GEIA行业群
加入GEIA具身智能行业群，请添加微信18916565701，主动出示名片，仅限具身智能及机器人产业链相关企业。
120+具身智能与人形机器人行业报告合集~ 转发本文章至朋友圈截图发给GEIA小助理即可免费领取~ 文末添加小助理微信！
INDUSTRY OBSERVATION · 行业观察
一笔被忽略的最大单：不造机器人的公司，拿走了当天最多的钱
具身智能最缺的不是模型，也不是本体，是数据。这篇文章试图说清楚，一家卖数据的公司凭什么拿到 1 亿美元。
深度长文 · 行业观察 · 2026
本篇约 8000 字 · 阅读约 20 分钟
GENROBOT.AI / 具身数据·一笔 1 亿美元
这是一个关于「卖水人」的故事。当造机器人的公司在同一轮融资里分走数亿元时，一家不造本体的数据公司拿走了最大的一笔。它赌的不是自己，是数据基础设施这个位置。
CHAPTER 01
一、一笔被忽略的最大单
11 月 2 日，具身智能一天出了三笔融资。
RoboScience 机器科学，A2 轮，数亿元。智澄 AI，新一轮，数亿元。简智机器人，1 亿美元。
前两家都在造机器人。一家做通用具身大模型，配一台轮式仿人形本体 REX G1；一家做世界模型，配双足人形 TR6 和轮式工业机 XR1。
第三家不造。
简智连一台机器人都不卖。它卖数据——教机器人怎么动的那种数据。
1 亿美元，按现在的汇率约合 7.1 亿元人民币。这个数字比同一天官宣的那两笔「数亿元」都大。
一家不造本体的公司，拿走了当天最大的一笔钱。这件事本身值得说清楚。
更有意思的是它披露的方式。融资其实在今年第三季度就完成了，公司选在 11 月 2 日才对外说。这种「晚两个月再说」的节奏，通常意味着一件事：钱已经到账，故事才刚讲圆。
⏰️与具身智能赛道的一线创业者、投资人深度交流，扫码报名GEIA具身智能与人形机器人创新周【北京站12.9-12.11 】↓
CHAPTER 02
二、缺 90% 的生意
先说结论：具身智能现在最缺的不是模型，也不是本体，是数据。
缺多少？国金证券给过一个估算：一个成熟的具身大模型，至少需要千万小时级的训练数据；当前全行业的高质量训练数据，只有数十万到百万小时。供需缺口，约 90%。
这不是紧张感，是算术。
2.1 千万小时是什么概念
1,000 万个小时，按一天 24 小时算，是 1,140 年。
当然数据不是一台机器连续跑出来的。它是几千台采集设备、几万个采集员、几百个真实场景同时开工，一小时一小时攒出来的。
攒的速度，就是这条赛道的天花板。
简智自己披露的曲线是这样：单季度交付的有效数据量，从十万小时，跃到百万小时。按现有产能和规划，2027 年要做到单季度千万小时。
从十万到百万，是十倍。从百万到千万，又一个十倍。两年之内要跑完两个数量级。
这个目标能不能兑现，是这家公司最该被追问的地方。也是所有投它的人在赌的东西。
2.2 数据为什么这么贵
因为它没法从互联网上爬。
语言可以喂文本，视觉可以喂视频。这两样，互联网上都有几十年的存量，白拿。触觉不行。
切向力、材质纹理、抓握那一瞬间的形变，这些物理量，仿真引擎做不到高保真。必须让真人在真实物体上摸一遍，一帧一帧采下来。
价格直接反映了稀缺。据行业口径，视觉等视频数据小几百元一小时，触觉数据要大几百元一小时。贵一倍以上。
这还只是单价。真正的成本在组织和标准化：找场景、找采集员、搭设备、清洗、标注、对齐、验证。采一万小时不难，采一万小时「能直接拿去训练」的数据，很难。
中间那层损耗，才是这门生意的护城河。
2.3 三种数据，三条路
