Innerhalb eines halben Jahres haben sie 17 Milliarden Yuan an Finanzmitteln eingesammelt, und die „Schaufelverkäufer“ im Datenbereich sind zum lukrativsten Geschäft im Sektor der Embodied Intelligence geworden.

Ende Juli schloss LiberAI seine Pre-A+ Finanzierungsrunde mit einem Volumen von mehreren hundert Millionen Yuan ab. Zu den Investoren gehören 360 Group, China Development Bank Capital, Sinovation Ventures, CMC Capital, Bifu Capital und HSG.

Dieses Unternehmen wurde tatsächlich am 8. Dezember 2025 gegründet und trägt den Namen „Jiangxian Technology“. Der Bedeutung des Namens lautet: „Der Wunsch, sich auszuruhen, ist die erste Produktivkraft“; sein eingetragenes Kapital beträgt 1,46 Millionen Yuan, und das Team hat weniger als 30 Mitarbeiter.

IT Orange stellte fest, dass dies bereits die fünfte Finanzierungsrunde seit seiner Gründung ist; in den vergangenen mehr als sechs Monaten hat es in rascher Folge Finanzmittel aufgenommen, von der Seed-Runde, der Angel-Runde, der Angel+-Runde bis zur Pre-A-Runde hat es vier Runden in einem Zug abgeschlossen. Berichten zufolge erreicht die neueste Bewertung 5 Milliarden Yuan.

Der Gründer Liu Songming ist ein Mitglied der Generation nach 2000, Preisträger des Sonderstipendiums der Abteilung für Informatik der Tsinghua-Universität, Jahrgangsbester seines Studiengangs, studierte unter der Anleitung von Professor Zhu Jun und gründete das Unternehmen direkt nach seinem Doktorgrad im Alter von 23 Jahren. Das von ihm zuvor geleitete Projekt RDT-1B ist das erste großangelegte Diffusions-Transformer-Basismodell, das speziell für die Bedienung zwearmiger Roboter entwickelt wurde, mit 1,2 Milliarden Parametern.

LiberAI zielt auf menschliche UMI-Daten und Weltmodelle ab – einfach ausgedrückt verkauft es Daten, die an Roboter gefüttert werden, und das „Gehirn“, das diese Daten verarbeitet.

Nach Statistiken von IT Orange haben in der ersten Hälfte des Jahres 2026 25 chinesische Startups für Embodied-Intelligenz-Daten insgesamt mehr als 17 Milliarden Yuan an Finanzmitteln erhalten. Man kann sagen, dass „Daten“ zum sichersten Geschäft im Embodied-Bereich geworden sind. (Ohne einzelne Unternehmen, die gleichzeitig Embodied-Datenmodelle und Roboter-Körper herstellen, wie zum Beispiel Xinghai Tu und Qianxun Intelligence)

Um alle Unternehmen im Embodied-Daten-Bereich und ihre Finanzierungsdaten zu erhalten, können Sie die Daten auf der IT Orange-Albumseite einsehen und herunterladen: https://www.itjuzi.com/album/766 (derzeit sind 42 Unternehmen erfasst)

Darunter hat nicht nur Guanglun Intelligence eine große externe Finanzierung erhalten, sondern auch im ersten Quartal Bestellungen im Wert von 550 Millionen Yuan erhalten.

Während die Goldsucher noch kein Gold gefunden haben, haben die Schaufelverkäufer als erste Geld verdient.

I. Das ungelöste Problem: Die Datenwüste der Roboterindustrie

Warum konnten große Sprachmodelle einen Boom erleben? Weil es im Internet unerschöpfliche Textkorpora gibt.

Aber das Training von Robotern hängt nicht von Textsprachen ab, sondern von dreidimensionalen physischen Aktionsdaten wie Greifen, Ablegen, Gehen, Fangen, Drehen und Wenden von Kochlöffeln – diese Art von Daten existiert im Internet fast nicht.

In der gesamten Branche ist der Mangel an Embodied-Daten ein großes Engpassproblem.

Grand View Research prognostiziert, dass der globale Markt für Datenerfassung und -annotierung bis 2030 17,1 Milliarden US-Dollar erreichen wird.

