具身数据赛道十天三笔融资：不造机器人的公司先赚到钱

机器人要在真实场景里把活干好，上游的数据基础设施生意跟着热了起来。要说具身智能行业有年度热搜榜，具身数据大概能挤进前列。模型得适应物理空间，机器人得变聪明，高质量数据就成了又稀缺又贵的养料，行业关注度自然不低。

据 IT 桔子统计，2026 年上半年，25 家中国具身智能数据创业公司合计拿到超过 170 亿元融资。到了下半年，资本市场对具身智能的狂热有所降温，数据基础设施公司拿到的融资成绩依然不错。

具身数据赛道最近又传出新的融资消息。10 月 24 日，Maxinsights 宣布完成 3000 万美元种子轮；10 月 29 日，文远知行旗下子公司景烁科技披露首次融资进展，完成数千万美元 Pre-A 轮融资。

11 月 2 日，同赛道的简智机器人又披露了 1 亿美元的 A+ 轮融资。十天里，同一赛道三笔融资打给了三位不同的玩家，资本开始认可具身数据基础设施的独立商业价值。

资本市场渐冷，具身数据基础设施为什么还能拿到融资？

2026 年下半年以来，具身智能一级市场的温差变得明显。IPO 监管收紧，投资也跟着谨慎，只有技术故事的公司越来越难融到钱。

氛围逐渐冷静，那些没做整机、也不做具身大脑的数据基础设施公司，为什么还有新钱涌入？

这得从需求端和供给端分开看：需求端出现了刚性的数据缺口，供给端则出现了能接住这类需求的专业团队。

先看需求端，数据已经从内部成本项变成了有明确买家的采购项。机器人硬件和模型不断往前走，行业瓶颈渐渐从「造得出机器人」挪到「训得好机器人」。训练要的真实交互数据，互联网上抓不到，也很难全靠仿真替代。真实场景数据成了刚需，数据采集也就不再只是研发部门的配套工作，开始形成独立的采购链条。

数据因此成了产业链里少有的确定性需求——不管哪家本体胜出、哪个模型架构跑通，都得持续消费数据。何况数据有小时数这类可量化的交付口径，短期内就能形成确认收入。造整机要看量产节奏，模型架构还没收敛，资本自然更愿意把钱投向需求更明确、回报周期更短的数据基础设施。

再看供给端，最近被资本看中的三支队伍，核心班底都自带自动驾驶基因，这让他们有能力把数据需求做成标准化服务。

简智机器人创始人陈建兴曾任 Momenta 算法高级总监，牵头过数据飞轮的量产路线规划。

景烁科技的核心团队直接出自文远知行的物理 AI 研发体系，CEO 霍达是文远知行 001 号员工，长期负责自动驾驶平台与数据基础设施建设。

Maxinsights 联合创始人兼 CTO 汪堃是 Waymo 早期仿真系统工程师，后来联合创办轻舟智航。

自动驾驶行业完整经历过从「拼算法」到「拼算力」再到「拼数据」的三轮淘汰赛。把这套沉淀下来的方法论和经验搬到具身智能上，等于把起跑线往前挪了一截。资本愿意为已经交过学费的经验付费。

不过，自动驾驶背景只能证明团队有供给能力，并不是资本下注的根本原因，根本原因还是需求端已经出现了真实的采购需求。从数据采集到技能沉淀，三家公司选择了三种商业模式。

采集、处理、交付，具身数据生产大致可以拆成这三段。最近拿到融资的三个玩家，都在把整条数据生产链打通，差别主要落在产品怎么部署上。

景烁科技走的是从采集延伸到数据、模型、技能资产协同的路子。它要的不只是把数据采回来、交出去，更想把真实世界里的操作经验变成可训练、可复用的机器人技能包。前端第一视角采集设备 EGOK 管采集，记录人类第一视角的操作数据，规模化数采则把真实场景的覆盖面铺开。中间由 WorldEngine 平台把数据治理和模型训练接起来，自研世界模型 GENESIS-Robotics 进一步去理解、建模物理世界。

再往上，SkillForge 承担资产沉淀与交付，把数据整理成能直接交付的标准化机器人技能包。

简智机器人盯的是多模态采集和数据生产管线，从数据一路打到机器人评测。

Gen DAS 是一套多模态数据采集设备，头戴设备、灵巧手套、触觉传感器一起上，记录人的观察和操作。DFM（数据基础设施）负责多模态信息的对齐、重建和标注，再配合真实机器人集群评测，把原始数据变成机器能学的技能数据。Gen ADP 则是数据产线，组织采集人员进家庭、进工厂，把日常操作变成规模化数据。

Maxinsights 的办法是用全球采集网络换高信息密度数据。采集场所和大型数据中心它自己并不持有，但要管一张横跨 8 个国家的数采网络。3500 多名采集人员戴着头部设备，记录家庭、餐饮、酒店等场景里的第一视角操作，手部追踪、动作识别和数据结构化交给自研模型完成。真实生活和工作中的人类操作原本是分散的，为了把它们变成能打包出售的真实数据资产，Maxinsights 对采集和管理方式做了升级。