行业里现在跑着三条数据路线，各有各的算盘。
Ego 数据，第一人称人类操作数据。人戴着手套、戴着设备干活，采的是人的动作。好处是成本低、场景多、不绑定任何一款机器人，跨本体能复用。缺点是精度不如真机，力反馈拿不全。简智走的主要是这条。
真机数据，让机器人自己干，采它的本体感觉和视觉。精度最高，跟目标硬件完全对齐。缺点是慢、贵——一台机器人一天只能采一台机器人的数据。
仿真数据，在物理引擎里生成。几乎零边际成本，可以无限扩。缺点是 sim-to-real 有 gap，真机上经常失效。
现在的共识是混合用：仿真做预训练，ego 做规模，真机做精调。谁单独都成不了事。
简智押的是 ego 这一端，也就是「量」的那一端。这个选择决定了它的客户不是某一家机器人公司，而是所有需要数据的模型团队。
2.4 为什么是现在
数据这件事，行业讲了三年。为什么到 2026 年下半年才突然变成融资热点？
两个推力同时到位。
一个是需求端。2025 年到 2026 年上半年，国内人形机器人出货开始起量。据弗若斯特沙利文的数据，2026 年上半年全球人形机器人销量 3.6 万台，市场收入 5.4 亿美元。卖出去的每一台都要能干活，能干活的每一台背后都要有数据。
3.6 万台
2026 上半年全球人形机器人销量
5.4 亿美元
同期市场收入
另一个是政策端。2026 年 9 月 10 日，国家数据局召开具身智能数据座谈会，明确提出推动具身智能数据标准建设。更早的 6 月 16 日，上海经信委启动人形机器人与具身智能实景实训专项行动，要求年底前落地百个以上高价值场景、形成万台级实训规模。
政策语言里有一个词很关键：实训。实训就是采数据。
需求端在催，政策端在推，中间的产能就成了瓶颈。谁能把产能做出来，谁就拿到了这一轮的定价权。
这就是简智能拿到 1 亿美元的时间背景。不是它突然变强了，是缺口突然被看见了。
CHAPTER 03
三、七轮，两年，谁在加注
先把融资节奏摆出来，因为这家公司的节奏本身就是信息。
3.1 一家成立一年半的公司
简智的全称是简智新创（北京）机器人科技有限公司，英文名 Genrobot.AI。2025 年 5 月 29 日成立，注册在北京海淀知春路 7 号致真大厦。
企业类型是港澳台投资企业，注册资本 1,052.39 万元。董事长、实际控制人是陈建兴，合计持股 44.325%。2025 年，它入选国家级潜在独角兽企业名单。
从注册地开始，它的扩张路径就很清楚：2025 年 5 月设上海子公司，8 月设苏州，10 月设深圳，2026 年 9 月设北京简数新创。
四个点，四种用途。北京做研发和总部，上海对接整车厂与出海，苏州靠制造业集群，深圳对接硬件供应链。
这个布局不像一家做软件的公司，更像一家做交付的公司——数据采集必须贴着场景走，场景在哪里，人就得在哪里。
顺带说一句，苏州相城那条南天成路，8.4 公里长，聚集了 280 多家智能车和机器人相关企业。简智把子公司设在那里，不是偶然。
3.2 一年零五个月，七轮
▪种子轮：BV 百度风投领投
▪种子+轮：速腾聚创领投
▪天使轮：顺为资本领投，2025 年
▪Pre-A 轮：顺为继续支持
▪A 轮：Momenta 领投，2026 年 9 月，金额未披露
▪连续多轮合计数亿元：蚂蚁集团、滴滴、德联资本领投，顺为、BV 百度风投、九识智能跟投
▪A+ 轮：1 亿美元，2026 年第三季度，即本轮
公司 2025 年 5 月 29 日成立，注册在北京海淀知春路。到这一轮为止，七轮，累计超过 2 亿美元。
