2025年具身智能赛道融资规模突破329亿，资本热捧之下，行业也迎来了发展的关键节点。
当不少玩家还在机器人本体、场景落地的红海里厮杀时，灵初智能的一笔20亿元融资，让市场看到了具身智能发展的另一重核心逻辑 —— 解决数据稀缺的行业痛点，才是赛道破局的关键。这家成立仅一年多的具身智能公司，凭借独特的「小全栈」定位和创新的数据采集模式，成为上海国资重点押注的标的，也让「数据为王」成为具身智能下半场竞争的核心关键词。
灵初智能的这轮20亿融资，涵盖天使轮与Pre-A轮，资方阵容的「国家队」属性与产业布局逻辑十分清晰。天使轮有国开金融、央视融媒体产业投资基金等国家队资本，以及长飞光纤旗下基金等产业龙头入局；Pre-A轮则由上海徐汇资本领投，地方国资、市场化基金跟投，老股东还完成了超额跟投。
值得注意的是，领投的徐汇资本不仅刚参与阶跃星辰超50亿B +轮融资，还出资45亿元布局上海人工智能母基金，持续加码机器人与人工智能赛道。国资的密集布局，本质上是瞄准了具身智能赛道的核心矛盾：大语言模型的快速发展，依托于互联网可直接获取的海量文本数据，而具身智能所需的真实物理交互数据，收集难度大、成本高，早已成为行业发展的关键瓶颈。
当行业普遍意识到数据的重要性，数据采集也成了具身智能赛道的香饽饽，而灵初智能的核心创新，在于走出了一条差异化的轻量化采集路线。不同于行业主流的自建数采工厂这种重资产模式，灵初智能选择了分布式采集，核心载体是自研的21自由度外骨骼数据手套。自建数采工厂不仅投入高，还存在数据跨环境复用难、无法1:1还原真实场景导致数据损耗的问题，采集的多是难以跨机器人适配的「专才型数据」。
以数据手套为核心的采集模式，以人类双手为模板，贴合具身智能「向人类学习」的底层逻辑，采集的是通用性极强的「通才型数据」，只需少量后训练，就能适配不同形态的机器人，还能大幅降低硬件投入成本。
在当前主流的 UMI 数据采集模式中，灵初智能也实现了技术升级。最初的UMI模式以手持双指夹爪为核心，而灵初智能将其升级为多模态数据手套，能捕捉更精细的手部操作动作，让采集的数据在机器人端的泛化能力大幅提升。目前这款数据手套已实现硬件落地，北京地区的100套设备正在部署，预计不久后就能启动大规模数据采集，而此前公司已完成1万小时真实手套数据的验证，定下了2026年突破100万小时采集量的目标。为了实现数据的规模化采集，灵初智能还计划结合Web3.0打造众包体系，用户可购买或租赁数据手套，在家完成简单操作就能获得微报酬，让数据采集从专业场景延伸至普通用户，真正实现低成本、规模化。
灵初智能能在数据采集领域快速突破，与其「小全栈」的定位和扎实的团队技术功底密不可分。所谓「小全栈」，并非纯软件公司，也非什么都做的全栈硬件公司，而是精准取舍：不做底层核心零部件的研发与代工，将这部分交给专业机械厂商，却牢牢把控硬件设计的核心环节，从灵巧手的自由度、动作空间到核心结构参数，均由自研团队设计，既保证了技术反馈与调整的及时性，又避免了全栈模式的资源分散。
团队的研发实力更是核心支撑，创始人王启斌拥有二十年机器人与消费电子行业经验，联合创始人陈源培深耕灵巧手与人工智能领域，团队还有多位具身智能领域的学术中坚力量。在灵巧手研发上，团队早早意识到算法是核心，摒弃模仿学习，全程采用offline到online的强化学习训练模型，既提升了操作成功率，又能让模型自主优化操作速度，形成了独特的技术壁垒。
技术最终要落地，灵初智能在场景选择上的精准拆解，让数据采集与商业化落地形成了良性衔接。在家庭场景极端情况多难以闭环、传统工厂数据价值相对闭塞的现状下，公司锚定了半结构化的物流及零售场景，且并非泛泛布局，而是首站切入服装仓储环节。
这一选择背后是对行业的深度理解：服装仓储贯通仓、店、C 端全链条，拥有近万件 SKU，颜色、包装、尺寸各异，能天然提供海量多样性数据；而「扫码」这一核心动作，看似简单却要求99.9以上的成功率和稳定的作业节拍，恰好能发挥具身智能在非标自动化领域的价值。这种对场景的精细化拆解，让技术研发有了明确的落地方向，也让数据采集有了真实的产业需求支撑。
2025年的329亿融资，让具身智能从概念走向产业落地阶段，而2026年的行业发展，有人认为是商业化与订单的竞争，也有人认为会迎来残酷的淘汰赛。但从灵初智能的实践来看，无论行业如何发展，数据始终是具身智能的核心根基。
正如创始人王启斌所言，即便未来机器人能实现自学习，数据依然是模型迭代飞轮中的关键，只是商业模式会从外部采集转向场景数据回流，形成类似特斯拉自动驾驶的「数据 - 模型 - 产品」增强回路。而从长远来看，具身智能的终局也并非单一的人形机器人，而是多形态智能体与人类共生的状态，这其中，数据的流转、适配与复用能力，将成为新的竞争核心。
灵初智能的20亿融资，不仅是资本对数据采集赛道的认可，更预示着具身智能的竞争已从单纯的硬件比拼，转向核心能力的较量。在这场竞赛中，谁能率先完成百万小时级真实数据的积累，谁能打造出可复用、低成本的数据采集基础设施，谁就能在行业洗牌中占据主动。而这，或许正是具身智能从实验室技术真正走向产业化应用的关键一步。
