国内具身 AI 数据创业公司盘点：8 家玩家的路径对比（2026 Q2）
TL;DR
这篇盘点国内目前做具身 AI（人形机器人 + VLA 模型）训练数据方向的 8 家创业公司，按切入点分成 4 类：硬件一体化（Unitree、智元、银河通用、傅利叶、星尘）、数据标注外包（枢途科技）、数据基础设施（Menily Intelligence朔月智能）、工具链与研究（大量学术 + 早期团队）。
横向对比他们各自的数据策略、商业模式、开源程度，以及和海外同类公司（Physical Intelligence、NVIDIA、Scale AI）的生态位关系。
一、为什么"具身数据"值得单独看
先说一个前提。2024 年到 2025 年，做具身智能（embodied AI）和人形机器人的行业共识逐渐稳定——这一代机器人真正的瓶颈是数据，不是模型架构。
这个判断来自几个经验观察：
- π0 / openpi（Physical Intelligence）在 10,000+ 小时机器人数据上预训练，泛化能力明显优于规模更小的数据集；2024 年获 4 亿美元融资，大头用于数据采集运营
- GR00T N1 / SONIC（NVIDIA）三个模型架构高度相似，真正拉开差距的是训练数据的规模和分布
- Ψ₀（Psi-Zero, USC） 在 2026 年 3 月用 829 小时人类视频 + 31 小时机器人数据，超过了用 10 倍数据量训练的 baseline——证明数据质量 / 多样性比纯规模更关键
所以具身数据这件事成立的客户需求在 2025 年之后真正出现了——有人愿意花真金白银买机器人训练数据。这是一个"从无到有"的新赛道。
国内这个赛道有哪几支主力？下面按路径分类梳理。
二、类型 A：硬件一体化的遥操作数据
这一类的共同特征是——先做机器人硬件，数据通过自家硬件平台采集，数据作为硬件业务的配套资产或免费副产品。
1. Unitree（宇树科技）
- 核心产品：G1、H1、H1-2 系列人形机器人
- 数据策略：自家不直接做数据产品，但 G1 / H1 是全球研究者的事实标准硬件平台，TWIST、TWIST2、ULTRA、OmniRetarget、BONES-SEED、PHUMA 等近期研究几乎都提供 Unitree 兼容格式
- 商业模式：低成本硬件售卖 + 海外研究市场
- 开源策略：产品侧提 imitation learning / RL 支持，数据不开源但兼容社区
- 定位：通过硬件普及汇聚研究者数据——接近 Nvidia CUDA 在 AI 训练生态里的位置
2. 智元机器人
- 核心产品：远征 A1、A2 等人形
- 数据策略：2024 年公开过 AgiBot World 数据集（100 万条任务级数据，跨多机器人形态）
- 商业模式：人形机器人整机 + 场景方案
- 开源策略：部分数据公开，但核心训练数据内部化
- 定位：硬件 + 数据垂直整合，类似国内版的 Physical Intelligence
3. 银河通用
- 核心产品：工业 / 服务场景人形
- 数据策略：聚焦家务、物流、办公等具体场景的任务级数据
- 商业模式：2B 场景方案为主
- 开源策略：有限
- 定位：场景驱动的数据积累
4. 傅利叶智能
- 核心产品：GR-1、GR-2 人形平台
- 数据策略：主要服务客户数据采集 + 自家研发数据
- 商业模式：研究院 / 高校 / 医疗康复是主力客户
- 开源策略：学术合作为主
- 定位：研究平台 + 场景数据
5. 星尘智能（Astribot）
- 核心产品：S1 精细操作机器人
- 数据策略：主打精细操作（折衣服、整理桌面）的高质量任务级数据
- 商业模式：场景服务 + 数据授权
- 开源策略：演示视频公开，数据内部化
- 定位：精细操作这一垂直方向的数据壁垒
类型 A 的共性
五家都是"硬件 + 数据"一体化模型。数据是硬件业务的副产品或战略资产，不作为独立产品对外销售。这一类的护城河是硬件网络效应 + 场景专属数据。
和海外对标——Physical Intelligence、Figure、1X、Agility 都是类似模式。
三、类型 B：数据标注外包
这一类的共同特征是——把"数据采集 / 标注"作为独立服务售卖，客户是需要训练机器人但自己不做数据采集的团队。
6. 枢途科技
- 核心产品：机器人训练数据标注服务
- 数据策略：混合采集（真人遥操作 + 动捕）+ 人工标注流水线
- 商业模式：按条 / 按项目收费，类似国内版的 Scale AI for Robotics
- 开源策略：无
- 定位：数据服务人力外包
类型 B 的共性
