作者丨卜松
编辑丨刘恒涛
图源丨吉晟资本
具身智能处于早期阶段：类比2016年新能源汽车
“现在具身智能还处于产业早期，真正的大规模增长还没有到来。如果类比新能源汽车行业，现在的具身智能发展阶段，大概相当于2016年、2017年的新能源汽车。”吉晟资本管理合伙人宋运东表示。
2026年，具身智能企业备受资本市场追捧。宋运东用一句话概括当前现状：“95%的钱在找5%的项目”。部分公司甚至同时推进多轮融资，投资机构刚进入投决程序，项目估值可能已再次上涨。更有甚者，部分创业公司拒绝投资机构进行尽职调查。
与融资热度并行的，是行业对数据的激烈讨论。尽管各地纷纷建立数据采集工厂，但宋运东指出，数据数量并不等同于价值。具身智能真正稀缺的是具备高场景泛化、高任务联动能力的数据，以及可靠性闭环数据和结构化决策数据。相比虚拟仿真生成的合成数据，来自真实工业、家庭及特殊场景的数据更具核心价值。
这一观点决定了吉晟资本对数据公司的评估逻辑：不单纯看数据体量，而是关注数据产生的实际价值。评估维度涵盖数据来源、采集方法、分类方式，以及数据的量化、确权、复用和迭代能力。缺乏独特采集工具和数据处理能力的企业，仅被视为数据贸易商，投资价值有限。
宋运东预判，未来数据价值将显著分化：通用场景数据价值迅速下降，而高复杂性、高交互性、高真实性的数据依然稀缺且昂贵。值得投资的是能将数据转化为可复用标准化资产的企业，而非依赖人工堆砌的外包服务商。
凭借深厚的汽车产业背景，吉晟资本习惯以车规级标准审视机器人公司，重点关注安全、成本和产品一致性。从样机到万台量产，中间存在巨大的工程化鸿沟。宋运东认为，目前拥有600多家本体公司和上千家零部件公司的行业格局，将在未来五至八年经历类似互联网和新能源汽车行业的出清过程。
以下为《创业邦》与吉晟资本宋运东的访谈对话，内容有删节。
合成数据价值有限，真实场景数据才是核心
行业真正缺的是具备泛化与闭环能力的数据
创业邦：现在几乎所有具身智能公司都在讲缺数据，各地也建起了不少数采工厂。但从投资人的角度看，行业今天真正缺的是什么样的数据？
宋运东：从资本视角看，具身机器人真正稀缺的是具备高场景泛化、高任务联动能力的数据，以及可靠性闭环数据和结构化决策数据。
虽然虚拟仿真可以生成大量合成数据，但其价值相对有限。真正有价值的数据往往源自真实的工业、家庭及特殊场景。数据多不等于有价值，产业投资端更关心数据能否帮助机器人形成新的能力。
例如失败数据至关重要。通过记录机器人执行任务时的错误动作，可以帮助其形成行为边界，明确能做与不能做的界限，进而通过训练提高泛化能力。
路边摊主采集数据在初期有价值，但长期局限明显
创业邦：前段时间甚至有路边摊主戴着第一视角采集设备，一边工作一边收集数据。这类数据对机器人训练究竟有多大价值？
宋运东：在初期训练阶段，这类数据是有价值的。机器人需要经历数据采集、基础训练和场景泛化过程，早期单一场景数据有助于建立基本能力。
但从中长期看，其训练价值相对初级。机器人未来需面对更复杂的环境，必须回归真实场景以获取更丰富的数据。因此，我们判断数据公司时，不看采集量，而看数据最终产生的价值。
自动驾驶经验可复用，但需解决非结构化场景难题
创业邦：自动驾驶已经用了十多年建立数据采集、标注、训练和回传的闭环。现在不少自动驾驶人才进入具身智能领域，哪些经验可以复用？
宋运东：最值得复用的是数据闭环经验，包括数据工程化、分类分级、标注、仿真及整个数据处理体系。自动驾驶已形成成熟的方法论，这些工程化经验对具身智能大有裨益。
