当机器人开始学习如何移动，动作捕捉就不再只是电影工业的幕后工具，而可能成为物理AI时代最上游的数据入口。在传统光学动捕棚里，演员需要穿上布满反光标记点的紧身服，在数十台红外摄像机的包围下完成表演；一套系统动辄百万美元，安装调试以小时计。而在首尔南部城南市的一间办公室里，一家成立仅三年的公司试图用激光雷达和端侧AI，把这件事压缩到一台设备、五分钟安装、十分之一的价格。

2026年11月3日，韩国3D动作数据公司MOVIN宣布完成100亿韩元A轮融资，由IMM Investment领投，IBK Industrial Bank of Korea和Voyager Ventures参与，现有投资方Atinum Investment、Naver D2SF和Schmidt跟投。公司称，这笔资金将用于建设约100坪的新研发中心、推进AI模型迭代，以及把产品从单人动作捕捉方案扩展为覆盖多场景的动作数据基础设施。

这笔融资的叙事落点不在“动捕设备”本身，而在于MOVIN试图回答的一个更根本的问题：当AI从语言和图像走向物理世界，谁来提供机器理解人类运动所需的三维数据？

字段 内容
公司 MOVIN
轮次 A轮
金额 100亿韩元
投资方 IMM Investment（领投）、IBK Industrial Bank of Korea、Voyager Ventures、Atinum Investment、Naver D2SF、Schmidt
总部 韩国
创始人 Choi Byeol-i（CEO）
官网 https://movin3d.com

激光雷达动捕的“去标记化”赌注：从两小时到五分钟的安装时间差

MOVIN的核心产品TRACIN走的是一条与传统光学动捕截然不同的技术路线。传统方案的代表是Vicon——一套基于多台红外摄像机和反光标记点的系统，在游戏、电影和生物力学研究领域占据长期主导地位。TRACIN则使用激光雷达传感器配合自研AI算法，据公司通稿称，无需标记点或动捕服即可实时捕捉人体动作并转化为3D数据。公司通稿援引其历史披露称，TRACIN成本约为现有系统的十分之一，安装时间从传统方案约两小时缩短至五分钟；不过该口径未披露具体参照的Vicon型号或配置，无法进行同规格对比。以下经营数据均来自公司通稿，未经审计或独立验证。

这一技术选择的真实含义需要放在产业链约束中理解。激光雷达的优势在于直接获取空间深度信息，不受可见光环境干扰，且单台设备即可工作；劣势在于点云密度和精度通常低于专业光学动捕的多相机阵列。对游戏和VTuber等内容创作场景而言，TRACIN的精度和延迟是否足够，取决于具体应用对动作细节的要求。公司通稿称，TRACIN已集成Unity、Unreal、Maya和Blender，客户可通过插件将动作数据实时导入游戏引擎。这意味着MOVIN的产品定位并非直接替代高端电影级动捕，而是切入一个被传统方案价格门槛挡在门外的中长尾市场：独立游戏工作室、虚拟主播、中小型内容团队。

从已披露信息看，MOVIN的竞争策略是“价格锚定+部署速度”的组合。公司通稿称产品开售一年内实现全球营收76万美元（10亿韩元），海外客户贡献70%营收；已获得来自11个国家、超过50家游戏工作室、VTuber和娱乐公司的订单，主要集中在美国、韩国和英国。以76万美元年营收和超过50家客户粗略计算，单客户平均贡献约1.5万美元。但“订单”是否等同于“已交付并确认收入的客户”，“76万美元营收”是否包含未交付订单的预付款，来源均未说明。

从内容生产到机器人学习：一条尚未被验证的延伸路径

MOVIN的融资故事中，最吸引投资人的部分可能不是动捕设备本身，而是其向机器人数据基础设施延伸的可能性。公司通稿称，全球机器人公司和研究机构——包括Boston Dynamics和RAI Institute——已将其技术用于机器人遥操作和学习；MOVIN TRACIN R1作为面向机器人学习的解决方案，已在合作方环境中使用。这是公司叙事中指向“物理AI数据底座”定位的主要说法，但未提供合作范围、数据量、持续时间或商业条款等细节，不能视为独立验证的采用证据。

从产业链逻辑看，机器人学习确实需要大量高质量的三维运动数据。人类演示数据是机器人模仿学习的核心输入之一，而传统动捕系统的高成本和专用场地要求，限制了数据采集的规模化。如果TRACIN能以更低成本在真实环境中采集人体运动数据，理论上可以降低机器人遥操作和模仿学习的数据获取门槛。但“被用于”与“被规模化采用”之间存在显著距离。Boston Dynamics和RAI Institute的名字出现在公司通稿中，只能说明存在某种形式的技术接触或试点，无法推断为商业合同或持续采购关系。

