沒(méi)等VC下場(chǎng)，機(jī)器人廠商們先投了一家數(shù)據(jù)公司

靈初智能、穹徹智能、浙江人形、智平方集體押注。

作者丨高景輝

編輯丨林覺(jué)民

2026年以來(lái)，具身智能市場(chǎng)依舊火熱，各路資本持續(xù)涌入，幾乎每天都有新的融資披露。

然而，有一家新公司在其中顯得十分特殊，它的股東不來(lái)自于任何一家投資機(jī)構(gòu)，而是四家具身智能企業(yè)。

這家公司，就是「智域基石」。

近日，智域基石完成數(shù)千萬(wàn)元天使輪融資，資方為靈初智能、穹徹智能、浙江人形、智平方。這種投資方的特殊性，來(lái)自于他們選擇的賽道——數(shù)據(jù)。

智域基石的定位是第三方數(shù)據(jù)公司，既不做本體，也不做模型，而是致力于構(gòu)建具身智能時(shí)代數(shù)據(jù)入口與訓(xùn)練輸入基礎(chǔ)設(shè)施。成立不到半年，他們?cè)谑值挠唵我延薪鼉|元。

那么，智域基石為何能收到四家知名機(jī)器人廠商的青睞？在具身這個(gè)已經(jīng)稍顯擁擠的賽道，智域基石又如何構(gòu)筑自身的壁壘？

01

三位核心高管，組成互補(bǔ)架構(gòu)

智域基石核心管理團(tuán)隊(duì)由 創(chuàng)始人/CEO 楊哲軒、CTO 徐良威、COO 張計(jì)業(yè)組成，團(tuán)隊(duì)背景覆蓋大數(shù)據(jù)、機(jī)器人技術(shù)、商業(yè)運(yùn)營(yíng)三大領(lǐng)域，形成能力互補(bǔ)的核心架構(gòu)，適配具身智能數(shù)據(jù)交叉學(xué)科的行業(yè)屬性。

創(chuàng)始人/CEO楊哲軒具備分布式數(shù)據(jù)庫(kù)與大數(shù)據(jù)產(chǎn)業(yè)從業(yè)經(jīng)驗(yàn)，曾任職于 PingCAP，主導(dǎo)過(guò)海量互聯(lián)網(wǎng)數(shù)據(jù)的存儲(chǔ)與多家公司商業(yè)化業(yè)務(wù)，核心負(fù)責(zé)企業(yè)戰(zhàn)略規(guī)劃、組織管理與商業(yè)判斷。

CTO徐良威為北京大學(xué)機(jī)器人領(lǐng)域?qū)I(yè)人才，曾就職于騰訊、鵬行智能，深耕機(jī)器人軟硬件與具身智能算法，實(shí)戰(zhàn)經(jīng)驗(yàn)豐富，主導(dǎo)智域基石的技術(shù)研發(fā)、硬件設(shè)計(jì)與數(shù)據(jù)標(biāo)準(zhǔn)制定。

COO張計(jì)業(yè)曾任前華為地市總經(jīng)理，以及具身智能公司「穹徹智能」生態(tài)負(fù)責(zé)人，現(xiàn)聚焦智域基石的商業(yè)化落地，負(fù)責(zé)場(chǎng)景拓展、政企合作與客戶交付。

組織架構(gòu)上，企業(yè)采用雙 CTO 模式，新增專職 CTO 負(fù)責(zé)數(shù)據(jù)編譯系統(tǒng)與大數(shù)據(jù)基建，徐良威側(cè)重機(jī)器人技術(shù)適配。這種設(shè)計(jì)源于行業(yè)特性：具身智能數(shù)據(jù)融合大數(shù)據(jù)工程與機(jī)器人技術(shù)，單一負(fù)責(zé)人無(wú)法覆蓋全技術(shù)鏈條，因此從組織層面拆分技術(shù)板塊，保障研發(fā)效率。

至于創(chuàng)業(yè)初心，創(chuàng)始人楊哲軒表示，這源于團(tuán)隊(duì)對(duì)行業(yè)的核心判斷：從大語(yǔ)言模型發(fā)展的歷程來(lái)看，算法和算力沒(méi)有成為限制模型發(fā)展的阻礙，這是因?yàn)槠鋽?shù)據(jù)來(lái)源充足且廉價(jià)；智能駕駛的發(fā)展也沒(méi)有被數(shù)據(jù)阻礙，是因?yàn)檎峁┝嗣赓M(fèi)的基建，讓道路成為一個(gè)結(jié)構(gòu)化的場(chǎng)景。

