靈初智能、穹徹智能、浙江人形、智平方集體押注。

作者丨高景輝

編輯丨林覺民

2026年以來，具身智能市場依舊火熱，各路資本持續(xù)涌入，幾乎每天都有新的融資披露。

然而，有一家新公司在其中顯得十分特殊，它的股東不來自于任何一家投資機構(gòu)，而是四家具身智能企業(yè)。

這家公司，就是「智域基石」。

近日，智域基石完成數(shù)千萬元天使輪融資，資方為靈初智能、穹徹智能、浙江人形、智平方。這種投資方的特殊性，來自于他們選擇的賽道——數(shù)據(jù)。

智域基石的定位是第三方數(shù)據(jù)公司，既不做本體，也不做模型，而是致力于構(gòu)建具身智能時代數(shù)據(jù)入口與訓(xùn)練輸入基礎(chǔ)設(shè)施。成立不到半年，他們在手的訂單已有近億元。

那么，智域基石為何能收到四家知名機器人廠商的青睞？在具身這個已經(jīng)稍顯擁擠的賽道，智域基石又如何構(gòu)筑自身的壁壘？

01

三位核心高管，組成互補架構(gòu)

智域基石核心管理團隊由 創(chuàng)始人/CEO 楊哲軒、CTO 徐良威、COO 張計業(yè)組成，團隊背景覆蓋大數(shù)據(jù)、機器人技術(shù)、商業(yè)運營三大領(lǐng)域，形成能力互補的核心架構(gòu)，適配具身智能數(shù)據(jù)交叉學(xué)科的行業(yè)屬性。

創(chuàng)始人/CEO楊哲軒具備分布式數(shù)據(jù)庫與大數(shù)據(jù)產(chǎn)業(yè)從業(yè)經(jīng)驗，曾任職于 PingCAP，主導(dǎo)過海量互聯(lián)網(wǎng)數(shù)據(jù)的存儲與多家公司商業(yè)化業(yè)務(wù)，核心負(fù)責(zé)企業(yè)戰(zhàn)略規(guī)劃、組織管理與商業(yè)判斷。

CTO徐良威為北京大學(xué)機器人領(lǐng)域?qū)I(yè)人才，曾就職于騰訊、鵬行智能，深耕機器人軟硬件與具身智能算法，實戰(zhàn)經(jīng)驗豐富，主導(dǎo)智域基石的技術(shù)研發(fā)、硬件設(shè)計與數(shù)據(jù)標(biāo)準(zhǔn)制定。

COO張計業(yè)曾任前華為地市總經(jīng)理，以及具身智能公司「穹徹智能」生態(tài)負(fù)責(zé)人，現(xiàn)聚焦智域基石的商業(yè)化落地，負(fù)責(zé)場景拓展、政企合作與客戶交付。

組織架構(gòu)上，企業(yè)采用雙 CTO 模式，新增專職 CTO 負(fù)責(zé)數(shù)據(jù)編譯系統(tǒng)與大數(shù)據(jù)基建，徐良威側(cè)重機器人技術(shù)適配。這種設(shè)計源于行業(yè)特性：具身智能數(shù)據(jù)融合大數(shù)據(jù)工程與機器人技術(shù)，單一負(fù)責(zé)人無法覆蓋全技術(shù)鏈條，因此從組織層面拆分技術(shù)板塊，保障研發(fā)效率。

至于創(chuàng)業(yè)初心，創(chuàng)始人楊哲軒表示，這源于團隊對行業(yè)的核心判斷：從大語言模型發(fā)展的歷程來看，算法和算力沒有成為限制模型發(fā)展的阻礙，這是因為其數(shù)據(jù)來源充足且廉價；智能駕駛的發(fā)展也沒有被數(shù)據(jù)阻礙，是因為政府提供了免費的基建，讓道路成為一個結(jié)構(gòu)化的場景。

但具身智能涉及千行萬業(yè)，場景不僅復(fù)雜，還相對封閉，采集成本十分高昂，需要投入大量人力，因此制約具身智能發(fā)展的關(guān)鍵問題一定是數(shù)據(jù)。而這個問題，就需要有人來解決，恰好創(chuàng)始團隊對此第一時間達(dá)成了共識，智域基石便因此成立。