这个速度放在整个具身智能里也是快的。但更值得注意的是股东名单的构成。
百度来了，蚂蚁来了，滴滴来了，上汽来了，Momenta 来了，顺为来了，速腾聚创来了，银河通用（通过苏州盖博特）也来了。
把这张表按行业拆开看，很有意思：
▪车企：上汽
▪出行平台：滴滴、Momenta
▪互联网与支付：百度、蚂蚁
▪机器人本体：银河通用、九识智能
▪供应链：速腾聚创
五类股东，五种诉求。车企要的是产线上的操作数据，出行平台要的是场景里的行为数据，互联网公司要的是模型燃料，本体公司要的是能直接训练自己机器人的语料，供应链要的是把自己的传感器变成采集入口。
一家数据公司，同时被五类人需要。这比「估值多少」更能说明它在产业链上的位置。
还有一个细节值得说：七轮融资，间隔极短。种子到种子+，种子+到天使，天使到 Pre-A，几乎没有停顿。
这种节奏在重资产行业里不常见。原因也简单——数据生意的现金流是负的。先建采集网络，才有数据；先有数据，才有收入。每一轮钱花完，产能就顶到天花板，必须再融一轮才能往上走。
所以七轮不是「抢手」，是「烧得快」。这个区别很重要。前者说明市场看好，后者说明这门生意的资本消耗强度极高。
累计 2 亿美元，换来的是一张还没完全铺开的采集网络。这个投入产出比，放在软件行业是不可想象的，放在制造业里算正常。数据生意，本质上是制造业。
3.3 先卖铲子的铲子
简智最实在的一块业务，是硬件。
它自研 GenDAS 系列数采设备，据公司披露，订单已破 1 万台。还有一款叫 GenDASDex 的人手全模态感知设备，专门采手部动作。
这个逻辑跟淘金热里卖铲子一样。但还要往前一层：它卖的不是铲子，是造铲子的能力——采集设备本身就是门槛，谁掌握了采集端的硬件定义权，谁就掌握了数据从哪来、长什么样、能不能标准化。
用软件的话说，这是控制了输入格式。用制造业的话说，这是卡住了工装。
配套的动作也在往外走。简智和速腾聚创签了战略合作，围绕真实世界多视角 Ego 数据采集做协同——激光雷达厂商提供感知硬件，简智提供采集方案和数据管线，两边各取所需。
今年 10 月，它开源了一个数据集，叫 Gen-HumanWholeBody，600 小时高精度全身移动操作数据。据公司在苏州相城的一场活动上介绍，其开源具身数据集单月下载量破百万，居全球开源具身数据集首位。
开源这件事，在这门生意里不是做慈善。它是最便宜的获客，也是事实标准的争夺。
3.4 评测：它跟同行不一样的地方
如果只是采数据，简智跟景烁、恺望、博登没有本质区别。
它多讲了一件事：评测。
公司的说法是，已经构建起三段闭环——大规模人类技能数据收集、Data Foundation Model 训练与数据处理、真机集群评测验证。
第三段是关键。
数据是一次性交付的：客户拿一批数据训一版模型，训完了，这批数据的使命就结束了。评测不是。模型每迭代一版，都要重新跑一遍；换个场景，要重新跑；换台本体，还要重新跑。
一个是卖米，一个是开饭馆。频次完全不同。
这也解释了为什么它要把「基础设施」四个字放在定位里，而不是「数据供应商」。数据供应商是按项目结算的，基础设施是按调用结算的。
当然，这个闭环目前还是公司自己的说法。真机集群在哪儿、多少台、测哪些指标、有没有第三方采信，公开信息里都还没有。
3.5 一个马来西亚股东
这一轮的投资方里，有一个名字此前没怎么在具身智能的融资名单上出现过：马来西亚的 Eastworlds。
其余几个产业方都在预期之内。上汽是车企，百度是互联网，首程控股做停车和出行场景，GALBOT 背后是银河通用。都是国内产业链上的熟人。