但具身智能涉及千行萬(wàn)業(yè)，場(chǎng)景不僅復(fù)雜，還相對(duì)封閉，采集成本十分高昂，需要投入大量人力，因此制約具身智能發(fā)展的關(guān)鍵問(wèn)題一定是數(shù)據(jù)。而這個(gè)問(wèn)題，就需要有人來(lái)解決，恰好創(chuàng)始團(tuán)隊(duì)對(duì)此第一時(shí)間達(dá)成了共識(shí)，智域基石便因此成立。

也正是因?yàn)槟繕?biāo)明確，智域基石團(tuán)隊(duì)秉承務(wù)實(shí)主義的原則，拒絕行業(yè)概念炒作，以場(chǎng)景落地為核心導(dǎo)向，不盲目擴(kuò)張規(guī)模，聚焦技術(shù)標(biāo)準(zhǔn)化與商業(yè)閉環(huán)構(gòu)建，核心競(jìng)爭(zhēng)力聚焦于跨領(lǐng)域技術(shù)整合能力與產(chǎn)業(yè)落地經(jīng)驗(yàn)。

目前，智域基石團(tuán)隊(duì)規(guī)模約 20 余人，架構(gòu)精簡(jiǎn)，主要覆蓋研發(fā)、商業(yè)化、職能三大板塊。

02

聚焦數(shù)據(jù)本身，不做四件事

就像大多數(shù)第三方具身數(shù)據(jù)公司一樣，智域基石的核心商業(yè)模式圍繞數(shù)據(jù)采集、編譯加工、標(biāo)準(zhǔn)化交付展開(kāi)，但不同的地方，在于其“不做”的部分。

作為一家數(shù)據(jù)公司，在創(chuàng)立之初往往就要確立業(yè)務(wù)的邊界，根據(jù)自身的稟賦選擇相應(yīng)的細(xì)分賽道。對(duì)“哪些業(yè)務(wù)能做、哪些業(yè)務(wù)做不了”問(wèn)題的回答，也決定了其商業(yè)模式和組織形態(tài)。

而智域基石的答案非常清晰，明確了四件不做的事：

不做本體：智域基石剛創(chuàng)立時(shí)便確立核心定位，堅(jiān)定只做數(shù)據(jù)生意，不涉足機(jī)器人本體研發(fā)制造領(lǐng)域。團(tuán)隊(duì)聚焦數(shù)據(jù)的生產(chǎn)、加工與回流全鏈路服務(wù)，依托數(shù)據(jù)編譯技術(shù)構(gòu)建核心能力，與產(chǎn)業(yè)鏈本體廠商形成純粹的協(xié)同合作關(guān)系，不跨界競(jìng)爭(zhēng)，始終堅(jiān)守第三方數(shù)據(jù)基礎(chǔ)設(shè)施服務(wù)商的業(yè)務(wù)邊界。

不做模型：智域基石明確無(wú)意研發(fā)具身智能模型，劃清與模型廠商的業(yè)務(wù)邊界。其團(tuán)隊(duì)始終以數(shù)據(jù)供給方的身份服務(wù)行業(yè)，不參與算法研發(fā)競(jìng)爭(zhēng)，不站隊(duì)任何模型技術(shù)路線，以中立姿態(tài)為全行業(yè)模型訓(xùn)練提供數(shù)據(jù)支撐。

不做設(shè)備生意：針對(duì)自研的 EGO centric 數(shù)據(jù)采集設(shè)備，智域基石明確不會(huì)對(duì)外售賣設(shè)備，僅將其作為內(nèi)部數(shù)據(jù)采集的核心工具。創(chuàng)始人認(rèn)為，設(shè)備是數(shù)據(jù)壁壘的重要組成部分，核心商業(yè)化業(yè)務(wù)始終聚焦數(shù)據(jù)服務(wù)本身，通過(guò)自研設(shè)備采集全量人類勞動(dòng)數(shù)字化信息，可鞏固數(shù)據(jù)生產(chǎn)的入口壁壘，不必將硬件作為盈利產(chǎn)品。

（目前）不做家庭場(chǎng)景：智域基石錨定工業(yè)為具身智能核心落地賽道，團(tuán)隊(duì)直言工業(yè)是具身智能最重要的落地機(jī)會(huì)，并理性判斷家庭場(chǎng)景短期難以規(guī)?；涞亍；谥袊?guó)區(qū)縣工業(yè)經(jīng)濟(jì)的特點(diǎn)，智域基石與地方政府深度合作，搭建數(shù)據(jù)采集工廠，形成采集、訓(xùn)練、部署、數(shù)據(jù)回流的完整閉環(huán)，摒棄資本市場(chǎng)偏好的家庭場(chǎng)景敘事，專注于可快速實(shí)現(xiàn)商業(yè)價(jià)值的工業(yè)封閉場(chǎng)景。

