本文来自微信公众号： 野生编辑部 ，作者：野生编辑部，原文标题：《一年融7轮，人人都爱「卖水人」》
#具身智能#数据#简智机器人#光轮智能
具身智能这阵风，舆论的聚光灯几乎全打在机器人本体上。哪家又翻跟头了，哪家速度又超过人了，哪家叠衣服了。
机器人运动会一开，那些比人跑得快，跳得高的铁疙瘩，演示视频天天刷屏，是真火，物理上的那种火。
但真正决定胜负的，是镜头之外的数据。
本体是台前的演员，大脑才是是幕后的剧本，但大脑再聪明，也得靠数据喂，没有高质量真机数据，再漂亮的本体也只是空壳一台，或者只能靠遥操。
采数设备、动作捕捉、标注清洗，这些看似不起眼的卖「铲子」公司，才是喂大模型真正的粮食。
而且卖水、卖铲子的，往往是整条链上最先收到现金的一拨，不赌本体量产，也不用纠结场景，按小时、按条收钱，变现反而最快。
北京简智机器人（GenRobot）宣布完成A轮融资，由Momenta领投、老股东追投，成立刚满一年已经走完7轮，累计融资超2亿美元，约合13.6亿元人民币，刷新了具身智能无本体数据赛道的累计融资纪录。
所谓无本体数据，就是不用机器人采集数据，真人戴上数据采集工具，把人的动作、视觉、触觉采集成数据，再喂给机器人和世界模型。
不过，简智机器人中文名字我认为起得不太好，全名是简智新创，问题简单智力怎么新创……
扯远了。
简智机器人创始人陈建兴是自动驾驶十年的老兵，先后在小鹏、Momenta做智驾量产，牵头过数据飞轮路线，主导过超百万辆车的智驾交付。
翻看此前的融资记录，简智的投资方几乎清一色是产业资本：种子轮由BV百度风投领投、Momenta跟投，种子加轮速腾聚创领投，天使轮顺为领投，今年6月的数亿元轮由蚂蚁、滴滴、德联联合领投。这些老股东在A轮继续追投，说明产业方在用真金白银下注。
产品则是一堆可穿戴设备，手套、头显、夹爪，加上一个开源13000多小时的数据集，据公司披露单月下载超百万，居全球开源具身数据集首位。
2026年4月它三大核心产品订单已破万台，是业内首个把数采硬件规模化落地的企业。一年融七轮，简智机器人凭的不只是踩在了大风口上。
可穿戴数采设备
简智机器人2025年5月成立，定位是一家面向具身智能和世界模型的数据与评测基础设施公司。公司口号是「From Human for Human、From Model for Model」，意思是数据源于人、服务人，模型服务模型。
商业闭环很简单：采集人类技能动作，视觉、触觉、力反馈都记录，训出Data Foundation Model，再服务具身与世界模型预训练。
公司自称行业首个覆盖头、手、全身的高精度数据获取产品系列。
融资节奏快得惊人。
种子轮由BV百度风投领投，Momenta、九识智能、星海图跟投。
种子加轮速腾聚创领投、BV跟投。
天使轮顺为资本领投、初心资本跟投、BV超额跟投。
2025年12月单轮超2亿元，由蚂蚁、滴滴、德联联合领投，创下当时无本体数据赛道最大单笔融资。
2026年6月蚂蚁、滴滴、德联再次领投。
到8月A轮，Momenta从早期跟投方升为领投方。
一年融资7轮、超2亿美元。
速度和金额我们在具身这个赛道已经见怪不怪了，相比于机器人本体公司，简智的产品看起来其实也挺科幻的。
产品分四块。
Gen DAS是可穿戴采集设备系列，含Ego第一视角头戴、Fingers仿生双指、Dex灵巧五指手套（23自由度、0.05牛磁触觉、210克重、头手同步低于1毫秒）、Gripper仿生夹爪、Controller技能终端。
Gen Matrix是数据治理平台，把采集、清洗、标注、评测全流程自动化，模型迭代从月级压到天级。
Data Foundation Model覆盖思维链、6D位姿、深度、触觉、手部跟踪、全身Mesh，手部跟踪精度低于1厘米。
ADP是规模化数据流水线。
2026年4月，简智机器人披露，Ego、Fingers、Gripper三大核心产品累计订单破10000台，称业内首个实现数采硬件规模化落地。累计人类数据资产超100万小时，周产能超10万小时，众包覆盖超3000名采集用户、上万处场景。
智驾老兵卖铲子
陈建兴2016年海在中国矿业大学信电学院读研，担任该校DJI创新实验室组建的机器人实验室酷博特战队队长，带队拿过RoboMaster全国大学生机器人大赛全国一等奖。
