简智机器人完成1亿美元A+轮融资：上汽、百度、银河通用等参投

《科创板日报》3日讯，简智新创（北京）机器人科技有限公司（下称“简智机器人”）近日披露，今年第三季度已完成1亿美元A+轮融资。参投方包括上汽集团、马来西亚Eastworlds、百度集团、首程控股、银河通用机器人、光合创投、SUNHELM、中信金石投资、中证投、建银国际和华泰紫金。

这是简智机器人今年连续融资的最新一步。6月，公司曾宣布完成连续多轮、合计数亿元融资，蚂蚁集团、滴滴、德联资本分别领投各轮，顺为资本、BV百度风投、九识智能等老股东持续跟投。到了8月，公司又宣布完成由Momenta领投的A轮融资，具体金额未披露。

财联社创投通—执中数据显示，以2026年11月为预测基准时间，简智新创（北京）机器人科技有限公司未来2年的融资预测概率为79.98%。不过该数据只是模型估算，并不代表实际融资结果。

简智机器人2025年成立，总部设在北京，主要为具身智能和世界模型开发企业提供训练数据、采集设备及评测服务。它的切入方式，是把人在家庭、商超、工厂等真实场景里的操作行为，转成模型可以学习的数据。

创始人兼CEO陈建兴此前担任Momenta算法高级总监，负责数据飞轮量产技术路线规划；联合创始人朱雁鸣则在自动驾驶量产研发上有多年的经验。公司的硬件团队有来自大疆、华为的成员，软件团队覆盖自动驾驶算法及多模态大模型等方向。

这支团队把自动驾驶领域的数据工程经验搬到了机器人行业。自动驾驶可以靠量产车辆持续回收道路数据，机器人要学拿取、整理、装配等操作，就得记录不同场景中的视觉、动作及接触信息。围绕这些需求，简智的产品从采集硬件一直延伸到数据处理和交付。

目前公司产品分为三部分：Gen DAS采集人的视角、手部动作等信息；Gen Matrix负责数据清洗、不同设备信息的同步及标注；Gen ADP组织大规模众包采集和数据生产。其自研数据基础模型主要用来处理和重建采集信息，帮客户把原始记录转化为训练素材。

简智的商业模式是按客户场景分别给方案。朱雁鸣此前对雷峰网表示，模型企业若面向家庭等生活场景，公司可以直接用众包采集的方式，把处理好的数据交到企业手上；至于工厂产线、封闭实验室这类企业自有场景，则改为提供硬件设备和本地部署方案，数据采集与生产由客户在内部自己完成。

走众包这条路时，采集者从应用程序接任务，戴上设备做完日常操作，再把记录传上来，公司随后加工处理，并按回收情况跟采集者结算。这样一来，简智的经营就同时压在设备投入、采集组织和数据处理三件事上，交付效率高低，取决于这几个环节能不能配合顺畅。

对外公开的合作里，简智已经和蚂蚁灵波在具身模型上做数据协同。按双方此前披露的说法，两家要一起研发物理数据的生产方式，合作范围则围绕蚂蚁灵波的具身智能模型矩阵铺开。

简智在这次披露中提到，公司合作的国内外人工智能企业已超过30家，单季度有效数据交付量到了百万小时级。公司还提出，要在2027年做到单季度交付千万小时。不过，这次披露没有列出数据类型构成、付费客户数量，也没有给出对应的收入规模。

产品的迭代方向同样跟着客户的数据需求走。公司预告将推出DAS 2.0旗下的Ego 2.0与Dex 2.0，把身体动作、手部操作和触觉等信息的采集范围扩大，并同时支持人类直接操作采集与机器人遥操作两种模式。

另外，简智已开放10Kh-RealOmin-OpenData、Gen-HumanEgo等数据集，向开发者提供真实操作及第一人称行为数据。这类开源产品让开发者能先行测试数据格式、覆盖任务及训练适配效果，也为商业数据产品提供了展示渠道。

围绕机器人训练数据的融资，已经出现不同背景的参与者：既有从人工智能数据服务延伸而来的企业，也有机器人公司参股的数据平台，还有拥有零售、物流场景的互联网企业。

博登智能今年6月宣布，合计数亿元的A+轮及A++轮融资已经完成，出资方有鼎晖百孚、清新资本、鲁信创投和深产投。这家公司最早做的是人工智能数据处理，采集、标注、处理及合成都在服务范围内，其竞争基础则落在数据生产组织和处理平台上。

到了8月，觅蜂科技宣布完成数亿元融资，中国电信领投，张江集团跟投，红杉中国、元启创新等老股东也追加了投资。智元创新是它的最大股东。觅蜂打算把这笔钱投向数据平台建设、MEgo无本体采集产品量产，以及数据治理和闭环评测能力的扩充，同时借助中国电信的网络、云存储和场景资源往外拓展业务。

京东同样已推出具身智能数据基础设施，采集设备、数据处理服务和数据交易平台都在其中，向机器人企业、模型开发机构等开放。京东手里的零售、仓储和物流业务，正好给采集真实作业数据提供了场景底子。

这些布局说明，数据公司的竞争已经延伸到采集、加工、评测和交付好几个环节。对简智而言，众包网络能帮忙把场景覆盖铺得更开，本地部署方案则对应那些没法开放内部作业数据的客户；这两类业务都得拿出证据，证明交付的数据跟得上客户不断变化的模型训练要求。

接下来能看的是：百万小时级的交付能不能换来持续采购，公司在把采集规模做大的同时能不能压住加工成本，以及设备和数据两块业务各自会长出什么样的收入结构。同行在扩产、场景平台也进场之后，客户复购情况和每单位有效数据的交付成本，会比单纯攒采集时长更能说明商业化质量。