文 | 融中财经

具身智能拼到今天，拼的已经不是谁的机器人会摆 pose，而是谁的机器人真的会干活，而数据，正在成为决定机器人能不能真正变聪明的隐形门槛。

具身投资人也开始把目光放在数据之上，甚至硅谷老钱也在加速入场。6 月中旬，XDOF 从隐身状态走出，一次性拿下 7000 万美元融资，投资方包括 Thrive Capital 和 a16z。专注机器人数据基础设施的 Encord 完成 6000 万美元 C 轮融资，由 Wellington Management 领投，累计融资已达 1.1 亿美元。纽约的 Mecka AI 也分两笔拿下 6000 万美元，Framework Ventures 领投。

这种转向说明行业想通了一件事情：当硬件和算法都跑得足够快，谁能率先让模型真正学会干活，谁就握住了下一个入口。

物理 AI 的隐形地基

具身智能彻底火了，我们现在可以在各个场景看到机器人，商场接待、进厂打螺丝、商演跳舞 ...

但是当我们在谈论具身智能的时候，我们其实更应该谈论能支持具身进入各种物理场景的真正的背后推手——数据。

要解锁一个场景，就需要一个场景的数据。

和大模型时代抓取文本、图片不同 , 机器人要学会拧瓶盖、叠衣服、端盘子这类动作 , 靠的不是文字语料 , 而是人类真实完成这些动作时留下的完整信息 , 手怎么移动、力道多大、物体怎么被抓取和摆放、动作在什么节点算成功、什么节点算失败。这些信息需要被专门的设备记录下来 , 再经过处理变成机器人可以学习的数据 , 这整套采集和加工的过程，构成了具身智能最底层的燃料生产线。

那么海量的数据要如何采集？

市面普遍有四种方式：

1.   真机遥操：人类操控真实机器人执行任务，同步采集动作、状态及传感器数据。2.   无本体采集：人直接完成示范，通过动捕、夹爪映射、第一视角相机等设备采集动作，无需机器人参与。3.   仿真合成：在虚拟环境中批量生成机器人交互数据，用于模型训练。4.   互联网视频蒸馏：从互联网视频中提取人类动作知识，转化为具身模型可学习的数据。

" 不论是用户还是投资人，过去一两年在谈论到具身智能的时候都把更多关注放在硬件形态和模型框架这两端 , 但随着这两者逐步走向收敛 , 数据正在成为限制模型能力继续提升的核心瓶颈。" 华兴资本投资银行事业部周鲁鸿这样解释道。

放在物理 AI 这个更大的叙事里看，数据与模型基础设施的价值正在被重新定义。它早已不是一台摄像机加上一段录制这么简单，而是一整套把真实世界里散乱的人类操作，转化成机器人能够理解和学习的结构化资产的工程体系。这块此前很少被单独讨论的地基，正在变成整个具身智能往前走时，绕不开的一道门槛。

什么才是护城河

在具身智能的数据供给圈子里有一个共识：最重要的无形资产就是 " 高质量、垂类数据 " 但是如何定义 " 高质量 " 以及如何获取 " 高质量 " 数据，各有各的打法。

华兴资本的周鲁鸿给出了一个足够具体的对比：我们在与相关领域客户的交流中了解到，1 万小时干净、有效、任务链路完整的数据 , 对模型能力的提升 , 可能超过 100 万小时未经清洗的原始数据。

这句话背后的逻辑并不复杂 , 现在行业里数据供给良莠不齐 , 根源在于供给侧不理解模型侧真正需要什么 , 导致模态缺失、标注缺失、动作映射不清、任务过程不完整 , 最后真正有效的数据密度很低。换句话说 , 数量从来不是这门生意的门槛 , 能不能被模型真正用上才是。

这个判断也解释了为什么垂直场景数据会被反复提及。周鲁鸿提到：真实作业场景中采集到的数据 , 往往比标准化数采场里搭建出来的数据更有效 , 尤其是在物流、零售、工业、仓储这类具体场景里 , 真实环境中的物体分布、操作流程、异常情况和长尾任务 , 对提升模型在特定场景下的能力帮助更直接。但他也强调 , 具身模型长期要解决的是跨场景、跨任务的泛化问题 , 所以数据不能只追求某一个场景里的高质量样本 , 还需要具备足够的多样性和规模化生产能力 , 这也是为什么传统真机遥操采集这种成本高、效率低 , 又容易与单一采集本体绑定的方式 , 正在被行业逐渐重新审视。

图片来源：景烁科技  

通用具身智能的数据与模型基础设施提供商景烁科技 CEO 霍达的回答倒是非常直接：" 高质量数据的终极证明不是存储了多少 PB，而是模型能力有没有真实跃升。"

