在風(fēng)險投資圈里，有個經(jīng)典的投資人提問叫做“護城河”。

這個詞是巴菲特帶火的。老爺子說，那些帶來豐厚投資回報的企業(yè)，普遍都擁有足夠?qū)挕⒆銐蛏畹淖o城河，確保了競爭對手無法在短期內(nèi)搶走他們的業(yè)務(wù)，也讓對手與他們的競爭變成了一場非常不劃算的“消耗戰(zhàn)”，進而幫助他們盡可能地遠離市場波動，專注地投入到業(yè)務(wù)上——于是在老爺子巨大的“財富效應(yīng)”照耀下，每個風(fēng)險投資人都開始習(xí)慣性地在聊項目的時候，問一句“你們的護城河”是什么？

移動互聯(lián)網(wǎng)時代的創(chuàng)業(yè)者會說，護城河是他們無敵的“地推鐵軍”。電商時代的創(chuàng)業(yè)者說，護城河是他們極致的“供應(yīng)鏈管理”。新消費時代的創(chuàng)業(yè)者可能說，護城河是他們敏銳的市場洞察。

而對于人工智能時代的創(chuàng)業(yè)者來說，這個問題的最佳答案，大概率將是“數(shù)據(jù)”。

雖然人們一聊起人工智能創(chuàng)業(yè)，就本能地想到“算力”和“電力”，還編出了一句順口溜叫“人工智能的盡頭是算力，算力的盡頭是能源”。但歸根結(jié)底，無論是算力還是電力都是為“最終結(jié)果”服務(wù)的，而決定人工智能“最終結(jié)果”的正是“數(shù)據(jù)”。硅谷最頂級的AI投資人之一、A16z創(chuàng)始人馬克·安德森就在他的個人播客里非常直白地指出，AI時代真正的創(chuàng)業(yè)瓶頸并不是“算力”，而是“訓(xùn)練數(shù)據(jù)”，因為數(shù)據(jù)不僅是“有限的”，還是有“所有權(quán)的”。

他們還統(tǒng)計到了這樣一組數(shù)據(jù)，在2023年4月至2024年4月期間，由于網(wǎng)站嚴厲打擊將其文本、圖像和視頻用于人工智能訓(xùn)練，所有數(shù)據(jù)中有5%是無法被創(chuàng)業(yè)者們抓取的——如果僅統(tǒng)計“真正有訓(xùn)練價值的數(shù)據(jù)”，那么這部分無法被抓取的數(shù)據(jù)占到了整體的25%。

有傳聞稱，就連人工智能的頭部企業(yè)OpenAI也備受“數(shù)據(jù)困擾”，甚至不得不采取了這樣的“笨辦法”：他們設(shè)立了一個名為“人類數(shù)據(jù)團隊”的部門，聘請數(shù)千名程序員、醫(yī)生、律師，讓他們親手撰寫問題的答案，以便訓(xùn)練人工智能。

可以說，誰有辦法在技術(shù)層面有效地解決“數(shù)據(jù)”問題，誰就真正找到了人工智能創(chuàng)業(yè)的金鑰匙。也正是在這樣的前提下，一支來自深圳的青年創(chuàng)業(yè)團隊脫穎而出：

據(jù)投中網(wǎng)獲悉，視頻具身數(shù)采企業(yè)樞途科技（SynaData）于近日正式完成天使+輪融資，距離由東方富海及兼固資本領(lǐng)投的天使輪融資時隔僅僅兩個月。本輪由辰韜資本獨家投資，深藍資本擔(dān)任長期獨家財務(wù)顧問，融資資金將主要用于SynaData數(shù)據(jù)管線的進一步提升和工程化、大規(guī)模數(shù)據(jù)集的生產(chǎn)和交付、以及人才團隊的持續(xù)擴充。

尋找數(shù)據(jù)集，難在哪里？

正如上文所說，雖然肉眼可見的是近幾年來人工智能模型能力越來越強、AI Agent應(yīng)用領(lǐng)域越來越廣泛、具身智能動作越來越復(fù)雜，但主流的數(shù)據(jù)生產(chǎn)方式，卻依舊停留在“人類手把手示范”的時代。如今全國各地遍地開花的具身智能訓(xùn)練中心就是一個非常具體的場景——在正式投入使用之前，需要大量工作人員用牽引遙控的方式，幫助機器人在特定的使用場景內(nèi)不斷重復(fù)指定動作，以此來積累足夠的數(shù)據(jù)。