这个比赛被业内视作大疆网罗人才的青训体系，是对大学生工程能力的一次试炼。他从这里起步，拿到了机器人底子。
毕业后陈建兴进入自动驾驶，先后任职小鹏汽车和Momenta。
在Momenta他做到算法高级总监，牵头主导了「数据飞轮」量产技术路线规划，从算法框架设计到千万级数据闭环打磨，带着全球团队实现海内外数十家主机厂定点，覆盖比亚迪、广汽、奔驰等，主导超百万辆智驾交付。
公开口径是他参与过50余个L2+到L4级自动驾驶量产项目。
2025年他和朱雁鸣判断，数据是模型成长的必需养料，会比模型更早迎来规模化时刻，而当时行业大多扎堆本体或大模型，鲜有人涉足数据基建。
他们选了难度更高的上游基础设施，不做本体。这套打法的核心，是把智驾已经跑通的数据飞轮方法论平移复用，靠海量真实场景数据持续迭代模型。
2025年9月韩国首尔CoRL大会，简智首款DAS产品亮相，吸引了全球具身巨头与顶尖学术机构。
联合创始人朱雁鸣有多年智驾量产产品经验，参与过端到端自动驾驶量产产品研发，对数据驱动架构和闭环迭代理解深，是陈建兴的核心搭档。
另一位联合创始人李兴龙，是配送机器人公司真机智能的联合创始人、CMO，本科香港中文大学计算机，研究生帝国理工创新企业管理，补上了商业化一侧。
核心团队来自大疆、华为、Momenta、DeepMind、斯坦福，硬件多出自大疆和华为，软件侧汇了智驾算法专家和多模态大模型人才。
一个有意思的关系网浮现出来。
Momenta培养的数据飞轮负责人离职创业，Momenta和另一家Momenta系公司星海图又共同投资了简智。
高继扬（前Momenta量产负责人）创了星海图，陈建兴（前Momenta算法高级总监）创了简智，王荣兴（前Momenta产品与工程副总裁）创了万仞AI。
人才离开组织后没彻底脱离产业网络，而是以独立公司形式重新接入。原本组织内部的能力，被重新封装成独立产品进入外部市场。
机器人数采路线逐渐收敛
[CORE]
要理解简智，得先理解它押注的路线。UMI全称「Universal Manipulation Interface（通用操作接口）」，2024年由斯坦福、哥伦比亚大学和丰田研究所联合提出。
它的核心是把数据采集和机器人硬件解耦：人戴上便携夹爪、手套、头显等轻量设备，以第一视角完成日常任务，系统记录空间位姿、视觉图像和开合力度，后期再映射到各类机器人本体上。
简智在京东售价最贵的产品
这条路线好在哪？
第一是打破产能魔咒。依赖机器人本体采集，行业产能永远被机械臂制造速度卡死，UMI用人的灵活性替代机械臂。
比如鹿明机器人FastUMI把数采效率提了3倍、成本降到1/5，全球超三分之二顶尖具身团队都在用。
第二是成本低，真机遥操单条有效数据成本超8元、单机日产仅千条、废片率三到四成，无本体未来能收敛到真机的二分之一到三分之一。
第三是保留真实物理交互质量。
人真实操作带真实接触、力反馈和失败恢复，这是仿真合成数据（存在「Sim2Real鸿沟」，虚拟训得好真实世界翻车）和互联网视频（缺关节指令和力反馈）都给不了的。
代价是动作映射会丢部分力度信息，精细操作仍靠真机微调补刀。
第四是门槛低、可分布式规模化，京东计划发动60万快递员和骑手众包，两年目标1000万小时真实场景视频，这种规模只有无本体加众包路线跑得动。
过去一年，有15家只做数据的独立服务商完成34起融资、合计44.7亿元。出手的投资机构有69家里。
机器人的数据载具正在向UMI收敛。
不过，虽说数据采集公司卖铲子，但说到底，根子还是得看金矿到底能挖多久。
数据的需求端，烧的其实是和供给端同一的批钱，因此，我认为数据公司的营收，本质是下游融资的二次分配，机器人公司融到钱，转头买数据讲故事再融资，如果本体落地不及预期，数据订单和融资会同步退潮。
另外客户也会自建数采，国内具备持续规模化采购能力的客户仅约几十家，本体厂采购外部数据多为阶段性选择，一旦自建体系跑通，外部采购可能面临收缩。
而且，虽说路线在逐渐收敛，但说到底还是没有共识，真机遥操、无本体、仿真、视频蒸馏四条路线依然并存，数据格式孤岛严重，换一个品牌型号就要重新采集标注训练。
因此，短期卖铲子先赚钱是真的，头部已经验证：光轮智能2026年一季度新增订单5.5亿元，弈人科技已宣称盈利，无问智科订单也已落地。