Derzeit ist in der Branche allgemein anerkannt, dass Embodied-Daten eine Pyramidenstruktur aufweisen: Die Spitze der Pyramide bilden Daten von echten Geräten, deren Qualität zuverlässig ist und direkt eingesetzt werden kann, aber auch am teuersten sind; die mittlere Ebene besteht aus simulierten synthetischen Daten und UMI-Daten, deren Kosten moderat sind und sie unbegrenzt in Massenproduktion hergestellt werden können, aber es gibt eine Sim-to-Real-Lücke (Näherungsabweichungen bei Reibung und Verformung); die Basis der Pyramide bilden Internetvideos und menschliche Verhaltensdaten, die die breiteste Quelle haben, aber an Interaktionsdetails fehlen und Informationen spärlich sind.

Auf jeder Ebene gibt es eine Gruppe von Unternehmen, die sich speziell diesem Thema widmet – dies ist ein Koordinatensystem, um den aktuellen Gründerboom im Bereich Embodied-Daten zu verstehen.

II. Fünf Schulen, Panorama von mehr als 30 Unternehmen

Schule 1: Teleoperation/Haptik mit echten Geräten – Daten wie am Fließband herstellen

Diese Schule folgt der einfachsten Logik: Fabriken bauen, Roboter aufstellen, Bewegungserfassungsgeräte auslegen, um hochpräzise Daten in Massenproduktion am Fließband herzustellen.

Das radikalste Unternehmen ist Pacini Sense.

Die Auslieferungsmenge der haptischen Sensoren des Unternehmens liegt weltweit an erster Stelle. 2025 baute Pacini in Tianjin die weltweit größte Fabrik für Embodied-Datenerfassung, die Super EID Factory, mit einer Jahresproduktion von 200 Millionen Datensätzen. Nach Abschluss der B-Runde über mehr als 1 Milliarde Yuan und einer Bewertung von über 10 Milliarden Yuan im März kündigte es an, vier weitere Super-Datenfabriken in Suqian, Wuhan, Zigong und Ganzhou zu bauen.

Veteranen im Bereich der Bewegungserfassung sind ein weiterer Zweig dieser Linie.

Dai Ruoli, Gründer von Noitom Robotics, hat zuvor Noitom Technology zu einem Marktanteil von 70 % im globalen professionellen Bewegungserfassungsmarkt aufgebaut, bevor er das neue Unternehmen Noitom Robotics gründete. Im Juni schloss es die Pre-A++-Finanzierungsrunde mit mehreren hundert Millionen Yuan ab, die Bewertung beträgt etwa 3 Milliarden Yuan. Die AI-Industriefonds aus Peking und Shanghai, Shenzhen Venture Capital, CICC und Kunlun Capital sind alle eingetreten, und es wurde die ModalityNet-Plattform für multimodale Daten veröffentlicht.

Qingtong Vision verfolgt den Weg, Open Source für den Aufbau eines Ökosystems zu nutzen. Im Mai veröffentlichte es das weltweit größte Open-Source-Dataset mit 1000 Stunden menschlicher hochpräziser optischer Bewegungserfassung. Die erwartete Jahresproduktion beträgt 500.000 Stunden. Die Datenerfassung für die erste Show der Roboter-Kampfkunst „WuBOT“ von Unitree Robotics bei der Frühlingsfestgala stammt aus seinem Project-Decode-System.

Aufstrebende Haptik-Unternehmen wie Lingsheng Technology besetzen ebenfalls ihre Nischen.

Schule 2: Simulierte Synthese – Daten in der virtuellen Welt „drucken“

Wenn echte Daten zu teuer sind, kann man dann in einem Computer eine virtuelle Welt mit ausreichend realistischer Physik aufbauen, um Trainingsdaten in Massen zu „drucken“?

Auf diesem Weg entstand das erste globale Einhorn im Bereich Embodied-Daten: Guanglun Intelligence.

Im März dieses Jahres schloss es die A++-Finanzierungsrunde über 1 Milliarde Yuan ab, im Mai erhielt es weitere Investitionen unter der Führung von Ant Group, im Juni wurde weitere 1 Milliarde Yuan finanziert, die Bewertung nach der Investition übersteigt 2 Milliarden US-Dollar (ca. 15 Milliarden Yuan).

Der Umsatz von Guanglun Intelligence stieg 2025 um das Zehnfache, im ersten Quartal 2026 beliefen sich die neuen Bestellungen auf 550 Millionen Yuan, was in einem Quartal den gesamten Umsatz des Vorjahres übersteigt.

