2026年最热的赛道莫过于Physical AI，但行业出现了一种少见的估值倒挂：机器人本体厂商还在为量产爬坡挣扎，数据服务商的估值却已站上独角兽线。光轮智能2026年6月估值突破150亿元，成为全球首个具身数据独角兽；灵初智能2026年8月估值迈入百亿元级别；觅蜂科技成立十天就拿到数亿元融资。
钱来得有多急？2026年至今，机器人赛道总融资超过345亿元，其中砸向数据采集领域的超过100亿元。若把仿真合成类公司也算进来，具身数据这个大盘子在上半年就吸走约170亿元，融资事件25起。头部数采公司中大量企业成立于2024年之后，有几家成立不到一年，多数融资轮次停留在A轮之前，但单轮融资超过10亿元的已有4家：它石智航、光轮智能、千寻智能、灵初智能。下注方不只是市场化VC，本体厂商、国家级基金、地方政府和国资基金都在投。与融资同时公布的还有大订单，比如光轮智能2026年一季度新增订单5.5亿元，灵御智能披露意向订单3亿元、在手订单1亿元。
这股急迫源于一个确定性需求：数据荒。机器人大模型是否遵循LLM式的Scaling Law，在2026年2月之前还只是信仰，但EgoScale论文把它变成了实证——数据规模与任务能力之间存在可测算的幂律关系。互联网上有万亿级token的文本语料，而机器人可用的真实物理交互数据全球加起来只有约50万小时，缺口高达99%。
缺口就是市场。这个市场如今挤进近百个玩家，其中七成在做采集，同一种抓取、分拣、开门的数据人人都在采，因为最好标注、也最容易商业化，还带火了日薪250元的宝妈数采员。目前做数据的服务商大致分三类：一是本体公司自己下场，如智元、千寻智能、优必选，优势是硬件反哺数据、绑定生态；二是独立数据服务商，如光轮智能，同一份高质量数据可卖给多家客户、反复变现；三是互联网大厂亲自圈数据，动静最大的是京东和百度，其人力成本是固定支出、采集边际成本接近于零，未来可能对独立数据服务商的定价权形成长期压制。
但火热之下裂缝已现。8月28日，据南方都市报报道，位于北京石景山区首钢园的北京首个人形机器人数据训练中心已停止运营，原合作方睿尔曼智能因数据采集模式调整撤出。该中心2025年3月揭牌，占地3000平方米，曾部署100多台机器人，搭建家庭康养、特种作业、汽车装配等十大实景场景。运营方解释停运原因之一是实验室遥操采集的数据“太干净”，无法覆盖真实世界的光线干扰、物料偏差、场地不平、工况异常等物理变量。
有投资人把国内数采公司的账翻过一遍后指出，近期越来越多实采数据工厂停运，原因在于成本太高、数据不好用。一套数采工厂的硬投入包括设备、operator薪酬和场地三项，真机遥操数据单有效小时成本在500至1000元区间，无本体数据也要200至400元，加上设备折旧和人员管理费，没有规模化订单摊薄，工厂很难自负盈亏。数据不好用则是因为大量采集集中在抓取、分拣、开门这几类最易标注的场景，结构高度同质；而真机数据强绑定特定本体，换一台机器人就要重新训练，模型公司买回去常常发现能看不能用。
订单也存在虚实差距。有数采行业人士透露，签约订单对应的真实收入大概在1到2亿元量级，其余是分批执行的合同额度；一些公司订单看起来金额大，但其实是意向订单，转化率在一至三成不等。
更值得注意的是头部数采公司背后的资本结构。有3家背后站的是同一批机器人本体公司：智元机器人投了灵初智能的种子轮；智域基石的天使轮来自灵初智能、穹彻智能、浙江人形、智平方4家机器人公司，这四家既是投资人也是首批客户；觅蜂科技是智元自己孵化的，从成立之初就带着智元的资源与订单起跑。上下游在互相投资自己——本体公司缺数据，就投资或孵化数采公司为自己供货；数采公司拿到融资后建工厂、招operator、买设备，再把数据卖回给本体公司。有观察者形容，表面上是两家公司都在增长，实际上是同一批钱在两家资产负债表上算了两遍。