而痛點即市場空間。近年來，人工智能領(lǐng)域里也涌現(xiàn)了大量的“數(shù)據(jù)集供應(yīng)商”，其中不乏明星公司。比如被Meta以300億美元估值收購的Scale AI，定位就是人工智能數(shù)據(jù)標注和標記服務(wù)。此外，像Snowflake、Databricks這些傳統(tǒng)數(shù)據(jù)庫供應(yīng)商也在近幾年完成了轉(zhuǎn)型，本著“近水樓臺先得月”的優(yōu)勢推出了經(jīng)過清洗、結(jié)構(gòu)化、經(jīng)過預(yù)處理的即用型數(shù)據(jù)集，進而吃盡了人工智能的增長紅利——據(jù)最新的報道顯示，Databricks已經(jīng)啟動了最新一輪融資，估值達到了1340億美元（約合人民幣9466.3億元），相較于去年年底的上一輪融資直接翻倍。

但問題在于，目前這些數(shù)據(jù)供應(yīng)商們所采取的技術(shù)路線，均存在著自身難以解決的難點。

例如Scale AI采用的人機協(xié)作采集和標記路線雖然門檻低、起步快，但隨著產(chǎn)品應(yīng)用得更加廣泛，再加上抓取的內(nèi)容需要進行大量的清理、去重和規(guī)范化才能使用，這種技術(shù)路線對應(yīng)的成本將幾何倍增加，對大型數(shù)據(jù)集需求的擴展性有著明顯的天花板。而Snowflake、Databricks這些專業(yè)數(shù)據(jù)供應(yīng)商雖然能保證數(shù)據(jù)質(zhì)量與合規(guī)問題，但數(shù)據(jù)更新的及時性以及核心數(shù)據(jù)的完整性都大打折扣。

上圖來自A16z，研究樣本是“AI客服”。A16z分析師指出，在現(xiàn)有的數(shù)據(jù)采集技術(shù)路線下，訓(xùn)練AI客服的時候，最開始的投入還是具備“性價比”的，能夠做到“一分耕耘一分收獲”——20%的成本投入能覆蓋約20%的客戶用例。但在跨越20%之后，每多覆蓋一個用例，所需的數(shù)據(jù)收集和清理成本會急劇上升，最終在覆蓋40%客戶用例的水平上出現(xiàn)停滯，很難出現(xiàn)提升。

再回到上文我們提到的“具身智能訓(xùn)練中心”案例。“人工訓(xùn)練”雖然看起來很“原始”，但對于尚處發(fā)展初期的、不得不兼顧成本與發(fā)展需要的具身智能企業(yè)們來說，并沒有太多選擇。以至于具身智能的創(chuàng)業(yè)者們逐漸進入了另一種困境：

一方面，行業(yè)在訓(xùn)練中心上的投入規(guī)模越來越大、訓(xùn)練中心的數(shù)量越來越多；另一方面由于各本體形態(tài)、結(jié)構(gòu)差異巨大，通過自建訓(xùn)練中心采到的數(shù)據(jù)往往只能用于自家訓(xùn)練，無法跨廠商復(fù)用，形成大量“數(shù)據(jù)孤島”。

如果用細分領(lǐng)域內(nèi)最大的數(shù)據(jù)集進行橫向?qū)Ρ?，瓶頸更加一目了然：

? 文本：15T Tokens

? 圖像：6B Image-Text Pairs

? 視頻：2.6B Audio/Visual Features

? 具身智能：僅2.4M Episodes

也就是說，沒有規(guī)?；⒖煞夯?、可遷移的高質(zhì)量數(shù)據(jù)，是人工智能應(yīng)用目前最大的瓶頸，而具身模型則是人工智能細分賽道中，受到這個瓶頸制約最嚴重的那一個，也與具身智能今年以來熱鬧的融資節(jié)奏形成了一個非?！按萄邸钡姆床睢?/p>

像人類一樣，學(xué)會“看”

那么樞途科技提出的解決方案是什么呢？

樞途科技成立于2024年，公司成員平均年齡不到28歲，核心研發(fā)成員來自于清華大學(xué)、上海交通大學(xué)、美國佐治亞理工、卡內(nèi)基梅隆大學(xué)、斯坦福大學(xué)、香港科技大學(xué)等海內(nèi)外頂尖高校實驗室，對具身智能數(shù)據(jù)采集及處理、具身智能模型架構(gòu)設(shè)計有深入的探索和顛覆式的思考；

