具身智能融資超300億，數據“賣水”生意先賺錢了

"百億規模的生意誰在布局？"

作者 | 簡安

編輯 | 盧旭成

中國的具身智能行業有多火？據不完全統計，開年至今總融資額已超300億元，估值超100億元的具身智能公司超20家。4月16日，它石智能宣布完成4.55億美元融資，成為這輪具身智能融資狂潮的最新案例。

這超300億融資中的大部分并沒有流向機器人本體制造。貝殼財經曾報道，年內超過半數投資都涌向“具身大腦”和“靈巧手”這兩個方向——一個決定機器人的智商，一個決定機器人的動手能力。

數據卡住了具身智能的脖子

目前，機器人最大的問題不是腿腳不好，而是腦子不夠聰明。也就是說，單純的機器人硬件制造已不是壁壘，如何獲取、處理和利用大規模、多模態的真實世界數據，成為決定具身智能模型能力上限和產業發展速度的關鍵。

目前來看，市場上絕大多數機器人還停留在模仿階段，只能完成單一的標準化任務。比如一臺機器人可能會疊衣服，但不一定會疊被子，它需要一個動作一個動作地學，做不到像人那樣舉一反三。

這種單點模仿的能力和通用智能相差甚遠。造成這種困境的根本原因就在于：沒有足夠多高質量的物理交互數據。要打破這個瓶頸，唯一的路徑就是用海量的數據喂養模型，讓機器人在無數次的交互中學會泛化能力。這個邏輯和大語言模型的進化路徑一致，只是兩者需要的數據天差地別：大語言模型之所以聰明，是因為它消化了互聯網幾十年積累的海量文本數據，而機器人要變聰明，則需要真實物理世界中包括視覺、觸覺、運動軌跡、空間位置等多維度的龐雜數據去喂養。

與自動駕駛面對的高標準場景如全國統一的交通規則、高度標準化的操控邏輯，因而數據采集相對規范統一不同，機器人面對的是家庭、商超、工廠等非標準化的場景，每一個場景、每一個物體、每一個動作都可能存在差異，這讓數據采集的難度指數級上升。數據荒，已經成為制約整個具身智能行業發展的瓶頸。

覓蜂科技董事長及CEO姚卯青在接受藍鯊財經社等媒體采訪時透露，ChatGPT5的訓練數據達100億小時，具身智能的有效數據量只有50萬小時 ，差距達兩萬倍。如果說語言大模型已是大學生的話，那具身智能大模型就還是一個小嬰兒。所以很多機器人公司融到錢之后，最先做的一件事就是：買數據、采數據。

數據“賣水”人瞄準了這一產業痛點。

4月16日，京東和智元機器人旗下的覓蜂科技各自拿出了一套關于具身智能（物理AI）數據的解決方案：京東在全球首推覆蓋“采、存、標、訓、評、仿、測”全鏈路的具身智能數據基礎設施；覓蜂科技要做“一站式物理AI數據服務平臺”。

圖源：覓蜂科技CEO姚卯青

這兩家企業在同一天發布的方案，揭示了一個正在發生的事情：具身智能行業的核心瓶頸已經從硬件本體（“小腦”）快速轉移到驅動智能決策的高質量訓練數據（“大腦”）。業內人開玩笑說，賣機器人本體的企業不一定能快速實現盈利，但數據“賣水”的生意可能最先跑通。

圖源：網絡

具身智能數據生意市場規模或超100億元

數據標注并不是什么新鮮生意，早在2014年前后深度學習、推薦算法興起的時候，就催生了一大批數據標注工廠。

當時它們主要給百度、抖音這樣的互聯網公司提供服務，通過人工標注圖片和視頻來訓練算法。也有影視和游戲類的公司，用動作捕捉設備采集人體動作數據，用來制作電影特效和游戲動畫。但這些早期的數據，無法滿足機器人訓練的數據需求——傳統數據標注大多用于內容AI，與物理AI的訓練邏輯不一定相同；影視動作捕捉則更多追求視覺效果，而不是讓機器人復刻動作。所以很多機器人公司發現，買回來的數據要么精度不夠、要么場景不匹配，不能直接用來訓練具身智能大模型。