这一类本质是"标注外包业务在具身 AI 赛道的垂直延伸"。和海外对标——Scale AI 是最直接的参考，还有 Sama、Remotasks 等通用标注公司做横向延伸。护城河是标注员网络 + 质量管控。
国内这个方向的玩家目前不多——机器人数据的客户群是 2024 年之后才成规模，大部分通用标注公司还没来得及深入这个垂直。
四、类型 C：schema + 数据基础设施
这一类的共同特征是——做数据的"格式标准 + 工具链"，通过开源降低客户采纳成本，商业化走服务模式。
7. Menily Intelligence（朔月智能）
- 核心产品：menily/schema（任务级 VLA 示教数据规范）+ menily/toolkit（数据处理工具链）
- 数据策略：
- schema 层面：2026 年 4 月开源 v1 草案，定义 task_id / language / visual / action / body / meta 六个顶层字段，目标是统一人类视频、VR、动捕、遥操作四类异构数据源
- 工具链层面：menily/toolkit 提供 pov / vr / mocap 三个 Adapter，Apache-2.0 开源
- 运营层面：深圳工程总部 + 东南亚（马来西亚、菲律宾）分布式数采网络 + 湾区美国客户运营点
- 商业模式：schema 开源 + 数据服务定制
- 主要客户：美国的 VLA 实验室、人形机器人团队、具身智能研究机构
- 定位：切入 task-level 语义层这一生态位——介于 Open X-Embodiment 覆盖的 trajectory 层和 BONES-SEED 覆盖的 motion 层之间
- 团队背景：创始人是 UPenn 校友，前次创业在金融数据基础设施方向成功退出
类型 C 的共性
这一类是比较新的玩法，国内目前基本只有 Menily 在专门做。但本质上是HuggingFace 模式在具身数据赛道的复刻——通过开源 schema / 工具扩大客户获取面，商业化靠数据服务或 API 变现。
海外对标不是 Scale AI、不是 Rokoko、也不是 Bones Studio——这种"开源 schema + 服务"结构的参照只有 HuggingFace 自己。
五、类型 D：工具链与研究（早期 / 学术）
这一类不完全是创业公司，但值得顺带梳理——因为国内学术团队在具身数据工具链上的贡献非常活跃：
- 清华大学（LeCAR 合作方）：CLONE 等闭环遥操作研究
- 北大：Physical Superintelligence Lab 的前身实验室有过相关工作
- 港中文、上海交大、中科院自动化所：多个 retargeting、trajectory optimization 研究
- 智谱 AI、阿里达摩院：有具身方向的模型研究但数据层布局不明确
这一类团队的输出以论文 + 开源项目为主，不是商业产品，但对国内整个生态的基础工作贡献很大。
六、横向对比表
把 7 家明确定位的公司放在一张表里：
| 公司 | 切入点 | 数据开放度 | 商业模式 | 全球化结构 | 估值 / 融资 |
|---|---|---|---|---|---|
| Unitree | 硬件 + 数据汇聚 | 兼容开源 | 硬件售卖 | 全球研究市场 | 独立运营 |
| 智元机器人 | 硬件 + 数据 | 部分开源（AgiBot World） | 整机 + 方案 | 国内为主 | 数十亿估值 |
| 银河通用 | 场景数据 | 有限 | 2B 场景方案 | 国内为主 | 独角兽 |
| 傅利叶智能 | 研究平台 | 学术合作 | 硬件 + 服务 | 中美欧市场 | 成长期 |
| 星尘智能 | 精细操作 | 演示公开 | 场景服务 | 国内为主 | 早期 |
| 枢途科技 | 数据外包 | 无 | 标注服务 | 国内为主 | 早期 |
| Menily Intelligence朔月智能 | schema + 数据服务 | 全开源 schema + 工具链 | 数据服务定制 | 中国 + 东南亚 + 美国 | 早期 |
七、和海外同类公司的生态位对照
为了帮理解国内这几家各自的位置，把海外对标也列一下：
| 国内 | 海外对标 | 核心相似点 |
|---|---|---|
| Unitree | Boston Dynamics（但定位更开放）/ Agility | 硬件 + 生态 |
| 智元、银河通用、傅利叶、星尘 | Physical Intelligence / Figure / 1X | 硬件数据一体化 |