东南亚产业资本进入中国具身智能的融资，在公开信息里很少见。
它意味着什么，现在下判断还太早。可能只是财务配置，也可能是东南亚制造业想提前锁定数据与自动化能力。但至少说明一件事：具身智能的资本来源，开始从「中美两地」往更外圈扩散了。
这条线索值得留着，等下一次出现时再对照。
CHAPTER 04
四、这条赛道已经挤了五路人马
数据这门生意不是简智一家的。把同类公司排一遍，会发现至少五路人马在做同一件事，只是起点不同。
4.1 无本体派：只做数据，不碰硬件
简智是这一派的代表。同类还有几家。
景烁科技，2024 年 9 月成立，总部在浙江台州。CEO 霍达是文远知行的 001 号员工。10 月底刚完成 7,000 万元 Pre-A，嘉御资本、天狼星资本、香港科技园参投。它自报的数据是：100 多家客户与生态伙伴，在手订单数十亿元，年收入增长超 100%。
恺望数据，完成了逾亿元战略融资，北京亦庄产业升级基金、华方资本、天际资本联合领投。
柏川数据、智行众维，都在苏州相城那条 8.4 公里的南天成路上。
这一派的共同点是：不绑定任何一款本体，卖给所有需要数据的人。天花板高，但客户黏性靠服务，不靠硬件锁定。
4.2 真机派：用机器人采机器人的数据
博登智能走的是另一条路。它在宁波、马鞍山、湖州建了三个具身机器人创新中心，总占地超过 3 万平方米，部署了 500 多台多型号实体机器人和数千套自研采集设备。
它自报的产能是：年产 50 万小时真机训练数据，加百万小时级 ego 场景数据。
这是重资产打法。500 台机器人，光是折旧和维护就是一笔大钱。但换来的是精度——真机采的数据，跟真机的分布完全对齐，客户拿去微调的成功率高得多。
艾欧智能是这一派里的平台型玩家。2023 年成立，三条产品线：TeleXperience 遥操作平台、SenseXperience 人类数据采集系统、EmbodiFlow 标注管理平台。它自报服务了全球 150 多家本体企业，累计适配 80 多款机器人，覆盖人形双足、轮式双臂、灵巧手。
适配 80 多款，这个数字说明它的价值不在数据本身，在「接口」。
4.3 本体自带派：自己有机器人，顺手采数据
千寻智能是这一类。它一边做通用人形和数据基础设施，一边自己采数据。截至 2026 年 2 月，累计超过 20 万小时多类型真实交互数据，覆盖互联网视频、遥操作和可穿戴设备采集，预计 2026 年数据总量突破 100 万小时。
还有更极端的例子。特斯拉在大量招聘 Optimus 数据采集团队，岗位从采集员、现场带班、主管、数据审核、培训到项目管理，形成完整分工，其中数据审核主管还分白班和夜班。
它要的是 24 小时不间断采集。今年三季度电话会上，特斯拉说正在搭一个「机器人学院」，用 1 到 2 万台机器人自博弈来完成数据采集。
这一派是所有数据公司最大的威胁。因为它们的成本不外采，是内部结算的。
4.4 谁在给谁打工
把三派放在一起，会看到一个有点残酷的结构。
无本体派卖给所有人，但所有人都有可能自己建团队。真机派资产重、精度高，但扩产慢。本体自带派成本最低，但数据不外流，只服务自己。
短期看，无本体派最舒服——所有不做数据的公司都是它的客户。
长期看，本体自带派最危险——一旦头部本体公司都把数据内部化，外部的市场就被压缩了。
这就是为什么简智要往「评测」走。评测是模型公司自己做不了的：自己测自己，没有公信力。
4.5 还有一条没人走通的路：合成数据
上面三派都在采「真数据」。还有第四条路，是用物理引擎生成数据，业内叫合成数据。