也正是因為目標(biāo)明確，智域基石團隊秉承務(wù)實主義的原則，拒絕行業(yè)概念炒作，以場景落地為核心導(dǎo)向，不盲目擴張規(guī)模，聚焦技術(shù)標(biāo)準(zhǔn)化與商業(yè)閉環(huán)構(gòu)建，核心競爭力聚焦于跨領(lǐng)域技術(shù)整合能力與產(chǎn)業(yè)落地經(jīng)驗。

目前，智域基石團隊規(guī)模約 20 余人，架構(gòu)精簡，主要覆蓋研發(fā)、商業(yè)化、職能三大板塊。

02

聚焦數(shù)據(jù)本身，不做四件事

就像大多數(shù)第三方具身數(shù)據(jù)公司一樣，智域基石的核心商業(yè)模式圍繞數(shù)據(jù)采集、編譯加工、標(biāo)準(zhǔn)化交付展開，但不同的地方，在于其“不做”的部分。

作為一家數(shù)據(jù)公司，在創(chuàng)立之初往往就要確立業(yè)務(wù)的邊界，根據(jù)自身的稟賦選擇相應(yīng)的細(xì)分賽道。對“哪些業(yè)務(wù)能做、哪些業(yè)務(wù)做不了”問題的回答，也決定了其商業(yè)模式和組織形態(tài)。

而智域基石的答案非常清晰，明確了四件不做的事：

不做本體：智域基石剛創(chuàng)立時便確立核心定位，堅定只做數(shù)據(jù)生意，不涉足機器人本體研發(fā)制造領(lǐng)域。團隊聚焦數(shù)據(jù)的生產(chǎn)、加工與回流全鏈路服務(wù)，依托數(shù)據(jù)編譯技術(shù)構(gòu)建核心能力，與產(chǎn)業(yè)鏈本體廠商形成純粹的協(xié)同合作關(guān)系，不跨界競爭，始終堅守第三方數(shù)據(jù)基礎(chǔ)設(shè)施服務(wù)商的業(yè)務(wù)邊界。

不做模型：智域基石明確無意研發(fā)具身智能模型，劃清與模型廠商的業(yè)務(wù)邊界。其團隊始終以數(shù)據(jù)供給方的身份服務(wù)行業(yè)，不參與算法研發(fā)競爭，不站隊任何模型技術(shù)路線，以中立姿態(tài)為全行業(yè)模型訓(xùn)練提供數(shù)據(jù)支撐。

不做設(shè)備生意：針對自研的 EGO centric 數(shù)據(jù)采集設(shè)備，智域基石明確不會對外售賣設(shè)備，僅將其作為內(nèi)部數(shù)據(jù)采集的核心工具。創(chuàng)始人認(rèn)為，設(shè)備是數(shù)據(jù)壁壘的重要組成部分，核心商業(yè)化業(yè)務(wù)始終聚焦數(shù)據(jù)服務(wù)本身，通過自研設(shè)備采集全量人類勞動數(shù)字化信息，可鞏固數(shù)據(jù)生產(chǎn)的入口壁壘，不必將硬件作為盈利產(chǎn)品。

（目前）不做家庭場景：智域基石錨定工業(yè)為具身智能核心落地賽道，團隊直言工業(yè)是具身智能最重要的落地機會，并理性判斷家庭場景短期難以規(guī)模化落地?；谥袊鴧^(qū)縣工業(yè)經(jīng)濟的特點，智域基石與地方政府深度合作，搭建數(shù)據(jù)采集工廠，形成采集、訓(xùn)練、部署、數(shù)據(jù)回流的完整閉環(huán)，摒棄資本市場偏好的家庭場景敘事，專注于可快速實現(xiàn)商業(yè)價值的工業(yè)封閉場景。