需求是刚性的，截至2026年初全球高质量真实物理交互数据仅约50万小时，行业共识训练通用具身模型，口径从百万小时到千万小时级，缺口超99%。
[INSIGHT]
长期看，单纯做数据采集没有长久竞争力。具备仿真引擎、自动标注、虚实闭环迭代能力的企业才占优势，终局判断是具身数据采集不会是一门独立大生意，而是深度嵌入机器人产业生态，成为智能时代的数据基建。
无本体采集作为其中一条路线，价值在低成本规模化真实交互数据，但单独成不了闭环，精细操作仍要靠真机数据补刀。
回到简智。一年融7轮，累计2亿美元融资，正好印证一个信号：产业方从财务投资走向战略协同。Momenta自身有数据飞轮需求，领投这轮等于把无本体数据当成自己的补给线。陈建兴Momenta系的身份，也让这笔投资加了信任分。
数据是刚需
至于UMI为什么能起来，最核心的还是在于成本。
优势在数据保真度最高、和自家本体天然对齐，能靠真实作业把飞轮转起来，上一代机器人干的活变成下一代进化的燃料。
短处也明显：成本最高，真机遥操单小时综合成本500到1000元，建个数据采集厂投入就要数千万，而且数据绑定特定硬件，换个型号的机器人就难以复用。
对大多数初创公司，这是一条昂贵且难规模化的路。
简智把硬件、真值与模型体系做成持续迭代闭环，部分新一代具身模型据公司披露完全依托其无本体数据完成预训练。
鹿明机器人FastUMI是无本体数采全家桶，方案被全球超三分之二具身团队采用。
觅蜂Maniformer是智元拆出的数据业务，姚卯青操盘，MEgo无线UMI手持加头戴。
京东JoyEgoCam发动最多60万人众包，两年目标1000万小时，开源EgoLive。
国外同路由Stanford UMI一作迟宬联合创立的Sunday Robotics验证，其ACT-1模型能自主规划数十个连续任务。
Generalist基于UMI采集27万小时数据、每周约1万小时，训出GEN-0实现零样本泛化。
Mecka AI用iPhone加轻量头戴降门槛。是简智的直接竞品区，也是整个无本体赛道里最窄的一条线。
UMI的长处是成本低、便携、和硬件解耦，数据可跨本体泛化（记录的是相对末端轨迹，换平台只需逆运动学重映射）。
短处是缺真机力反馈，拧瓶盖、插USB这类要边感受边调力道的精细活，训出来的模型容易使错劲，动作翻译还会丢信息，众包采集的可用率普遍不到三成，迁到真机仍要二次微调。
另外还有一种是真机遥操和动捕式，不戴设备，靠真实机器臂或动捕系统采集。
比如诺亦腾的ModalityNet全模态数据平台，WRC发布HiPHI数据集617.5小时，已在宇树G1真机部署跑步和搬运。
灵初智能开源1000小时人类手部操作全模态数据集，总储备10万小时。
这档比穿戴式多了一层力觉和位姿信息，数据质量更高、动作更自然，但专用设备和场地限制了能进的场景，单人采集效率也低（传统遥操每小时约35条），成本居中（Ego约100到200元每小时），适合对外做标准化的数据服务变现。
仿真合成式是用虚拟环境造数据。
黎曼动力推Riemann-1.0，联合光轮、诺亦腾冲刺百万小时目标，结合Matrix-Game 3.5世界模型做仿真预训练与评测；
昆仑万维Matrix-Game、NVIDIA Isaac Sim、MuJoCo等是这条路线的工具与平台代表。
光轮智能是这条无本体赛道里估值最高的龙头，超20亿美元，过去一年融资31亿元，由蚂蚁领投。
光轮智能走的是仿真合成加人类视频数据的双轨，自研SimFoundry仿真平台，EgoSuite人类行为数据覆盖2.5万环境节点、超10万种任务类型、累计交付超150万小时，客户含英伟达、DeepMind、字节。
仿真的边际成本趋零、能无限生成、可覆盖极端和长尾场景，但Sim2Real鸿沟是硬伤：仿真里任务成功率89.4%，进了真实家庭骤降到12%，物理真实性不足，单独使用撑不起主力训练，只能当预训练和补充。
[CLOSING]
当所有人在卷机器人样机时，有人选择把底层数据基建做扎实。简智和它的竞品们赌的是，当模型预训练规模走向百万、千万小时级别，专门的上游数据基础设施会成为整个行业绕不开的刚需。
这个赌注成不成立，要看机器人公司能不能真正持续盈利，而不是停在融资讲故事的阶段。