具身智能赛道的隐形门槛：数据基础设施成为投资人新焦点
2026/07/17 12:43阅读量 2
具身智能领域竞争从硬件转向数据，高质量数据成为模型能力提升的关键瓶颈。多家数据基础设施公司获得大额融资，如XDOF获7000万美元、Encord完成6000万美元C轮等。行业共识是1万小时干净数据效果可超100万小时未清洗数据，数据采集方式包括真机遥操、无本体采集、仿真合成和互联网视频蒸馏。景烁科技等第三方服务商通过数据-模型飞轮构建护城河，产业分工尚未成熟，标准制定权待争夺。
事件概述
具身智能（Embodied AI）热度持续攀升，但投资人的关注点正从硬件形态和模型框架转向数据基础设施。多家专注机器人数据采集与模型训练的公司近期获得大额融资：XDOF融资7000万美元（Thrive Capital和a16z领投）、Encord完成6000万美元C轮（Wellington Management领投，累计1.1亿美元）、Mecka AI分两笔获得6000万美元（Framework Ventures领投）。这些事件表明，行业认识到当硬件和算法趋同时，谁能率先让模型学会实际任务，谁就掌握入口。
核心信息
- 数据是物理AI的地基：机器人要解锁一个场景，就需要该场景的真实操作数据（手的位置、力的大小、成功/失败判定等），而非文本或图片语料。
- 数据采集四种主流方式：
- 真机遥操：人类操控真实机器人执行任务并记录。
- 无本体采集：人直接示范，通过动捕、夹爪映射、第一视角相机等采集。
- 仿真合成：在虚拟环境中批量生成交互数据。
- 互联网视频蒸馏：从视频中提取人类动作知识。
- 高质量数据定义：据华兴资本周鲁鸿称，1万小时干净、有效、任务链路完整的数据对模型能力提升可能超过100万小时未经清洗的原始数据。垂直场景（物流、零售、工业、仓储）的真实数据比标准化数据更有效，但模型需要跨场景泛化，因此需要多样性和规模化生产。
- 数据与模型基础设施提供商景烁科技：核心团队源自文远智行自动驾驶数据001号团队，迁移三维空间、物体交互、力学建模能力。其产品体系包括：
- WorldEngine（数据与模型一体化平台，负责数据治理、质检、闭环验证）
- GENESIS-Robotics（自研生成式统一世界模型，基于真实数据进化并输出合成数据）
- SkillForge（数据资产引擎，沉淀标准化技能包交付客户）
三者形成飞轮：真实数据校准模型 → 模型生成合成数据扩展边界 → 平台闭环验证 → 技能资产增厚。
- 产业格局：三类玩家——本体厂商（自用为主）、模型公司自建数据团队（满足定制化和保密性）、独立第三方基础设施服务商（中立性、规模效应、复用优势）。第三方公司的能力禀赋在于规模化交付、标准化运营和质量控制，与模型公司的算法能力形成互补。客户选择第三方可跳过数年的基建期。
- 行业尚未成熟：具身数据标准仍在探索，未形成统一共识。率先用产品和落地效果定义标准的企业有望占据产业链上游。
值得关注
数据基础设施在具身智能中的角色类似移动互联网早期的云计算，目前争夺刚刚开始。谁能在数据-模型闭环上跑通完整体系，谁就拿到下一张船票。