未來，隨著核心管線的打磨成熟，智域基石計劃將前期沉淀的通用動作與場景，提煉為開箱即用的行業(yè)標(biāo)準(zhǔn)數(shù)據(jù)集，覆蓋更廣泛的客戶群。再往后，智域基石將打造通用基座，全面升級為具身智能通用數(shù)據(jù)基礎(chǔ)設(shè)施，構(gòu)建數(shù)據(jù)交易市場與開發(fā)者生態(tài)。

03

構(gòu)建自動化編譯管線，需要五個環(huán)節(jié)

針對具身智能真機數(shù)據(jù)多模態(tài)、非標(biāo)化的行業(yè)現(xiàn)狀，智域基石設(shè)計了質(zhì)檢、底座、編譯、檢索、交付五個環(huán)節(jié)的數(shù)據(jù)處理管線，用于將物理世界采集的原始數(shù)據(jù)，處理為可直接用于機器人模型訓(xùn)練的標(biāo)準(zhǔn)化數(shù)據(jù)。

質(zhì)檢環(huán)節(jié)作為數(shù)據(jù)預(yù)處理的前置流程，該環(huán)節(jié)對攝像頭、IMU、機器人關(guān)節(jié)等傳感器原始數(shù)據(jù)開展基礎(chǔ)校驗，識別并處理丟幀、數(shù)據(jù)漂移、信號異常等問題。

底座環(huán)節(jié)主要完成數(shù)據(jù)的時空對齊處理，解決數(shù)據(jù)結(jié)構(gòu)化問題。該環(huán)節(jié)對人體 / 機器人本體、操作工具、目標(biāo)物體、物理環(huán)境進(jìn)行三維空間坐標(biāo)統(tǒng)一，將非結(jié)構(gòu)化原始數(shù)據(jù)轉(zhuǎn)換為幾何結(jié)構(gòu)化數(shù)據(jù)，為后續(xù)特征提取提供數(shù)據(jù)基礎(chǔ)。

編譯環(huán)節(jié)是數(shù)據(jù)處理的核心流程，完成幾何信息向語義特征的轉(zhuǎn)換處理。該流程提取動作描述、空間關(guān)系、操作目標(biāo)等語義信息，并推理補充觸覺接觸、末端執(zhí)行狀態(tài)等原始數(shù)據(jù)中未直接采集的衍生特征，適配不同具身模型的訓(xùn)練數(shù)據(jù)格式要求，處理后的數(shù)據(jù)可滿足模型訓(xùn)練的基礎(chǔ)輸入需求。

檢索環(huán)節(jié)面向海量數(shù)據(jù)管理需求，搭建多維度數(shù)據(jù)標(biāo)簽體系。其按照應(yīng)用場景、操作技能、目標(biāo)物體等維度對數(shù)據(jù)進(jìn)行分類，支持客戶根據(jù)預(yù)訓(xùn)練、微調(diào)等不同訓(xùn)練階段，篩選匹配的定制化數(shù)據(jù)集，提升海量數(shù)據(jù)下的篩選效率與匹配精度。

交付環(huán)節(jié)為數(shù)據(jù)處理的最終輸出流程，將處理后的數(shù)據(jù)封裝為 HDF5、ZARR 等行業(yè)通用格式，兼容 PyTorch、TensorFlow 等主流訓(xùn)練框架，并采用多云與混合云結(jié)合的部署方式，優(yōu)化數(shù)據(jù)存儲成本。

整體來看，該處理管線實現(xiàn)了后端加工環(huán)節(jié)的自動化運行，僅在前端真機數(shù)據(jù)采集環(huán)節(jié)保留人工與場景工廠配置，替代了行業(yè)傳統(tǒng)的人工處理模式，在處理成本、作業(yè)效率、數(shù)據(jù)標(biāo)準(zhǔn)化三個維度形成工程化處理能力，可支撐規(guī)?；木呱碇悄軘?shù)據(jù)供應(yīng)。

未經(jīng)「AI科技評論」授權(quán)，嚴(yán)禁以任何方式在網(wǎng)頁、論壇、社區(qū)進(jìn)行轉(zhuǎn)載！

公眾號轉(zhuǎn)載請先在「AI科技評論」后臺留言取得授權(quán)，轉(zhuǎn)載時需標(biāo)注來源并插入本公眾號名片。