具身智能日报｜数据荒催生97家玩家涌入：扑翼机器人三个月融三轮，具身数据采集五种模式盘点

今日头条

数据荒催生具身数据采集赛道爆发：一年涌入97家玩家，融资44.7亿

量子位不完全统计，国内目前共有97家具身数据玩家，其中70家专注数据采集，27家做数据infra。过去一年（2025年7月至2026年7月），15家独立具身数据服务商共融资约44.7亿元。

这个数字背后，是一个根本性的瓶颈——机器人太缺数据了。与语言模型不同，具身智能需要大量物理世界交互数据：抓取、行走、操作……这些数据无法从互联网上爬取，必须通过真实或仿真的机器人行为采集。

五种"花活"采集模式

为了绕开数据瓶颈，从业者们各显神通：

1. 线下5S店模式：湖南郴州的中国移动营业厅挂牌"具身数据采集5S店"，顾客领取夹爪、手套和头戴相机，经过简单培训后边做家务边采集数据。首期投放1000套设备，满产状态下每年能采集100万小时数据。

2. 免费上门保洁：部分公司以"免费上门保洁"为名，实际上门采集数据——既服务了用户，又采集了数据。

3. VR游戏化采集：把数据采集过程做成VR游戏，提升采集员的参与度和数据质量。

4. 远程"云操控"：将机器人接入互联网，采集员不用到数采工厂，远程就能操控机器人完成数据采集。

5. 仿真合成：通过高保真仿真环境批量生成合成数据，弥补真实数据不足。

不过，以上"花活"看完乐一乐就好，真正符合模型训练要求的高质量数据采集并不简单。数据质量、多样性、物理真实性之间的平衡，是整个行业的核心难题。

商业模式的根本性问题

目前行业面临一个关键问题：谁能真正靠"卖数据"赚钱？

具身数据公司的商业模式主要有两种：一是向机器人公司提供训练数据服务（类似SaaS），二是自建数据平台向下游客户销售。然而，机器人公司对数据的需求高度定制化，标准化数据产品的溢价空间有限。更重要的是，数据价值的变现速度远跟不上融资烧钱的速度——这与两年前AI视觉数据市场的格局如出一辙。

第一性分析：具身数据的物理极限在哪里？

从第一性原理出发，具身数据的核心瓶颈来自三个物理约束：

1. 采集成本：每小时的真实机器人数据，采集成本在数百到数千元不等（设备折旧+人力），而一个SOTA模型可能需要数千万到数亿小时的数据。单纯靠真实采集，物理上无法scale。

2. sim-to-real迁移：仿真数据便宜，但"sim-to-real gap"（仿真到真实的迁移鸿沟）依然显著。机器人在仿真中学会的动作，在真实世界中往往需要大量微调。这不是算法问题，是物理建模精度的根本限制。

3. 数据多样性：人类日常行为的种类近乎无限，但数据采集往往集中在特定场景（北京/上海/深圳的办公室家庭），导致模型泛化能力受限。

这意味着，真正能解决数据问题的，不是采集模式的创新，而是仿真能力的突破——谁能做出足够真实的仿真环境，谁就能突破数据上限。这也是为什么英伟达、Figure等大厂都在重金投入仿真平台。

创业公司速递

鹰瞰智翼：三个月融三轮，扑翼机器人量产在即

36氪/硬氪报道，具身智能仿生扑翼飞行机器人公司「鹰瞰智翼」已于近期完成数千万元A轮融资，由元禾璞华领投，孚腾资本、厚雪资本跟投。这是公司三个月内完成的第三轮融资。

鹰瞰智翼2025年3月成立于深圳，创始人为上海交通大学机械工程直博生陈昊。团队研发人员占比超75%，核心成员来自上海交通大学、大疆、华为、字节等。

技术路线差异：扑翼 vs 旋翼

扑翼飞行与旋翼无人机的本质差异在于对流体的处理方式：旋翼通过高速旋转与流体对抗，而扑翼则是利用流体飞行。这一差异在能效、噪音、机动性上带来了根本性的不同。

鹰瞰智翼的产品分为两条路线演进：

• Eagle X（消费级）：通过扑翼结构实现滑翔与拍打的混合模态，在气流中借势飞行。产品已完成累计超3000架次的飞行测试，即将进入量产阶段。

• 下一代具身智能扑翼机器人：结合流体仿真引擎，实现更高级别的自主飞行决策。

扑翼机器人的具身智能意义

不同于传统的多旋翼无人机，扑翼机器人需要实时感知流体环境（风速、气流、温度梯度），并做出精细的飞行动作调整——这是一个典型的具身智能问题：感知-决策-执行必须在毫秒级完成，且动作的物理反馈直接决定下一次的决策。

从这个角度看，扑翼机器人是具身智能的一个天然应用场景，且其环境（开放天空）比室内场景更可控、更有规律。

行业数据

一句话总结

具身数据采集赛道正在重演AI数据标注行业的故事——资本蜂拥、商业模式存疑、真正能跑出来的公司必须手握仿真能力而非采集网络。扑翼机器人作为一个垂直品类，展现了具身智能在飞行场景中的独特价值，但其规模化路径依然取决于核心硬件和仿真引擎的突破。

来源：36氪/硬氪/量子位 | 时间：2026-07-12