简智机器人一年融资7轮，押中具身智能“卖铲赛道”？

8月26日，简智机器人宣布完成A轮融资。本轮由Momenta领投，老股东连续多轮追投。公司成立一年以来已连续完成7轮融资，累计融资额超过2亿美元。

融资节奏背后，资本正在重新寻找具身智能产业链中的稀缺环节。过去两年，资金主要涌向机器人本体、核心零部件和具身大模型。随着样机数量快速增加，行业逐渐发现，制约模型能力继续提升的因素，正在从“有没有机器人”转向“有没有足够多且真正可用的数据”。

简智机器人押注的正是这一环节。

与采集机器人关节、末端执行器和摄像头数据的真机路线不同，简智机器人主要通过人类佩戴采集设备，记录视觉、动作、触觉及空间信息，再将人类技能转化为模型可以学习的数据。这类数据不受具体机器人本体限制，也被称为“无本体数据”。

Momenta此次领投具有较强的产业意味。简智机器人创始人兼CEO陈建兴曾任Momenta算法高级总监，参与数据飞轮量产技术路线规划。Momenta此前已经在种子轮投资简智机器人，此次由跟投转为领投，双方的关系也从早期财务投资进一步走向战略协同。

数据“对齐”

在今年7月举行的2026世界人工智能大会（WAIC）上，简智机器人没有把展示重点放在机器人表演上，而是集中呈现了一套端到端Human Data解决方案。

这套方案由DAS采集硬件、DFM数据基础模型和ADP规模化数据流水线组成，对应数据采集、加工处理和批量交付三个环节。简智机器人试图解决的问题，是如何把人类完成一项任务的全过程，转化为模型可以直接使用的数据。

在采集端，Ego设备记录人类第一视角下的环境和视线变化，Dex灵巧手套捕捉手部关节、抓取、扭转、按压及触觉信息，全身Mesh方案则记录人体姿态、重心变化和肢体协同。几类设备组合后，可以同时覆盖视觉、动作、空间、触觉和力反馈等信息。今年WAIC期间，简智机器人在现场完整展示了从头、手到全身动作的数据采集链路。

采回来的原始视频和传感器信号还不能直接用于模型训练。不同设备之间可能存在时间偏差，人的手也会被物体遮挡，数据中还包含大量无效动作。简智机器人自研的Data Foundation Model，主要承担轨迹重建、深度信息恢复、手部跟踪、全身姿态还原及思维链标注等工作，将原始素材加工成结构化训练数据。

这也构成了简智机器人与传统数据采集公司的差别。它出售的不只是“拍了多少小时视频”，而是希望交付可以直接进入模型预训练的数据。简智机器人将其概括为“模型服务模型”，即用一个数据基础模型，为具身智能和世界模型持续生产训练材料。

今年年初，简智机器人在全球开源社区发布了超过1.3万小时的无本体数据集。据公司披露，该数据集目前单月下载量已超过100万次。公司官网显示，其数据服务覆盖家庭、制造和物流等真实场景，并提供从原始数据、加工数据到模型处理数据的分级产品。简智机器人还将清洗、环境重建、轨迹恢复、标注和模型评测纳入同一套数据治理平台。

下注数据Infra

具身智能对数据的渴求，正在迅速放大。

大语言模型能够快速发展，与互联网中存在海量文字、图片和视频有关；自动驾驶也可以依靠量产车辆持续收集道路数据。机器人目前尚未形成足够大的部署规模，真机采集还面临设备成本高、采集效率低和本体差异大等问题。一名操作人员对应一台机器人，难以快速积累百万小时乃至更大规模的数据。

无本体数据的价值在于绕过机器人数量限制。人类本身就是规模最大的“技能执行者”，穿戴轻量化设备后，大量家庭、工厂和商业场景都可以成为数据来源。行业也因此开始把人类行为数据视作扩大具身模型预训练规模的一条现实路径。

但数据量并不等于模型能力。几十万小时重复抓取杯子、拧瓶盖的数据，可能只会让模型记住有限动作。真正决定泛化能力的，还有任务和场景的多样性、不同模态之间的时间同步，以及数据能否呈现动作背后的目标、因果和失败修正过程。

无本体数据还需要跨越人和机器人之间的本体差异。人的手指结构、关节自由度和感知能力，与夹爪和灵巧手并不完全一致。人类能够完成某个动作，不意味着机器人可以直接复制。行业在WAIC期间形成的一个基本判断是，无本体数据适合快速扩大预训练规模，真机数据则负责校准机器人在现实环境中的执行能力。两类数据需要组合使用，尚难彼此替代。

这也解释了简智机器人为何在本轮融资后，将资金投向Data Foundation Model升级、物理AI评测闭环和大规模真机集群验证。公司的业务边界正在从人类数据采集，向“采集—加工—训练—评测—反馈”的完整闭环延伸。只有证明数据能够持续提高模型的成功率、泛化能力和长程任务表现，数据规模才真正具有产业价值。

Momenta的加入进一步强化了这一路线。Momenta在自动驾驶领域长期采用“数据飞轮”，通过量产车辆回传数据、算法迭代和规模化无人驾驶业务形成闭环。Momenta公开资料显示，其数据飞轮的核心正是让量产数据、算法和自动化闭环持续积累。如今，这套经验开始向机器人所在的更广阔物理世界延伸。

一年完成7轮融资，说明资本已经开始给具身智能上游的数据基础设施定价。但对于简智机器人而言，融资数量和数据时长只是起点。接下来更重要的指标，是有多少模型长期使用这些数据，以及经过预训练和真机评测之后，机器人究竟多会做了多少事。

物理AI需要海量数据，也需要知道哪些数据真正有效。从这个角度看，简智机器人要做的不只是具身智能的“数据铲子”，还要成为一套能够检验数据价值的基础设施。