当人形机器人的融资消息还在密集刷屏时，一批押注更上游位置的具身智能企业正在悄悄完成融资。苏州核数聚信息科技有限公司近日宣布完成数千万元A轮融资，由善达投资领投，吴中金控、融玥投资跟投。这笔钱不打算用来做机器人，而是用来做机器人训练所需的数据基础设施。

 

这个赛道此前鲜少出现在大众视野中，但它正在成为具身智能产业链里最值得关注的环节之一。

PART 01

热钱涌向机器人，但数据问题还没人解决

过去两年，具身智能赛道的融资密度和估值水位持续走高。宇树、傅利叶、智元、乐聚等一批本土机器人企业相继完成大额融资，特斯拉Optimus的量产预期也在持续推高市场情绪。

 

但喧嚣背后，一个基础性问题始终没有被正面解决：这些机器人用什么数据训练？

这不是一个可以绕过的问题。与大语言模型可以抓取互联网数据不同，具身智能模型所需的数据必须来自物理世界的真实交互——机器人如何感知空间、响应力反馈、完成精细操作，这些能力的形成需要大量高质量的多模态数据支撑，包括视觉、触觉、力觉、语音等维度的同步采集与对齐。这类数据采集成本极高，且目前行业内各家企业采用的技术路线——遥操作、UMI、Ego视角、仿真合成——彼此割裂，数据格式与质量标准无法互通，更遑论统一评估。

 

换言之，机器人企业做模型迭代时，面临的不只是算法问题，而是“没有足够好的燃料”。这是当前具身智能从实验室走向规模化量产最真实的阻力。

核数聚押注的，正是这个卡点。

PART 02

数据服务商的转型时机

核数聚并非凭空出现。公司此前长期从事AI数据服务，积累了语音、NLP等方向的数据处理能力与规模化作业经验。这类企业在大模型时代上半场通常处于产业链底层，毛利有限，话语权不高。但具身智能数据的特殊性，给了它们一次重新定位的机会。

 

传统AI数据标注是劳动密集型工作，人工成本占比高，壁垒不深。但具身智能数据不同：它需要专业传感器阵列与标准化采集硬件，需要处理关节轨迹、三维点云等复杂数据类型，需要在真实场景与仿真环境之间建立可复现的对齐机制。这对数据服务商的技术能力要求远高于传统标注业务，进入门槛的提升客观上有利于先发者。

 

核数聚目前的做法是在苏州、青岛、芜湖、慈溪等地建设专业化具身智能训练场，同时自研AI预处理引擎，构建“AI预标注+人机协同校验+自动化质检”的处理流程。公司称相较传统模式，数据处理效率可提升3至5倍，准确率达99%。虽然这组数字目前尚无第三方验证，但从客户结构来看，宇树、傅利叶、乐聚、智元、鹿明科技等头部机器人企业已与其合作，在手订单据称已达数亿元规模，这在一定程度上说明其服务能力经过了市场的初步验证。

PART 03

平台化是目标，但挑战也在这里

从这轮融资的用途来看，核数聚的目标不止于做一家数据外包公司，而是要建成一套具有平台属性的数据基础设施——打通采集、处理、训练适配、评估全链路，并通过统一的数据标准与评估框架，解决不同来源、不同模态数据难以对齐的行业痛点。

 

这个方向在逻辑上是成立的。如果具身智能行业最终走向规模化，一定需要类似“数据中台”的基础设施层，而先期积累了多场景数据集、建立了客户信任与处理能力的企业，将获得更强的竞争位置。核数聚“四足具身智能机器人巡检数据集”入选2026年江苏省数据知识产权登记运用典型案例，也说明其在数据资产标准化方面走在了相对靠前的位置。

但平台化转型也意味着更重的资本投入与更长的回报周期。当前具身智能行业整体仍处于早期，机器人企业自身的量产节奏还存在较大不确定性，下游客户的数据需求能否形成稳定、可预期的规模订单，仍是悬而未决的变量。此外，随着具身智能赛道持续升温，大型科技公司、专业机器人厂商以及更多创业团队入局数据侧的可能性不能排除。核数聚的窗口期究竟有多长，很大程度上取决于行业数据标准化进程的快慢。

PART 04

投资机构在赌什么？

从投资方来看，善达投资、吴中金控、融玥投资均非一线头部机构，但这并不妨碍这笔投资本身的逻辑清晰度。

押注具身智能数据基础设施，本质上是一种“卖铲子”逻辑的变体，不赌哪家机器人公司最终跑出来，而是赌整个行业需要更好的数据供给体系。相比押注单一终端产品，这种底层逻辑理论上有更强的穿越周期能力，但前提是这家企业能在行业格局收敛之前，积累足够深的数据资产与平台壁垒。

目前来看，核数聚完成A轮融资是一个起点，而非终点。具身智能数据赛道的真正爆发，可能还需要等待机器人量产节奏的进一步提速。这家苏州公司的选择，是提前站到那个临界点之前的正确位置上，然后等待。

这个判断能不能兑现，时间会给出答案。