“獨立具身數據服務商”成立時間不足一年。

融資處在早期。15家“獨立具身數據服務商”中，13家公司的最新輪次在A輪及以前。

商業模式處在早期。沒有一家公司披露過利潤。僅弈人科技一家自稱盈利，但也沒公開利潤的具體數字。

最后，把以上十個現狀總結成三句話：

第一句，具身數據行業已經成長為一條獨立賽道，吸引大量玩家涌入，并且正在成為AI領域新增就業崗位的蓄水池、地方經濟活力的新引擎。

第二句，這條賽道仍然處于早期階段，許多問題還沒解決，許多共識還沒形成，許多變量還沒收斂。

第三句，資本的態度最誠實。鮮有公司驗證過：“純賣數據”是一門賺錢的生意。VC還在撒網階段，沒人能看清哪條魚最大。

接下來的一兩年，大概率就是這門生意的驗證窗口。產能會不會兌現，價格會卷到哪里，誰先把利潤表拿出來，決定了具身數據商能否真正成為賺錢的“賣鏟人”。