市場上沒有足夠多高質量的數據，一些頭部機器人公司便親自下場做數據業務。比如智元機器人就拆分出覓蜂科技，專門打造一站式物理AI數據服務平臺；京東也發布了覆蓋“采、存、標、訓、評、仿、測” 全鏈路的具身智能數據基礎設施；還有一批從自動駕駛、人工智能實驗室出來的初創團隊，也紛紛涌入這個賽道。

目前行業內的機器人數據主要分為三類，各自的定價和用途也有明顯區別。其中，仿真數據在虛擬環境中生成，主要用來補充一些罕見的長尾場景，尚未形成大規模的流通市場，價格也不透明；通過穿戴設備采集人類動作數據的無本體數據，成本低也更易規模化，收斂狀態下價格大概是真機數據價格的三分之一到二分之一。

精度最高的是真機數據——實體機器人實際操作采集的數據，最適合用來訓練落地場景的模型，市場價在每小時 500-1000 元之間。這個價格聽起來不算太貴，按這個價格測算，如全行業一年能產出100萬小時的有效數據，對應的市場規模是10億元；如果有效數據產出提升到1000萬小時，就是100億元的市場規模。姚卯青告訴藍鯊財經社，現在整個物理AI數據處于“有多少買多少”的供不應求的狀態。

因此，京東和覓蜂都把千萬小時級產能定為目標。姚卯青表示，2026年覓蜂將實現千萬小時級數據產能，目標在2030年達成百億小時級數據產能，共建全球最大物理AI數據生態。京東也表示，要構建全球規模最大的具身智能數據集采中心，在兩年內積累1000萬小時人類真實場景視頻數據。

為了快速放大產能，京東和覓蜂都采用輕資產的眾包模式，這和美團、滴滴搭建的騎手和網約車司機平臺的運營邏輯相似。

京東推出了自研的可穿戴式超高清采集終端JoyEgoCam，計劃發動最多60萬人進行“人類史上規模最大的數據采集行動”。這個目標完成起來不難，京東集團2025年員工數超90萬，只要京東創始人劉強東一聲令下就可以給京東的快遞小哥、外賣騎手等提供一個增收的副業。

圖源：京東黑板報

覓蜂不自己大規模建設數據采集中心，但有一個1-200人團隊，負責打造數據采集“樣板間”，同時給合作伙伴提供統一的標準、系統和運營管理模板，吸引各地合作伙伴加盟。合作伙伴在全國自建團隊、采購設備完成數據采集，覓蜂科技負責派發訂單、管控質量和對接客戶。這種模式，不僅能讓覓蜂科技迅速擴張產能，還能推動智元機器人硬件的銷售——合作伙伴要采集真機數據，需要采購智元的機器人和相應的設備。

姚卯青透露，千萬小時目標級的具身智能優質數據需要鋪設1萬臺采集終端。如此，光是覓蜂的合作伙伴就能幫智元機器人多賣1萬臺機器人（宇樹科技2025年才賣出5500臺人形機器人）。這個模式跟比亞迪新能源汽車一開始主要賣給出租車公司類似。

圖源：覓蜂科技

不過，這個快速發展的行業，依然還面臨很多挑戰。如機器人場景的非標準化，導致數據采集的質量參差不齊；很多地方的數采中心存在重復采集、低效運營的問題；無本體數據雖然采集效率高，但天生存在精度不足的缺陷；整個行業也還沒有形成統一的數據標準，不同平臺采集的數據很難跨平臺復用……但這些痛點也恰恰是這門數據生意的壁壘。

姚卯青表示，現在的具身智能就像是大模型2017年、2018年剛出現時的狀態，大家已經看到一條路徑，但還沒有看到完整的智能涌現的雛形，機器人要實現真正的通用智能，至少還有四五年的路要走。這也意味著，行業對優質數據的需求會長期存在，而且會越來越旺盛。