这条路的最大诱惑是成本。生成一小时仿真数据，成本是电费级别的；采一小时真机数据，几百到几千元。差三到四个数量级。如果这条路走通，前面三派的生意模型全部要重算。
英伟达在这上面押得最重。它的 Cosmos 平台就是给物理 AI 生成训练数据的，逻辑是「用世界模型造世界」。国内也有团队在做，比如用生成式仿真补齐真机采不到的长尾场景。
但它有一个绕不过去的坎：sim-to-real gap。仿真里的摩擦系数、光照、材质形变，跟真实世界总有偏差。模型在仿真里学会的动作，搬到真机上经常失效。这个 gap 目前没有被系统性解决。
所以现阶段的答案还是混合：仿真做预训练，真数据做精调。合成数据是补充，不是替代。
但对简智这类公司来说，这条路必须盯着。因为它一旦突破，卖真数据的生意就会被砍掉一大块。
CHAPTER 05
五、降温的赛道上，为什么是它
把镜头拉远，会看到一个更奇怪的现象：简智拿到 1 亿美元的时候，整个赛道正在降温。
据《科创板日报》11 月 2 日的统计，2025 年 7 月到 2026 年 6 月，国内具身智能赛道发生 503 起融资，总金额超过 960 亿元。数字很大。但拆到季度，曲线是往下走的。
5.1 三季度只有 185 起
2026 年第三季度，至少 185 起融资，总额 333.35 亿元。而 2026 年上半年，季度均值超过 460 亿元。
按 IT 桔子的口径，10 月是 33 起、101.05 亿元，9 月是 60 起、110.28 亿元。数量和金额都在往下走。
|
|
|
|
|
|
|
|
|
|
|
|
更微妙的是投资人的态度。同一篇报道里提到，多位一级市场投资人明确表示不愿公开谈物理 AI。有人用「冷眼旁观」形容，有人私下承认「现在讲具身智能，LP 第一句就问风险」。
在这种气氛里，一家成立一年半的公司拿到 1 亿美元，而且是第七轮，这件事的信息量就变大了。
有一个更直观的指标：单笔融资的中位数。上半年很多项目是几千万的天使轮和 A 轮，现在能看到的是数亿元起步的 B 轮之后，中间那一层——几千万到一两亿的 A 轮——明显变少了。
这个结构变化说明，钱在往两头走：一头是极早期，赌人；一头是极后期，赌确定性。中间那层最难受，因为既没有故事，也没有数据。
钱不是变少了，是变挑了。
5.2 宇树的三次定价
最能说明情绪的，是宇树科技的市值曲线。
8 月 19 日上市，开盘市值 4,449 亿元。10 月中旬跌到 1,635 亿元。10 月 28 日又回到 2,815 亿元。
两个多月，从 4,449 到 1,635，再回到 2,815。跌掉 63%，又涨回 72%。
同一家公司，同一份基本面，三种定价。这说明市场对具身智能还没有共识，只有情绪。
在情绪定价的市场里，能拿到钱的项目，通常不是因为故事讲得好，是因为它站在一个别人绕不开的位置上。
5.3 钱在往「基础设施」挪
把最近几个月的融资按类型排一遍，方向就清楚了。
本体公司的融资还在发生，但估值谈判明显变难。模型公司的融资在减少，因为技术路线没收敛，投资人不敢下注。
数据、评测、仿真、工具链这一层，融资反而在增加。景烁 7,000 万 Pre-A，恺望逾亿元，博登持续扩产，简智 1 亿美元。
逻辑不复杂：淘金的人可能挖不到金子，卖铲子的人一定赚得到钱。当挖到金子的概率下降时，钱自然会往卖铲子那边走。
但要提醒一句：基础设施的逻辑成立，不代表每一家都能活。2015 年到 2018 年，云计算基础设施也火过一轮，最后活下来的只有几家。原因不是需求不够，是同质化太严重。