然而，两行业环境差异巨大。自动驾驶主要处理规则化的道路环境，侧重避障和路径规划；而机器人需处理大量非结构化场景及真实物理操作。力、光、电等因素的变化均会影响动作执行结果，这些问题需重新解决。
许多从自动驾驶转向具身智能的创业者，在AI应用理解和工程化能力上具备优势，能够有效地将数据采集、训练和应用组织成完整体系。
图源：摄图网
通用数据贬值，高复杂性数据依然昂贵
创业邦：现在世界模型发展很快，仿真数据、合成数据、互联网视频都能用于训练。未来真实数据会越来越贵，还是有些数据会迅速贬值？
宋运东：我认为会出现明显分化。一些通用场景的数据价值将迅速下降，但高复杂性、高交互性、高真实性的数据依然具有极高价值。
调研显示，高价值数据因真实环境变量众多而采集成本高昂。光线变化、设备调整或场景细微变动都可能产生新的数据需求，增加变量即改变数据价值。随着技术普及，普通数据采集门槛降低，但复杂场景数据仍将保持稀缺。
判断数据公司的核心维度：从采集到资产化
数据资产化的标准：可复用与标准化
创业邦：吉晟资本此前投资相关项目时，特别强调从真实产线形成标准化训练数据资产。一家公司积累的数据达到什么程度，你才愿意把它称为资产？
宋运东：我们常探讨数据采集公司与普通数据服务公司的区别。以电池产线检测为例，相关企业依托原有设备业务积累了真实生产场景。我们从这些场景中提取40多个关键场景，拆分任务，通过专用工具采集数据并回传至训练场和中试基地。
机器人在此过程中进行训练，识别错误操作并预判问题。通过对比不同机器人在同一场景下的表现，既能提升机器人能力，也能识别各厂商优劣。因此，我们希望企业具备机器人训练场和中试基地能力，能持续提供训练、测试和评价服务，实现数据反复利用。
区分数据贸易商与核心技术企业的指标
创业邦：但现在不少公司都声称自己拥有数据壁垒。你们怎么判断这些数据到底有没有价值？
宋运东：我们会从数据来源、采集方法、分类方式，以及数据能否量化、确权、复用和迭代等多个维度进行判断。
随着采集工具普及，单纯采集不再是高门槛。企业间的差异体现在特殊场景处理能力、采集策略及数据跨场景复用能力。若企业仅收集数据而无独特工具和处理能力，则更像数据贸易商，投资价值有限。
商业模式演变：从人工采集到产品化模型
创业邦：现在很多数据公司的收入来自替客户采集数据，如果长期依赖人工，很容易变成高人力成本的服务公司。你怎么看这种商业模式？
宋运东：这是数据公司面临的共性问题。我将数据公司发展分为三个阶段：
- 第一阶段是人工采集，早期依靠人力积累数据不可避免；
- 第二阶段是工具复用，形成标准化采集工具、方法及数据处理策略；
- 第三阶段是产品化和模型化，将数据转化为标准化产品或在垂直场景形成模型。
关键指标是企业收入增长率与人工成本增长率的关系。若两者同步增长，说明仍依赖人工交付，商业模式偏向外包。只有当客户愿意持续使用，数据和模型不断迭代，企业才能获得更高估值。
透过POC看商业化成熟度
创业邦：一些机器人公司声称已经有很多产品落地，但仔细了解后，可能只是完成了POC，也就是概念验证。你们怎么判断它的商业化进展？
宋运东：我们从产业端真实场景反推。考察企业数据模型的应用场景、采集方式、工具及解决的问题。即使是POC也有验收标准，可通过这些指标反向判断产品和数据质量。
在商业化阶段，我们关注客户结构。若前五大客户频繁更换，说明产品复用性差，商业模式未成熟。对于拟融资或IPO的公司，重点考察产品化能力、客户结构、科技属性、团队能力及案例的可复制性。
产业资本视角：安全、成本与一致性是关键
以车规级标准审视机器人量产能力
创业邦：吉晟资本有很强的汽车产业背景。产业资本评估具身智能项目时，会不会比财务投资人更加严格？你们最关心哪些指标？
