灵初智能、穹彻智能、浙江人形、智平方联合投资。
作者 | 高景辉
编辑 | 林觉民
近年来，具身智能持续领跑一级市场投资热点。融资活跃度攀升，行业玩家加速涌入，本体研发、模型迭代及场景应用竞争日益白热化。
智域基石在此背景下脱颖而出。作为专注具身智能数据基础设施的新锐企业，该公司避开了机器人本体与基础模型等热门赛道，聚焦于底层数据链路的标准化建设。
该公司近期完成数千万元天使轮融资，投资方涵盖灵初智能、穹彻智能、浙江人形、智平方及紫江集团旗下小苗朗程。这一产业资本主导的投资结构，反映出行业对数据基础设施环节的早期共识。
智域基石定位为具身智能数据基础设施服务商，通过构建数据入口、编译与训练输入体系，打造行业底层能力。成立不足半年，公司已储备近亿元级项目合作。
交叉学科团队构建复合能力
管理层配置凸显跨领域融合特征。创始人兼CEO杨哲轩具备分布式数据库产业经验，曾主导PingCAP海量数据基础设施商业化；CTO徐良威拥有腾讯及鹏行智能的机器人研发背景，专攻硬件方案与数据标准；COO张计业专注产业合作与场景落地。
团队采用双轨技术架构：一端适配机器人技术，另一端强化数据编译系统。这种分工源于行业特性——具身智能数据需融合机器人本体、传感器、物理环境及多模态数据处理能力，单一技术团队难以闭环。
数据瓶颈：具身智能的底层挑战
创始人杨哲轩指出，行业瓶颈不仅在于模型与算力，更在于高质量交互数据的供给能力。与互联网文本数据不同，物理世界采集的视频、IMU、关节状态等数据具有多模态、强时序、强耦合特征，必须绑定任务目标与环境反馈方能转化为有效训练样本。
核心难点在于数据“可用性”：时钟漂移、传感器失同步或缺少动作语义标记，将直接降低训练价值。成功轨迹固然重要，但失败样本、纠偏过程等高信息密度数据更决定模型在真实场景的鲁棒性。
构建数据炼化层：五步处理管线
质检
首道环节执行多源传感器数据完整性校验，筛查丢帧、时钟漂移及校准失效问题，确保基础数据与动作映射的准确性。
底座
解决多模态数据时空对齐问题，将异构设备数据映射至统一底座，为后续样本构建奠定基础。
编译
核心环节将连续物理轨迹切分为结构化样本单元，补充任务语义、动作边界及成败结果，实现从“原始记录”到“训练资产”的转化。
检索
建立基于场景、任务、失败模式的索引体系，实现海量数据资产的精准筛选与调用。
交付
通过标准化封装数据集、元数据及版本信息，输出可直接接入客户训练体系的数据产品。
该管线通过前端保留必要人工介入、后端提升自动化，优化交付效率与成本结构，强化工程化能力。
To B场景优先：商业化落地路径
智域基石战略聚焦制造、仓储、医疗等To B领域。相较于家庭场景，B端任务密度高、反馈链条短，更易形成“采集-训练-部署-回流”的闭环数据循环。
To B场景虽面临私有化部署、本地合规等挑战，但其高频数据回流特性，有助于沉淀可迁移模型能力。公司判断具身智能将率先在工厂、医院等半结构化场景实现能力落地。
产业投资与开放生态协同
成立半年内，公司已储备近亿元级项目，客户覆盖机器人厂商及产业链伙伴。产业资本的早期注资加速了场景验证进程，同时公司保持对模型厂商的开放中立性。
短期聚焦数据采集与交付能力打磨；中期目标将通用经验抽象为标准化工具链；长期致力于构建具身智能数据底座平台，形成开放生态体系。
行业价值：数据基础设施进入关键期
当行业视线集中于模型泛化与本体降本时，智域基石着力解决更底层的工程化命题：如何将物理世界记录稳定转化为模型训练输入。这条数据链路的成熟，将决定具身智能从技术突破迈向规模化落地的节奏。
随着“采集-编译-训练-部署-回流”全链路价值凸显，数据基础设施赛道正进入实质收获期。