未來(lái)，隨著核心管線的打磨成熟，智域基石計(jì)劃將前期沉淀的通用動(dòng)作與場(chǎng)景，提煉為開(kāi)箱即用的行業(yè)標(biāo)準(zhǔn)數(shù)據(jù)集，覆蓋更廣泛的客戶群。再往后，智域基石將打造通用基座，全面升級(jí)為具身智能通用數(shù)據(jù)基礎(chǔ)設(shè)施，構(gòu)建數(shù)據(jù)交易市場(chǎng)與開(kāi)發(fā)者生態(tài)。

03

構(gòu)建自動(dòng)化編譯管線，需要五個(gè)環(huán)節(jié)

針對(duì)具身智能真機(jī)數(shù)據(jù)多模態(tài)、非標(biāo)化的行業(yè)現(xiàn)狀，智域基石設(shè)計(jì)了質(zhì)檢、底座、編譯、檢索、交付五個(gè)環(huán)節(jié)的數(shù)據(jù)處理管線，用于將物理世界采集的原始數(shù)據(jù)，處理為可直接用于機(jī)器人模型訓(xùn)練的標(biāo)準(zhǔn)化數(shù)據(jù)。

質(zhì)檢環(huán)節(jié)作為數(shù)據(jù)預(yù)處理的前置流程，該環(huán)節(jié)對(duì)攝像頭、IMU、機(jī)器人關(guān)節(jié)等傳感器原始數(shù)據(jù)開(kāi)展基礎(chǔ)校驗(yàn)，識(shí)別并處理丟幀、數(shù)據(jù)漂移、信號(hào)異常等問(wèn)題。

底座環(huán)節(jié)主要完成數(shù)據(jù)的時(shí)空對(duì)齊處理，解決數(shù)據(jù)結(jié)構(gòu)化問(wèn)題。該環(huán)節(jié)對(duì)人體 / 機(jī)器人本體、操作工具、目標(biāo)物體、物理環(huán)境進(jìn)行三維空間坐標(biāo)統(tǒng)一，將非結(jié)構(gòu)化原始數(shù)據(jù)轉(zhuǎn)換為幾何結(jié)構(gòu)化數(shù)據(jù)，為后續(xù)特征提取提供數(shù)據(jù)基礎(chǔ)。

編譯環(huán)節(jié)是數(shù)據(jù)處理的核心流程，完成幾何信息向語(yǔ)義特征的轉(zhuǎn)換處理。該流程提取動(dòng)作描述、空間關(guān)系、操作目標(biāo)等語(yǔ)義信息，并推理補(bǔ)充觸覺(jué)接觸、末端執(zhí)行狀態(tài)等原始數(shù)據(jù)中未直接采集的衍生特征，適配不同具身模型的訓(xùn)練數(shù)據(jù)格式要求，處理后的數(shù)據(jù)可滿足模型訓(xùn)練的基礎(chǔ)輸入需求。

檢索環(huán)節(jié)面向海量數(shù)據(jù)管理需求，搭建多維度數(shù)據(jù)標(biāo)簽體系。其按照應(yīng)用場(chǎng)景、操作技能、目標(biāo)物體等維度對(duì)數(shù)據(jù)進(jìn)行分類，支持客戶根據(jù)預(yù)訓(xùn)練、微調(diào)等不同訓(xùn)練階段，篩選匹配的定制化數(shù)據(jù)集，提升海量數(shù)據(jù)下的篩選效率與匹配精度。

交付環(huán)節(jié)為數(shù)據(jù)處理的最終輸出流程，將處理后的數(shù)據(jù)封裝為 HDF5、ZARR 等行業(yè)通用格式，兼容 PyTorch、TensorFlow 等主流訓(xùn)練框架，并采用多云與混合云結(jié)合的部署方式，優(yōu)化數(shù)據(jù)存儲(chǔ)成本。

整體來(lái)看，該處理管線實(shí)現(xiàn)了后端加工環(huán)節(jié)的自動(dòng)化運(yùn)行，僅在前端真機(jī)數(shù)據(jù)采集環(huán)節(jié)保留人工與場(chǎng)景工廠配置，替代了行業(yè)傳統(tǒng)的人工處理模式，在處理成本、作業(yè)效率、數(shù)據(jù)標(biāo)準(zhǔn)化三個(gè)維度形成工程化處理能力，可支撐規(guī)?；木呱碇悄軘?shù)據(jù)供應(yīng)。

未經(jīng)「AI科技評(píng)論」授權(quán)，嚴(yán)禁以任何方式在網(wǎng)頁(yè)、論壇、社區(qū)進(jìn)行轉(zhuǎn)載！

公眾號(hào)轉(zhuǎn)載請(qǐng)先在「AI科技評(píng)論」后臺(tái)留言取得授權(quán)，轉(zhuǎn)載時(shí)需標(biāo)注來(lái)源并插入本公眾號(hào)名片。