数据这行现在也在往同质化走。采 ego 数据的方法、设备、流程，各家差别没有想象中大。真正的分水岭会出现在评测标准上——谁能定义「什么样的数据算好数据」，谁才有定价权。
这也是 1 亿美元真正的含义。它不是在赌简智能成为一家多大的公司，是在赌「数据基础设施」这个位置，在未来三年里会一直有人需要。
CHAPTER 06
六、三个必须说清的风险
前面说的都是这门生意为什么成立。下面说它可能怎么不成立。
6.1 客户可能就是竞争对手
简智的客户是谁？机器人整机公司、模型公司、想部署具身智能的工业企业。
问题在于，这三类客户里，前两类都在自己建数据团队。
千寻在建，特斯拉在建，智元在建。当客户的内部团队成熟到一定程度，外采的比例就会往下走。这不是简智一家的问题，是所有 to B 数据公司的老问题：你帮客户建立的能力，最后会变成替代你的能力。
解法只有两个：要么跑得比客户快，始终提供客户做不了的部分（比如跨本体、跨场景的标准化数据）；要么往上走，从卖原料变成卖标准。
简智两条都在试。开源数据集是第一条，评测闭环是第二条。
6.2 数据会不会贬值
这是更根本的问题。
如果三年后具身大模型的架构收敛了，需要的数据类型也收敛了，那现在采的很多数据就会变成沉没成本。仿真引擎如果突破了 sim-to-real 的鸿沟，真机数据和 ego 数据的价值也会被打折。
反过来，如果模型架构继续分化，每一家都要自己的一套数据，那数据就会一直稀缺。
现在没人知道答案。这是整条赛道最大的不确定性，也是它估值能给到这个水平的原因——所有人都在赌「数据不会贬值」。
数据贬值有三种机制，可以分开看。
第一种是时效性贬值。三年前采的工业场景数据，对应的产线可能已经改造了，工况变了，数据就废了。制造业的迭代速度决定了数据的保鲜期不会太长。
第二种是场景漂移。采集时用的是 A 型号机器人、B 品牌夹爪，两年后客户换了本体，数据要重新对齐。跨本体复用说起来容易，做起来要大量的重映射工作。
第三种是架构性贬值。如果模型架构从 VLOA 换成别的范式，数据的组织方式、标注粒度可能全部要改。这是最彻底的一种贬值，也是投资人最怕的一种。
有一个细节可以观察：如果哪天头部公司开始公开说「我们的数据够用了」，这条赛道的故事就到头了。目前还没有人这么说。
6.3 交付能力跟不跟得上
工商信息里有一个数字容易被误读：简智新创（北京）2025 年报的参保人数是 6 人。
这个数字不能直接当成公司规模。它有多地子公司——上海 2025 年 5 月、苏州 2025 年 8 月、深圳 2025 年 10 月、北京简数新创 2026 年 9 月，参保主体分散在各地。真实的团队规模，公开信息里查不到。
但它指向的问题是真的：一家成立一年半的公司，要在 2027 年做到单季度交付千万小时数据，需要多大的采集网络？
按行业惯例，ego 数据靠的是采集员网络和场景合作，不完全是自有员工。所以关键不在人数，在组织能力——能不能同时管住几百个场景、几千台设备、几万个采集员，还能保证数据质量一致。
这是运营问题，不是技术问题。而运营问题，往往比技术问题更难。
参考一下已经跑出规模的同行。景烁科技自报 100 多家客户与生态伙伴、在手订单数十亿元，这个体量背后是多少个采集点位、多少个现场带班，公开信息里没有。博登智能在三个城市建了 3 万多平米的中心，部署 500 多台机器人，这已经是重资产运营了。
数据生意的规模效应，跟软件不一样。软件多一个用户，边际成本接近零；数据多一万小时，就要多一万小时的设备、人、场地、质检。
所以「单季度千万小时」这个目标，本质上不是一个技术目标，是一个组织目标。它要的不是更聪明的算法，是更强的管理。