Kuawa Intelligent ist der Vertreter der „generativen Simulation“: Sein selbst entwickeltes Simulations-Engine DexVerse generiert automatisch massenhafte Szenariodaten in der virtuellen Welt. Im Juli dieses Jahres kündigte es eine Finanzierung von 1 Milliarde Yuan an, die Bewertung übersteigt 10 Milliarden Yuan und es bereitet den Börsengang vor. Der Umsatz in der ersten Hälfte des Jahres betrug 100 Millionen Yuan, und mehr als 1500 Modelle wurden bereits kommerziell ausgeliefert.

Unter den börsennotierten Unternehmen erweitert Coohom, das im April dieses Jahres an der Hongkonger Börse notierte „weltweit erste Aktie für räumliche Intelligenz“, die massenhaften 3D-Szenariodaten, die es durch 3D-Cloud-Design gesammelt hat, auf den Bereich Embodied Intelligence.

Die Simulationsplattform Songying Technology schloss im Februar und Juli die Pre-A- und Pre-A+-Finanzierungsrunden mit insgesamt mehreren hundert Millionen Yuan ab und baut gemeinsam mit dem nationalen und lokalen gemeinsamen Innovationszentrum für humanoide Roboter synthetische Datensätze auf.

Schule 3: UMI ohne eigenen Roboter/tragbare Erfassung – den eigenen Roboter umgehen, den Menschen „nachbilden“

Die Datenerfassung durch ferngesteuerte Roboter hat einen Mangel: Die erfassten Daten spiegeln nicht die echten Fähigkeiten des Menschen wider, sondern Aktionen, die kompromittiert wurden, damit der Roboter folgen kann. Daher umgeht diese Schule einfach den eigenen Roboter und lässt Menschen direkt mit Handschuhen, Greifern und tragbaren Geräten arbeiten.

Dies ist die Route mit der höchsten Kapitaldichte in diesem Jahr.

Am 1. Juni kündigte Jianzhi Robotics aufeinanderfolgende Finanzierungsrunden mit insgesamt mehreren hundert Millionen Yuan an, die von Ant Group, Didi und Delian Capital angeführt wurden, gefolgt von Shunwei und BV Baidu Venture Capital – dies ist die bisher größte Finanzierung im Bereich der datenerfassung ohne eigenen Roboter.

Der Gründer Chen Jianxing war früher Senior Director für Algorithmen bei Momenta. Ein Jahr nach der Gründung des Unternehmens hat es bereits zehntausende echte Szenarien abgedeckt und eine strategische Kooperation mit Ant Lingbo abgeschlossen.

Tishi Zhihang schuf das humanzentrierte Paradigma der Datenerfassung und brachte das tragbare Erfassungslösung SenseHub auf den Markt. Im April schloss es die Pre-A-Finanzierungsrunde über 455 Millionen US-Dollar ab und stellte damit den Rekord für die größte einzelne Finanzierung im Bereich chinesischer Embodied-Intelligenz auf. Die Runde wurde gemeinsam von GL Ventures, HSG und Meituan angeführt, und es hat bereits das „Embodied-Daten-Funken-Programm“ mit dem Ziel von 100 Millionen Stunden gestartet.

Das FastUMI-System des Tsinghua-nahen Unternehmens Luming Robotics steigert die Effizienz der Datenerfassung um das Dreifache und senkt die Kosten auf ein Fünftel. Es erhielt aufeinanderfolgende Investitionen unter der Führung von Mitsubishi Electric und gewann Bestellungen von Top-Kunden.

Im Februar dieses Jahres spaltete Unitree Robotics sein Daten-Geschäft in ein unabhängiges Unternehmen namens Mifeng Technology aus. Nur zehn Tage später schloss es die Seed- und Angel-Runde mit mehreren hundert Millionen Yuan ab, angeführt von HSG. Das Unternehmen plant, bis 2026 eine Datenproduktionskapazität von 10 Millionen Stunden zu erreichen.

Jüngere Unternehmen entstehen ebenfalls: Xingyi Technology, das aus der Abteilung für Informatik der Tsinghua-Universität hervorging, folgt dem Pfad von Nvidias EgoScale und entwickelt tragbare Erfassungsgeräte für die Perspektive der ersten Person mit hohem Freiheitsgrad und Millimetergenauigkeit. Es hat die erste Finanzierungsrunde abgeschlossen und erhielt im Juli weitere Mittel in der Pre-A-Runde. Zizai Wujie von Professor Lu Zongqing der Peking-Universität nutzt direkt Internetvideos, um generische Aktionsmodelle vorzutrainieren.