MaxGlove 传感手套能记下视频难以捕捉的握持力度、接触状态等触觉与力学信息；MaxLoop 是质量控制系统，数据上传时就打分，识别画面、动作和任务完成情况。前者让已有数据的处理效率更高，后者补上机器人学习物理交互的能力。

产品体系决定公司能提供什么服务，但一家数据基础设施公司能走多远，还要看行业积累够不够、客户池够不够可靠。三家公司的积累正好照出各自不同的产业底色，商业化布局也随之不同。

景烁科技手里最受关注的牌，是一套成熟商业化智驾平台的内生拆分。它是文远知行的全资子公司，接过来的是一套已经跑通商业验证的业务积累。八年规模化运营 Robotaxi 攒下的东西，让它有机会把海量数据处理、场景标注、工程交付这些经验搬到新的 AI 场景里去。

眼下，景烁科技已经和 100 多家客户及生态伙伴建立合作。

简智机器人的长处，是把智驾数据飞轮那套方法论抽出来，再按具身交互的多模态短板重新改造。创始团队出自 Momenta，参与过自动驾驶数据闭环建设。这套思路如今挪到了具身智能上，不过团队也清楚两个领域并不一样。

和智能驾驶相比，机器人学习需要补上智驾体系里缺的多模态采集、触觉与手部信号对齐能力。多模态数据经过处理进入模型训练，机器人评测再反过来发现新的数据需求。

简智机器人已披露与 30 多家国内外 AI 企业合作，上汽、百度、银河通用等产业资本也参与其中。这些合作和投资，说明市场在关注它的采集硬件和数据生产能力。

Maxinsights 的优势更直接，体现在与头部模型客户的合作里。它是 Dyna Robotics Dyna-2 世界动作模型的核心数据供给方，也为 Genesis AI 的 GENE-26.5 模型提供了 20 万小时第一视角数据，是该模型最主要的数据源。

能进入头部模型的训练链条，意味着它的数据在质量、任务适配性和训练价值上都经过了客户检验。

三家公司做这门生意，各自踩的支点并不一样。景烁科技靠的是成熟的 AI 基础设施，再借跨行业客户把服务边界往外推；简智机器人拿采集设备和数据产线，接住企业从数据供给到评测的研发闭环；Maxinsights 则用真实场景数据供给，挤进了头部模型团队的训练链条。

入口不同，三家都切进了同一门生意。可数据能不能继续沉淀成机器人可迁移、可复用的技能，才是这门生意最终能走多远的变量。

数据基础设施要怎么做出长期价值？

具身智能落地缺数据，但这不等于把采集规模铺大，就能攒出长期优势。

数据量大，不代表数据有价值。机器人要学的是人和物体、和环境之间的复杂交互——拿起不同材质的物品、应对物体滑动、在狭窄空间里调整姿态，甚至处理任务做到一半冒出的突发情况。

这些学习任务，靠单一类型的数据集喂不出来，光走量也很难让机器人把这些信息完整学会。

数据基础设施的长期竞争力，可以拆成三层来看。

第一层是数据供给能力，得能持续拿到稀缺的真实场景数据。

第一视角视频、手部与全身运动、空间信息、触觉和力觉，再加上机器人在真实环境中的执行反馈，各自对应着不同的学习需求。

可数据类型一多，并不自动就成了竞争壁垒。采集设备能迭代，数据集也可能被别的供应商替掉。

第二层是数据生产能力，也就是把原始数据加工成模型真正要用的数据。这一步比数据采集更接近护城河。

生产能力同样是躲开同质化竞争的关键。只堆采集素材，最后很容易在采集和标注环节打价格战。

往上吃透任务、往下理解训练链路，两头都做到，才能形成有辨识度的数据生产系统。

第三层是数据复用能力：跨模型、跨本体、跨场景持续交付。第三方数据公司和本体厂商之间的边界，就由这一层决定。

头部机器人企业陆续开始自建或投资数据团队，数据基础设施公司也得把和本体厂商的边界划清楚。智元孵化并独立运营觅蜂科技，就是本体厂商主动往上游数据环节伸手的一个例子。

不过这不代表第三方数据服务商就没空间了。对非头部玩家来说，单家企业很难把所有任务类型、采集地区和数据模态都覆盖住。不同本体、不同模型，照样需要大量跨场景的数据。

第三方具身数据基础设施的机会，恰恰在这里。以景烁科技为例，把数据平台和模型能力合在一起、不绑定单一本体的服务定位，就有机会面向不同模型与机器人企业提供通用的数据资产。

当然，这种跨本体的服务模式，壁垒最后还是要靠客户结构、数据标准和实际合作关系来验证。

这门生意才刚起步。数据的质量口径还没统一，采集成本与交付价格仍在博弈，客户愿不愿意付费、复购能挖多深，都还有待验证。

眼下的融资能让公司跑起来，却决定不了谁能留下来。真正决定终局的，是数据公司能不能在数据规模之外，拿得出别人难以替代的资产、处理能力和服务。

现在，具身智能产业链已经开始出现专业化分工。

等到数据能够被标准化地采购、加工和复用，具身数据基础设施才算真正立起独立的商业价值，也才有资格谈定价权。