组织能力这件事在数据行业里有个特殊之处：它不能靠外包解决。
很多行业可以把非核心环节包出去，数据不行。因为数据质量的一致性，取决于每一个采集点的执行。外包一层，标准就衰减一层。这就是为什么所有头部数据公司最后都变成了重资产公司——不是想变重，是不敢变轻。
CHAPTER 07
七、判断：卖水的，能不能活过淘金的
先说一个反常识的观察：这门生意最好的时候，恰恰是它最容易被质疑的时候。
因为数据基础设施的价值，只有在模型遇到瓶颈的时候才会被承认。模型进步快的时候，所有人都觉得是算法的功劳；模型卡住了，才会有人回头去看数据。
2026 年下半年正好是后者。
回到最开始那个反差：一家不造机器人的公司，比造机器人的拿得多。
这件事该不该被当成信号？我的判断是：该，但要加三个限定。
第一，数据是具身智能唯一无法规模复制的生产要素。算力可以买，模型可以开源，本体可以代工，只有数据不行。它必须一个场景一个场景地跑，一小时一小时地攒。这个属性决定了它天然稀缺。
第二，但稀缺不等于值钱。值钱的前提是「不可替代」。如果客户能自建，稀缺就只是暂时的。所以数据公司的终局，一定不是卖数据，是卖标准、卖评测、卖认证。谁先变成行业的事实标准，谁就活得久。
第三，也是最反直觉的一条：这门生意最大的对手不是同行，是模型公司自己。特斯拉招 24 小时采集团队，就是在告诉所有人——数据这件事，我不打算外包。
有一个现成的对照：Scale AI。
它做的是大模型的数据标注，从 2016 年做到今天，估值一度超过百亿美元。路径很清晰：先做标注外包，再做数据平台，最后做评测标准。三步走完，才从「供应商」变成了「基础设施」。
具身数据这一层，现在还在第一步。简智想做的三件事——采数据、建平台、做评测——其实就是 Scale AI 那三步的具身版本。区别在于，具身的数据更难采，也更难标准化。
如果这门生意最后没成，会以什么方式没成？我想大概是两种。
第一种是「被内部化」。头部本体公司和模型公司都建起了自己的数据产线，外部市场萎缩成补充角色。这种情况下，简智不会死，但会从「基础设施」退回成「外包服务商」，估值逻辑完全变了。
第二种是「被标准化掉」。如果国家层面的具身数据标准真的落地，采集格式、标注规范、质量口径全部统一，那么采集这件事本身的门槛会大幅下降，值钱的就只剩下场景和产能，而不是方法。
这两种失败方式，都不需要公司犯错。它们只需要行业往某个方向自然演化。这才是最需要警惕的地方。
反过来，如果它成了，会怎么成？大概是变成了那个「定标准的人」——所有模型公司在发布新版本之前，都要拿它的测试集跑一遍。到那时候，它卖的不是数据，是公信力。
QUOTE
投的是位置，不是公司。
所以 1 亿美元该被怎么理解？
它不是对「简智现在值 1 亿美元」的定价，是对「数据基础设施这个位置值 1 亿美元」的定价。投的是位置，不是公司。
位置对不对，两年后看两个数字就够了：单季度交付量有没有真的到千万小时；评测业务有没有变成收入里的一块，而不是 PPT 上的一段。
在那之前，所有关于「卖水人」的赞美，都还只是赞美。
IN CLOSING · 结语
一家不造机器人的公司拿走了当天最大的一笔钱，这件事本身不构成结论，只构成一个值得被追问的位置。数据基础设施的价值，要等模型真正卡住的时候才会被承认。
既然看到这里了，如果觉得有用，随手点个赞、在看、转发三连吧。
THANKS FOR READING
温馨提示：加入GEIA具身智能行业群，请添加微信18916565701，出示名片，仅限具身智能及机器人产业链相关企业。