Das von Flexiv ausgegründete Unternehmen Qiongche Intelligence erhielt fast hundert Bestellungen durch sein „produktionsbegleitendes“ Datenerfassungssystem CoMiner. Im Juni erhielt es weitere Finanzmittel in Höhe von mehreren hundert Millionen Yuan und wird bald sein selbst entwickeltes Weltmodell veröffentlichen.

Es gibt auch ein sehr neues Unternehmen namens Yuanche Taichu (OriginFlow), das das NeuroScale-Paradigma anwendet. Es erfasst elektrische Signale der Muskelkontraktion des menschlichen Körpers durch selbst entwickelte myoelektrische Erfassungs-Kits und kodiert und rekonstruiert Handhaltung, Kraftausübung und haptisches Feedback durch das PULSE-Basismodell. Es verbindet die native Übertragungskette von „Absicht – Muskel – Aktion“ und gleicht die Mängel der UMI bei verdeckter Sicht und fehlendem Kraft- und haptischem Feedback aus.

Ein Jahr nach der Gründung hat das Unternehmen die Angel-Runde, die strategische Runde und die Pre-A1-Runde mit insgesamt über 500 Millionen Yuan an Finanzmitteln abgeschlossen. Der Gründer Qin Shentao ist ein nach 2000 geborener Doktor der Tsinghua-Universität und hat seinen Bachelor an der Harbin Institute of Technology absolviert.

Schule 4: Videodestillation/Weltmodell – der KI beibringen, die physische Welt zu „verstehen“

Diese Route löst das Problem, die ungenutzten Ressourcen auf der untersten Ebene der Datenpyramide nutzbar zu machen: Im Internet gibt es unerschöpfliche Videos von menschlichen Handlungen – Kochen, Handarbeit, Reparatur – aber diese Videos fehlen an Kraftwahrnehmung, Haptik und dreidimensionalen Trajektorieninformationen, die Roboter benötigen, und waren bisher immer tote Daten, die man sehen aber nicht nutzen kann.

Der Ansatz der Videodestillations-Schule besteht darin, Aktions-Trajektorien und physische Interaktionsinformationen aus zweidimensionalen Videos durch Algorithmen rückzugewinnen und tote Daten zu trainierbaren Embodied-Daten zu „destillieren“. Die Kosten können auf wenige Tausendstel der Kosten für die Erfassung durch echte Geräte gedrückt werden.

Die Weltmodell-Schule geht noch einen Schritt weiter: Zuerst lernt die KI die Betriebsgesetze der physischen Welt kennen, dann generiert sie unbegrenzt viele Trainingsdaten „in ihrem Gehirn“.

Die SynaData-Pipeline von Shutu Technology kann massenhaft multimodale Embodied-Daten wie Hand-Trajektorien und Bewegungsbahnen von Objekten aus Internetvideos extrahieren. Die umfassenden Kosten der Datenerfassung sind extrem niedrig. Es erhielt mehrere zehn Millionen Yuan an Investitionen unter der Führung von Oriental Fortune Capital, und seine Daten werden von gängigen Open-Source-Modellen wie Tsinghua RDT und Unitree UniVLA verwendet.

Jijia Vision nutzt das Weltmodell GigaWorld, um Trainingsdaten zu generieren, wodurch die Leistung des VLA-Modells in drei Generalisierungsdimensionen um fast 300 % gesteigert wird. Im Juni schloss es die B+-Finanzierungsrunde über 1 Milliarde Yuan ab, und die gesamte Finanzierung innerhalb von drei Monaten belief sich auf 3,5 Milliarden Yuan.

Shendu Jizhi setzt ebenfalls auf menschliche Videodaten aus der Perspektive der ersten Person. In der ersten Hälfte dieses Jahres schloss es drei Finanzierungsrunden mit mehreren hundert Millionen Yuan ab. Im Mai belegte sein Z-WM-Weltmodell den ersten Platz weltweit bei der WorldArena-Bewertung.

Das eingangs erwähnte LiberAI ist ebenfalls ein Hybrid aus dieser Route und dem Weltmodell-Bereich.

Schule 5: Dateninfrastruktur/Plattform – es ist eine Datenplattform und auch eine „Raffinerie“

Die