他們的共識是，在所有AI技術(shù)浪潮里，真正的拐點從來不是“功能變強”，而是“學(xué)習(xí)方式改變”——從監(jiān)督學(xué)習(xí)到自監(jiān)督學(xué)習(xí)，從大規(guī)模文本到通用多模態(tài)語料，正是每一次學(xué)習(xí)方式的迭代帶來了成本結(jié)構(gòu)被改寫、能力邊界被重新定義。

而人類作為目前已知學(xué)習(xí)能力最強的生物，人類對于動作、技能的習(xí)得并不是依靠別人手把手教會我們每一個動作，而是通過觀察大量行為，自然習(xí)得動作背后的規(guī)律。因此他們認為，如果要真正有效地解決具身智能現(xiàn)在面臨的困境，那么就要想辦法幫助機器人用更高效的方式理解物理世界的行為和動作；要找到一種媒介將物理世界行為轉(zhuǎn)化為虛擬世界數(shù)據(jù)，讓機器人有能力從這些數(shù)據(jù)中習(xí)得物理世界的常識與行為模式，這個媒介就是“視頻數(shù)據(jù)”。

當然“視頻數(shù)據(jù)”并不是一個全新的技術(shù)概念。時間回到今年5月，特斯拉工程主管米蘭·科瓦奇（Milan Kovac）通過X平臺宣布，Optimus將正式告別傳統(tǒng)的動作捕捉和遠程操控訓(xùn)練方式，全面轉(zhuǎn)向基于視頻數(shù)據(jù)的“純視覺”AI訓(xùn)練模式。他強調(diào)：“我們的目標之一是讓Optimus直接從人類執(zhí)行任務(wù)的互聯(lián)網(wǎng)視頻中學(xué)習(xí)。這些視頻通常是隨機攝像頭捕捉到的第三人稱視角?！?/p>

此外，國外的Skild AI提出了利用視頻數(shù)據(jù)解決數(shù)據(jù)瓶頸的方法；國內(nèi)的逐際動力、千尋智能、BeingBeyond都提出采用視頻數(shù)據(jù)來提升機器人的智能水平，具身智能產(chǎn)業(yè)正在迅速達成一個共識，即傳統(tǒng)依賴遙操作和動捕技術(shù)的數(shù)據(jù)采集路徑，因其高成本和難以規(guī)模化的特性，已成為制約具身智能發(fā)展的關(guān)鍵瓶頸。

樞途的差異化在于，他們構(gòu)建了一套名為SynaData的自動化數(shù)據(jù)管線，將海量真實世界視頻轉(zhuǎn)化為適用于具身智能的通用訓(xùn)練數(shù)據(jù)，讓模型能夠從中提取動作邏輯、空間模式和行為線索——并最終遷移到不同的機器人形態(tài)與任務(wù)場景中。

技術(shù)上，從普通的人-物交互2D視頻中提取模型訓(xùn)練所需的“具身數(shù)據(jù)”，最重要的一步是對視頻進行高精度的升維重建，SynaData通過結(jié)合海量先驗知識庫與多模態(tài)融合算法，將視頻中缺失的深度信息、空間結(jié)構(gòu)與物體形態(tài)精準還原，提取高精度的人體骨架三維連續(xù)動作序列、物體平移旋轉(zhuǎn)軌跡、物體mesh等關(guān)鍵數(shù)據(jù)模態(tài)，并將收集到的人物交互數(shù)據(jù)以通用的標準化形式存儲，成為能夠賦能全行業(yè)不同玩家的Raw Data。

重建精度是決定數(shù)據(jù)價值的絕對核心：當機器人執(zhí)行交互動作時，操作誤差往往決定了任務(wù)成敗。SynaData已將視頻重建誤差從傳統(tǒng)方法普遍存在的±5cm降低至±5mm，實現(xiàn)了數(shù)量級的精度突破。毫米級的重建能力，使得視頻數(shù)據(jù)真正具備了“可被機器人直接學(xué)習(xí)”的質(zhì)量標準，也讓數(shù)據(jù)從“不可控樣本”變成“可擴展生產(chǎn)要素”，推動行業(yè)進入數(shù)據(jù)自主生成和復(fù)用的新階段。

