具身智能数据基建成融资新风口 “卖铲人”价值被重估

当具身智能行业的目光仍聚焦人形机器人本体时，资本已经悄然转向了更上游的“卖铲人”——具身数据基建企业。

具身数据基建融资密集

7月29日，具身智能领域数据基础设施企业德塔智能宣布完成近5亿元天使++轮融资，自2026年1月成立至今，该公司已完成六轮融资。尽管本轮投资方未披露，但此前德塔智能投资方阵容中出现了智元、乐聚机器人、星海图等多家本体厂商的身影。本体厂商开始向上投资数据基础设施企业，这一信号意味深长。

德塔智能迅速融资的事项并非孤例。今年5月—6月期间，物理AI数据与评测基础设施企业光轮智能两周完成两轮融资，规模达20亿元，2026年估值已突破150亿元，成为全球首个具身数据独角兽。智元系一站式物理AI数据服务平台觅蜂科技成立于2026年，并在6月完成新一轮数亿元天使+轮战略融资。具身大脑公司眸深智能今年7月完成近亿元Pre-A轮追加投资，上半年估值增长超10倍，是国内少数有营收的具身大脑公司。

当前人形机器人行业硬件方案趋于收敛，“大脑”训练成为决胜关键，而数据量级和质量直接决定模型泛化能力。

国金证券研报指出，在此背景下，数据采集行业爆发在即，市场空间将充分打开。据2026年机器人全产业链接会披露，GPT-2和GPT-3的训练数据分别对应约79万小时和1100万小时，要实现可用的具身智能，至少需要1000万小时的多模态数据，而多场景、多模态、良率、长尾数据和多参与者等因素导致实际所需的多模态数据集远超1000万小时。

可以看出，资本正在用真金白银重新定义具身智能产业链的价值分配，谁能解决数据问题，谁就能拿到下一阶段的入场券。

数据缺口亟待弥合

针对具身智能数据的重要性，智元合伙人、高级副总裁、具身业务部总裁，觅蜂科技董事长兼CEO姚卯青在WAIC期间接受证券时报等媒体采访时表示，具身智能要从展台演示走向真实应用，数据是核心瓶颈之一。“物理世界数据需‘亿小时’量级，且几乎全部必须来源于真实世界。仿真数据无法完整还原真实环境力学、动态变化等物理规律，模型训练几乎全部依赖真实世界采集数据。”

但现实是，当前全球可用的高质量真实物理交互数据总量仅约几十万小时，而语言模型拥有百亿小时级的训练数据。智元联合创始人、总裁兼首席技术官彭志辉认为，具身智能的数据缺口，是3到5个数量级的差距。光轮智能联合创始人兼总裁杨海波在采访中将2026年定义为“具身智能数据规模化元年”，今年具身智能领域的数据与评测需求比去年的需求高出百倍甚至千倍，去年还是几百几千小时的数据规模，今年已经进入百万小时级别。

国泰海通证券认为，数据被公认为目前具身智能行业最大的壁垒，模型厂商围绕数据定义、采集方式（包括合成、UMI、EGO、遥操作、真机实采等）、数据类型进行积极探索，行业朝着亿小时合成数据、百万小时真机数据的目标推进。

数据这门生意怎么赚钱？

数据基础设施的融资热潮，建立在一条逐渐清晰的商业化路径之上。目前市面上从事具身智能数据采集的公司主要分为三类，一是真实场景数据采集类型，二是试图用仿真与合成数据构建物理世界的数据生成引擎类型，三是综合数据、本体+模型闭环路线类型。

“在AI产业中，‘卖铲子’的人最先赚钱。数据是具身智能的刚需，无论机器人、模型谁最终胜出，都离不开数据供给，这是基础设施先行的逻辑。”姚卯青表示。

据姚卯青介绍，目前数采行业主流交易模式是企业线下直接对接交付。与机器人、大模型的高投入、慢回报不同，数据服务是轻资产、高周转、可持续的商业模式。以觅蜂科技为例，觅蜂采用“自营+生态代工”模式，无需大规模重资产投入，通过平台调度、标准输出、订单分发，实现产能快速扩张。同时，数据需求贯穿AI研发全周期，具有长期、稳定、重复采购的特点，客户黏性极高。

杨海波则在采访中强调了“复购”和“复售”两个商业指标，复购意味着客户从单点合同变为框架合同，代表产品的质量好、客户的黏性强；复售则是将同一批优质场景数据出售给多家不同客户，代表数据的标准性和规范性。2026年第一季度，光轮智能获得5.5亿元订单。

2026年以来，具身智能市场涌入大量数据服务商，但数据采集竞争处于初始阶段，暂未形成稳定的竞争格局。姚卯青对记者表示：“今年数据赛道的核心关键词是‘多、早期、体系不完善’，市面上绝大多数数据厂商产出的数据达不到头部具身模型训练标准，能满足机器人模型高精度、大规模稳定交付要求的供给方极少，整体市场需求远大于供给。此外，绝大多数厂商不具备每月数万至十万小时级的数据交付能力。”

申港证券在研报中表示，高质量真机交互数据、仿真数据与失败案例数据将成为模型迭代的重要基础，未来，数据闭环效率可能成为机器人企业之间的核心差异之一。