为了让 " 模型能力跃升 " 这件事可落地、可验证、可规模化交付，景烁搭了一套三层产品体系。数据模型一体化平台 WorldEngine、自研生成式统一世界模型 GENESIS - Robotics 以及数据资产引擎 SkillForge。

三者形成一个自我强化的正向飞轮：真实世界的采集数据和客户反馈持续注入系统，WorldEngine 完成数据治理、质检与闭环验证，GENESIS - Robotics 基于真实数据不断进化世界理解能力并输出合成数据放大产能，最终所有成果沉淀为 SkillForge 中更丰富、更精准的标准化技能包交付给客户。

三层之间不是线性流水线，而是一个持续自我强化的飞轮。真实数据校准模型的物理认知，模型反过来生成合成数据扩展边界，平台串联两端完成闭环验证，最终沉淀为越来越厚的技能资产。这套飞轮能跑起来有一个前提：GENESIS-Robotics 的物理认知不是从零开始的。景烁的核心团队来自文远成立之初就组建的数据研发 001 号团队，它建立在文远近十年自动驾驶规模化落地积累的海量真实物理数据之上。

霍达表示 " 先用真实世界校准模型，再用模型生成数据，这个顺序不能反。" 对于自动驾驶的经验能不能迁移到机器人操作这个行业常见质疑，他则认为：迁移的不是驾驶场景的特征，而是对三维空间、物体交互、力学关系的底层建模能力。物理规律是通用的，这套能力在具身场景中已经得到充分验证。

回到最初的问题，具身智能的护城河到底是什么？

答案或许不是某一个环节做得好，而是一套从数据到模型的完整闭环能力：让模型定义数据标准、验证数据价值、并持续驱动数据资产增值。这套系统一旦跑通，每一环都在拉开差距，而这道差距，恰恰是外界最容易忽略、却也最难被追赶的部分。

一条还没定型的产业链

具身智能的数据供给，场上的玩家大致分成三类：机器人本体厂商自己做数据、做具身大脑的模型公司自建数据团队，还有独立第三方基础设施服务商。

本体厂商做数据供给 , 天然带着自用属性 , 数据是为了让自家机器人变聪明 , 顺带的效率提升和成本优化才是重点 , 对外输出从来不是第一诉求。大模型公司自建数据团队 , 更多是为了满足自身模型迭代过程中一部分定制化和保密性需求 , 毕竟核心训练数据事关竞争壁垒 , 交给外部终究隔着一层信任成本。这两类玩家的共同点是 , 数据服务的都是自己的业务闭环 , 规模上限也天然受自己的业务体量制约。

第三方数采公司的空间 , 恰恰藏在这个环节里。

对此，周鲁鸿表示：数据公司和模型公司的能力禀赋并不一样 , 模型公司擅长算法、训练体系和模型迭代 , 数据公司考验的是规模化交付、标准化运营、质量控制、场景组织和客户需求理解能力 , 这本身就是两套不同的能力模型。放在更长的产业周期里看 , 这种分工不是权宜之计 , 而是效率使然。一家既做模型又做数据的公司 , 受竞争关系和数据中立性的顾虑，很难把自己最核心的数据卖给同行 , 而第三方公司不背负这层顾虑 , 一套高质量数据集理论上可以服务多个模型厂商和机器人客户 , 复用带来的规模效应 , 是自建团队很难在短期内追上的。

这套逻辑能成立，前提是团队要有足够的行业积累，横跨自动驾驶、地理信息、人工智能数据这些原本不交叉的领域，既懂硬件标定，也懂模型训练真正需要什么。

客户选择第三方的逻辑也很清晰。自建一套从数据到模型的闭环，通常要几年，涉及硬件、场地、团队、流程磨合，每一环都是成本。接入一家已经跑通这套体系的公司，相当于直接跳过这段基建期，把资源集中在本体研发和场景落地上。不少全球标杆客户，也是在没什么市场推广的情况下主动找上门，口碑本身就是最有效的获客方式。

和大模型时代的数据供给相比，具身智能的数据与模型产业链显然还没有走到成熟期。语言模型的数据标准经过多年迭代已经相对收敛，但具身数据不一样，多种技术路线仍在并行探索，行业对 " 什么才是真正有效的具身数据 " 尚未形成统一共识。这种未收敛的状态，短期看是不确定性，长期看意味着标准的制定权还没有被锁死。谁能先一步用产品和落地效果定义清楚行业标准，谁就有机会在这条产业链里占据最上游的位置。

数据与模型基础设施眼下的位置，有点像移动互联网早期的云计算，虽然基础却是所有上层应用能否跑起来的前提。物理 AI 这个概念被讨论得越来越多，机器人本体和模型算法的故事也讲得足够精彩，但真正决定这些故事能不能落地的，可能恰恰是这条最容易被忽略的基础设施能不能率先跑通。

这场关于基础设施入口的争夺，眼下才刚刚开始。谁能最早跑通完整闭环，谁就拿到了下一张船票。