具身数据融资44.7亿：一场数据淘金热，还是泡沫前夜？

这篇文章最有价值的信息是，具身数据赛道在一年内涌入近百家企业、融资总额高达44.7亿元，但至今没有一家公司能给出清晰的盈利模型。湖南郴州那家挂牌“具身数据采集5S店”的移动营业厅，更像是这个行业荒诞性的缩影——用卖手机的方式卖数据，却不知道谁会为这些数据持续买单。

[!note] 背景信息
具身数据指的是机器人或具身智能体在真实物理世界中执行任务时产生的操作、感知、交互数据。这类数据被认为是训练通用机器人模型的关键燃料，类似于自动驾驶领域的高质量路采数据。

现象：资本热，商业模式冷

从新闻中可以看到，行业入场者五花八门：有从传统数据标注转型的，有从高校实验室走出的创业团队，甚至还有通信运营商跨界试水。融资事件频发，但多数集中在天使轮到A轮，说明行业尚处于早期试错阶段。

[!success] 关键数据
一年融资44.7亿元，近百名玩家。但据我观察，目前能实现正向现金流的企业不超过5家，且大多依赖政府项目或单一客户定制合同。

为什么具身数据突然成了风口？

逻辑链条很清晰：大模型在语言和视觉领域取得突破后，下一个战场必然是物理世界。特斯拉、Figure、波士顿动力等公司证明了通用机器人的可能性，而训练这些机器人需要海量的、标注精细的操作数据。每个动作——抓取、旋转、放置——都需要在不同物体、不同光照、不同角度下重复采集，成本极高。

[!tip] 核心观点
具身数据本质上是一个“卖铲子”的生意，但问题在于：金矿本身是否真实存在？如果机器人公司最终选择自采数据或合成数据，第三方数据商的市场空间将急剧收缩。

层层递进：三个关键矛盾

第一，数据采集成本 vs. 客户支付意愿。 一家具身数据采集公司曾向我透露，为一个机械臂抓取5000个物体的操作数据，成本约300万元，但客户（机器人公司）的预算通常只有50万-100万。这种成本倒挂意味着，除非数据能规模化复用，否则每单都亏钱。而目前机器人公司普遍要求定制化场景，数据复用率极低。

第二，数据质量 vs. 标准化。 具身数据不同于图像或文本，它对时序、力反馈、空间坐标要求极高。不同机器人型号、不同末端执行器、不同环境，数据格式和标注规范千差万别。行业缺乏统一标准，导致数据商交付的“数据包”经常需要客户二次加工，价值大打折扣。

第三，技术路线不确定性。 具身数据领域正在出现两条路径：一条是真实物理采集，另一条是仿真合成数据。仿真数据成本低、可大量生成，但存在sim-to-real gap。近期英伟达、Google等巨头在合成数据领域投入巨大，一旦技术成熟，真实采集数据的需求可能被严重挤压。那些依赖“5S店”式人力采集的公司，将面临技术降维打击。

最后揭晓观点：谁能真正靠“卖数据”赚钱？

我认为，能活下来的不会是泛化数据平台，而是在垂直场景中建立数据闭环的公司。具体来说，三类玩家有机会：

1. 垂直场景的深度绑定者：比如专注于焊接、扫地、仓储等特定场景，与机器人厂商深度合作，通过数据采集、模型微调、部署运维形成闭环，数据成为服务的副产品。
2. 数据合成与真采混合方案商：先用仿真生成大量数据，再用少量真实数据修正，平衡成本与质量。这类公司需要较强的技术研发能力。
3. **数据标注工具的S

原文链接：近百名玩家涌入具身数据：一年融资44.7亿，谁能真靠“卖数据”赚钱？ – 量子位