宋运东：从汽车产业角度，我们主要关注安全、成本和一致性。车规级要求产品不仅演示成功，更要在万台量产中保持稳定。
工程化过程中，我们关注“1万小时”指标，即设备连续运行1万小时不停机、不出故障。此外，还需评估产品的成本、效率、一致性及为客户带来的实际价值。从实验室到产品跨越巨大鸿沟，需要团队、工程化能力、产业链及场景共同配合。
图源：摄图网
科学家创业：角色定位与团队协作
创业邦：现在不少具身智能公司由科学家和AI研究人员创办。你们看项目时，是否还会把学术背景放在很重要的位置？
宋运东：学术背景反映专业能力，但企业发展还涉及商业化、管理和战略。我们先讨论战略方向，再探讨产业、产品及资本规划，以此判断团队将技术转化为产品的能力。
具身智能需要机械、光电、软件、算法、制造等多技术结合。未来有价值的AI公司需具备软硬一体化的系统解决能力，跨学科综合应用能力愈发重要。
创业邦：但科学家创业也有一个现实问题。有些人技术能力很强，却未必擅长管理公司。你们会建议科学家只担任首席科学家，再找一位懂商业化的人做CEO吗？
宋运东：我们会根据人、团队和产品具体情况建议。有些科学家适合做创始人，有些适合做首席科学家或负责底层开发。若团队在产品化阶段遇到障碍，我们可能建议科学家专注技术，引入专业人才负责产品化、工程化和经营管理。
投资热潮下的冷思考：行业出清尚未到来
95%的资金追逐5%的项目
创业邦：今年具身智能融资非常热，世界模型又成了热门方向。你有没有感受到投资机构普遍存在的焦虑？
宋运东：确实存在“95%的钱在找5%的项目”的现象，导致热门项目估值不断上涨，投资人焦虑加剧。部分企业甚至同时推进多轮融资，价格各异。
面对此况，我们回归产业周期和实际应用场景。我们将应用分为四五十个场景，分析适合的机器人形态。即使错过热门项目，也可通过提供场景、参与产品讨论等方式与机器人公司合作，发挥产业资本优势。
图源：摄图网
尽调难度增加，产业资源成破局关键
创业邦：具身智能火起来以后，你有没有觉得投资人的尽调变得更难了？
宋运东：确实变难。部分项目方提出“三无”要求（不进厂、不访谈、不深入了解）。但作为产业投资机构，我们能提供战略、场景和管理经验，因此更受企业欢迎。此外，产业背景使我们更容易通过行业资源核实信息，而缺乏资源的财务投资人核实难度较大。
警惕“数据平台”陷阱，关注独特能力
创业邦：如果一家创业公司拿着“具身数据平台”的商业计划书来找你，什么情况会让你觉得这个项目不值得继续看？
宋运东：首先看数据来源是否真实，能否确权、交易和复用。若企业仅汇集他人数据搭建平台，无自有采集工具、方法和分类体系，则价值有限。必须形成独特能力，如独有采集套件或在数据处理应用方面的优势，否则仅是贸易商，难以形成投资价值。
避免唯AI论，重视系统能力
创业邦：如果三年以后再看今天这轮具身智能投资热潮，你觉得行业现在最可能看错什么？
宋运东：大家可能过度归结于AI模型迭代和数据堆积。机器人涉及机械、光电、软件、算法及场景客户等多学科交叉。仅关注软件或数据单一层面，无法形成完整系统能力。当前的某些共识未来未必正确。
具身智能尚处早期，静待行业大浪
创业邦：现在也有人认为，具身智能可能不会出现类似ChatGPT的突破时刻。你怎么看？
宋运东：这取决于产业阶段。具身智能目前处于早期，相当于2016-2017年的新能源汽车。当时大量企业涌现探索不同路线，经历周期后数量大幅变化。
现有600多家本体公司和上千家零部件公司的格局，将在未来五至八年经历类似互联网和新能源汽车的行业出清。现在还早，还没到真正的大浪。