視頻數(shù)據(jù)在被升維后，仍需解決“能否遷移到不同本體上訓(xùn)練”的關(guān)鍵問題。具身智能領(lǐng)域長期存在的挑戰(zhàn)，是缺乏一種可靠的跨域Retargeting能力，能夠把“人類動作點”與“機械臂/人形機器人結(jié)構(gòu)”進行逐點映射，使其在動力學(xué)差異和結(jié)構(gòu)差異下仍能穩(wěn)定執(zhí)行動作。

SynaData通過動態(tài)結(jié)構(gòu)適配算法，將human-to-humanoid的模仿學(xué)習(xí)誤差降低超過50%，任務(wù)成功率提升40%。這一能力讓不同機器人可以共享同一數(shù)據(jù)源，也讓“數(shù)據(jù)跨本體復(fù)用”成為現(xiàn)實，從根本上打破了數(shù)據(jù)孤島。

在實際驗證中，樞途SynaData已經(jīng)跑通RDT、π0.5、智元Go-1、Diffusion Policy、ACT等主流開源VLA具身模型，是業(yè)內(nèi)唯一完成多家第三方模型端到端驗證的數(shù)據(jù)公司，并已在多家頭部具身獨角獸公司完成數(shù)據(jù)驗證，商業(yè)化閉環(huán)全面跑通。

更具想象空間的是，SynaData的數(shù)據(jù)管線不僅能夠提取標準幾何與軌跡信息，更能利用現(xiàn)實世界中更豐富的模態(tài)，將模型從“模態(tài)不足”的限制中解放出來，使下一代具身模型能夠成長出更豐富、更強大的抽象與理解能力。

樞途也正是基于這樣的能力，自成立以后很快就得到了資本市場以及產(chǎn)業(yè)方的廣泛關(guān)注：

2024年12月，樞途科技拿到了自成立以來的第一筆融資，投資方為奇績創(chuàng)壇創(chuàng)始人陸奇博士；

2025年8月，英偉達在其官方公眾號“NVIDIA英偉達中國”中，將SynaData視為“NVIDIA全棧技術(shù)加速樞途科技構(gòu)建具身訓(xùn)練數(shù)據(jù)新范式”，認為其實現(xiàn)了2D視頻到3D數(shù)據(jù)的高速重建，以及3D數(shù)據(jù)至具身多模態(tài)訓(xùn)練數(shù)據(jù)的高速提取，并將所提取的具身多模態(tài)訓(xùn)練數(shù)據(jù)與 Isaac Sim平臺進行了融合，實現(xiàn)了從視頻3D重建、軌跡等多模態(tài)數(shù)據(jù)提取、仿真環(huán)境融合、VLA模型訓(xùn)練的全棧批量化視頻數(shù)據(jù)具身模型訓(xùn)練閉環(huán)；

2025年9月，樞途科技獲得了2025高通創(chuàng)投-紅杉中國創(chuàng)業(yè)大賽冠軍。隨后，樞途科技公布了規(guī)模為數(shù)千萬元人民幣的天使輪融資，由東方富海及兼固資本聯(lián)合領(lǐng)投。

從“資源”變?yōu)椤盎A(chǔ)設(shè)施”

從楊立昆、李飛飛們近段時間大談的“世界模型”，再到特斯拉、樞途科技發(fā)力的“視頻數(shù)據(jù)”，我們可以看到在人工智能的發(fā)展曲線上，數(shù)據(jù)不再只是支撐模型的輔助資源，而逐漸成為能否規(guī)?；?、能否落地、能否持續(xù)進化的關(guān)鍵基建。

尤其是對于具身智能而言，作為人工智能最具象化的承載，也是人類下一階段無可爭議的發(fā)展方向，其對數(shù)據(jù)的要求遠高于其他模態(tài)：場景更復(fù)雜、交互更多樣、動作更連續(xù)、物理規(guī)律更細膩。因此，誰能率先建立可擴展的數(shù)據(jù)體系，誰就掌握了行業(yè)的供給側(cè)入口。

這些前提決定了樞途科技的涌現(xiàn)是一個開始：2025年勢如潮水的創(chuàng)業(yè)潮、融資潮代表的更多是“未來增長的共識”，而并非“產(chǎn)業(yè)發(fā)展程度”的肯定——人工智能以及具身智能想要成為一個完整的、正向循環(huán)的、有通暢產(chǎn)品開發(fā)路線的產(chǎn)業(yè)，就需要不依賴單一本體、不受限于單一場景，站在產(chǎn)業(yè)鏈上游的大量“基礎(chǔ)設(shè)施”建設(shè)者們。