那么谁赚到了钱？有从业者盘点：可能是赚估值倍数的早期股东、套现部分股权的创始人、赚设备场地人力生意的配套服务商、本体厂商的投资收益，甚至BD、PR和宝妈数采员都赚到了，而数采公司自己暂时是这条链上干活最重、离钱较远的一环。但最终买单的是机器人本体厂商和背后的VC，他们愿意持续买单的前提只有一个：机器人要能学会干活。
供给侧的不确定，根源在技术路线还没收敛。按数据来源分有人类第一视角视频、互联网公开视频、真机遥操作、部署日志回采、仿真合成；按采集方式分包括遥操、穿戴式采集、本体自采、众包采集；按硬件形态分本体采集和无本体采集；按生成方式分真机数据和仿真合成数据。落到2026年上半年的融资分布上，钱其实只压在了两个判断上：一派押真机实采，代表玩家是觅蜂等，核心叙事是“机器人要学真本事就得喂真数据”；另一派押仿真合成，代表玩家是云道智能、智澄AI等，核心叙事是“真机数据又贵又慢，仿真能指数级放大规模”。两派都拿到了大钱，也都有人新晋独角兽。
但趋势正在变化。2025年之前，具身大模型训练数据中仿真合成数据占比高达80%到90%；到2026年，“人类数据”的浓度和认可度明显提升，头部开始朝双路线布局，比如光轮从仿真起家，现在是双线并行。背后一大原因是，一个在仿真环境里做到89%成功率的策略，落到真机上只剩12%。
扎根仿真赛道12年的云道智能认为，越接近开放环境、越依赖接触和长链路决策，虚实差距就越大，摩擦、间隙、材料形变、末端执行器特性、电机迟滞，再叠加相机角度、光照和现场物料波动，都会影响结果。其观点是，这不是仿真变弱，而是行业从“先解决规模”进入“必须由真实世界锚定规模”的阶段；仿真的核心不是规模大而是分布广，真机和仿真不是替代关系而是分工。云道智能还指出，当前真正的瓶颈在跨本体、跨场景的泛化能力，行业至今没有独立可复核的误差基准，仿真数据的质量验证还没有公共答案。
投资方云道资本创始人曹稷山认为，合成数据路线理想状态下公司很值钱，但业界早期看法并不特别乐观，仍需足够多客户与订单验证可行性；数据会贬值、会变老，持续生产数据的能力比数据本身值钱，只卖数据、离客户太远的公司拿不到反馈，数据资产会老化。他认为数采平台一定会出现很牛的公司，路径上软硬件解决方案比纯数据更有机会，硬件有技术壁垒再往上走往往更容易，可能得掐住6到12个月的窗口，但最终必须有头部客户交付能力，要做Tier 1，不能长期做分包商。他的逻辑锚点是一笔重磅交易：2025年年中，数据标注巨头Scale AI“卖身”Meta，这证明数据公司可以讲出独立的资本故事。但这个锚点本身也值得多想一层——一家公司从标注起家，如果最终归宿是被大模型巨头或本体收编，是否意味着目前的商业模式还没到能够独立IPO的时刻？
尽管路线未收敛，一个被普遍认同的观点是：堆量不赚钱。单纯靠人工采集堆小时数，容易变成重资产、项目制服务；真正有长期价值的是把真实数据、仿真生成、模型评测和部署反馈连成闭环。云道智能认为行业接下来至少要过三关：数据是否标准化，格式、标注、物理参数、质量评价、来源合规和可追溯性能否形成共同语言；数据是否真正有效，能不能在真实机器人上提升成功率、降低调试周期和试错成本；商业模式是否成立，数据能否跨客户、跨任务、跨本体复用，能否从一次性项目交付变成持续的训练、评测和部署反馈服务。
另有“算法派”投资人认为，具身破局的关键不是数据也不是传感器，而是世界模型，瓶颈卡在“大脑”，短期可量化的验证指标只有一个：scaling十倍。据其说法，现在头部世界模型在70亿到100亿参数，“谁能把它后边加一个零，谁就在短期跑出来”。
行业种种目前皆在动态演变，未分出绝对胜负，但淘金的“铲子”已经在一级市场卖出了金子的价。有不止两位VC和从业者判断，具身的GPT时刻大概率会在2027年上半年到来，在此之前赛道正迎接前所未有的压力测试。2026年至今的大额融资数据，与其说是一级市场选出了路线，不如说市场对每一条能讲清稀缺故事的路线都下了注——VC不是在押哪一派对，而是在确保自己不缺席可能对的那一派。