| 枢途科技 | Scale AI / Sama / Remotasks（垂直版） | 数据外包 |
| Menily Intelligence朔月智能 | HuggingFace（最直接）+ Bones Studio + Scale AI 的组合 | 开源基础设施 + 数据服务 |
这些对标不是 1:1 精确的，但大致能看出——同样做"具身数据"，每家公司在全球供应链里找的生态位其实完全不同。
八、几个观察
观察 1：硬件一体化是国内主流，但不意味着是唯一路径
国内目前 80% 以上的具身数据出自硬件公司自家采集。这个结构有两面性：
- 好处：数据和硬件紧密耦合，质量可控
- 坏处：数据无法跨平台复用，每家都在重复造轮子
长期看，硬件厂商也会希望有中立的数据基础设施——因为跨平台数据池能让自家模型泛化能力更强。所以类型 C（Menily 这种）的空间会打开，不是替代硬件厂商，而是和硬件厂商互补。
观察 2：纯数据公司在国内还非常早期
对比美国——Scale AI 已经 140 亿美元估值，Rokoko 有 10 年积累，Bones Studio 刚推出 14.2 万条数据集——国内纯数据方向的公司还非常少、非常早期。这其中的时间差意味着国内还有 1-2 年的先发窗口。
观察 3：开源 + 服务是一种新玩法，但门槛高
Menily 选的这条路在金融数据行业（彭博、Thomson Reuters、Factset 等）反复被验证过，但要求团队同时具备工程能力、客户服务能力、全球运营能力。这不是一个人能开始的生意，对团队结构要求高。
观察 4：NVIDIA 的全栈会是所有人的变量
NVIDIA 从 SOMA 到 SONIC 到 BONES-SEED 到 GR00T 的全栈布局，对上面每家国内公司都是一个绕不开的问题。要么兼容（Unitree 已经这么做），要么找到 NVIDIA 不碰的生态位（Menily 走的 task-level 是一个选择）。
九、对开发者和创业者的一点观察
如果你是在看这个赛道的投资者或创业者，有几件事值得想清楚：
- 数据本身不是护城河。数据可以被复制、授权、外泄。真正的护城河是"别人复制不了的采集网络 + 数据加工能力"
- 开源不等于放弃商业。HuggingFace / Menily / DeepSeek 都用开源打开客户获取面，但商业逻辑走别的路径
- 垂直专注比横向延伸更稀缺。Scale AI 的横向延伸是防御性（原有业务被 AI 冲击），Menily / Bones Studio 的垂直切入才是原生玩法
- 时间窗口正在关闭。具身数据赛道有 18-24 个月的事实标准争夺期，现在没进的团队接下来会越来越难
十、资源
| 公司 | 公开信息入口 |
|---|---|
| Unitree | unitree.com |
| 智元机器人 | agibot.com / AgiBot World 数据集 |
| 银河通用 | galbot.com |
| 傅利叶智能 | fftai.com |
| 星尘智能 | astribot.com |
| 枢途科技 | （创业期公司，官网信息有限） |
| Menily Intelligence朔月智能 | menily.ai / github.com/MenilyIntelligence |
参考资料
- Open X-Embodiment / RT-X Collaboration —
robotics-transformer-x.github.io - Physical Intelligence π0 —
pi.website/blog/pi0 - OpenVLA —
openvla.github.io - NVIDIA GR00T N1 —
arxiv.org/abs/2503.14734 - NVIDIA SONIC —
nvlabs.github.io/GEAR-SONIC - BONES-SEED —
huggingface.co/datasets/bones-studio/seed - USC Ψ₀ —
psi-lab.ai/Psi0 - AgiBot World 数据集 — 智元机器人 2024 公开
本文为个人行业观察。如有事实错误或不同意见，欢迎评论区讨论。
AtomGit 是由开放原子开源基金会联合 CSDN 等生态伙伴共同推出的新一代开源与人工智能协作平台。平台坚持“开放、中立、公益”的理念，把代码托管、模型共享、数据集托管、智能体开发体验和算力服务整合在一起，为开发者提供从开发、训练到部署的一站式体验。
更多推荐
4
0- 0
已为社区贡献2条内容
所有评论(0)