IMM Investment董事总经理Hongchan Kim在本次融资相关报道中给出了投资逻辑：“MOVIN正在内容制作市场产生收入，并在机器人领域建立技术用例。我们看重其可应用于多种环境的动作数据技术，以及全球业务扩张的潜力。”这段表述本身承认了机器人业务仍处于“用例建设”阶段，而非成熟收入来源。这与公司CEO Choi Byeol-i的表述形成呼应——后者称“AI正从理解文本和图像的时代走向理解和学习真实世界运动的时代”，但同样未给出机器人业务的具体收入贡献。

多人追踪与端侧AI：产品路线图背后的技术跳跃

MOVIN在2026年4月的NAB Show上发布了MOVIN TRACIN Stage，据公司通稿称可同时追踪多名表演者，并现场演示了与Disguise和Notch的集成。Disguise是虚拟制作和现场演出领域的实时渲染平台，Notch则是实时视觉效果工具。这一发布指向一个明确的产品方向：从单人动捕向多人、大空间、现场制作场景扩展。

但多人追踪与单人追踪之间存在实质性的技术跨越。单人激光雷达动捕只需处理一个主体的点云分割和骨骼拟合；多人场景则要求系统在重叠、遮挡和交互中准确区分不同个体，并保持各自的骨骼追踪稳定性。激光雷达点云在多人场景下的数据稀疏性问题会更加突出。MOVIN未披露TRACIN Stage的追踪精度、同时追踪人数上限、延迟指标或与单人版本的价格差异。公司通稿称其技术路线是从“旗舰单人动作捕捉方案升级为基于端侧多模态AI的动作数据基础设施”，但“端侧多模态AI”的具体含义——是融合视觉与激光雷达、还是在设备端完成推理——来源未给出技术细节。

从产品节奏看，2025年Pre-A轮时公司已同时提及人形机器人数据方向，本轮进一步加重物理AI叙事权重。这种叙事重心的转移，与资本市场对“世界模型”和“具身智能”的关注升温同步。但叙事转移本身不构成技术验证。公司能否在多人追踪、端侧推理和数据基础设施三个方向上同时推进，取决于100亿韩元（按公司通稿对应约760万美元）的资金能否覆盖多条产品线的并行研发。

资本结构：老股东集体跟投与未披露的估值边界

本轮融资的资本结构呈现出典型的“内部信心+外部验证”组合。领投方IMM Investment是韩国本土风险投资机构；IBK Industrial Bank of Korea作为政策性银行的参与，通常带有一定的产业政策色彩；Voyager Ventures的加入则提供了海外资本视角。更值得注意的是，Atinum Investment、Naver D2SF和Schmidt三家现有投资方全部跟投。其中Atinum Investment在2025年2月参与了MOVIN的40亿韩元Pre-A轮，为投资方之一（部分来源称其领投）；Naver D2SF是Naver的企业风险投资部门，Schmidt为韩国加速器。

老股东集体跟投在早期融资中通常被解读为对创始团队和执行力的认可，但也可能反映一种更现实的约束：新轮次需要老股东维持持仓以支撑估值叙事。本轮估值未披露，公司也未披露股权比例、稀释幅度或是否有债务成分。100亿韩元是合计金额，股权与债务的拆分未在来源中给出。这意味着外界无法判断这笔融资对公司实际控制权和资本成本的真实影响。

从历史融资节奏看，MOVIN在2025年2月完成40亿韩元Pre-A轮，2026年11月完成100亿韩元A轮，间隔约21个月。这一节奏在韩国早期硬件+AI公司中属于正常偏快，但考虑到公司营收规模仍处于百万美元以下，A轮金额的合理性更多建立在“数据基础设施”的远期想象上，而非当前现金流折现。

经营数据的验证缺口：76万美元营收与50家客户

上述经营数据构成了本次融资中最重要的经营证据，但全部来自公司单方披露，未经审计或第三方验证。以76万美元年营收和超过50家客户粗略计算，单客户平均贡献约1.5万美元。这一客单价与“现有系统十分之一价格”的定位大致吻合，但“订单”是否等同于“已交付并确认收入的客户”，“76万美元营收”是否包含未交付订单的预付款，这些关键口径问题在来源中均未得到回答。

更值得追问的是客户留存和复购。动捕设备是低频采购的耐用品，如果MOVIN的收入主要来自一次性硬件销售，76万美元年营收的可持续性存疑。公司通稿未披露软件订阅收入占比、客户续约率或从内容客户向机器人客户转化的具体数据。在“动作数据基础设施”的叙事下，MOVIN的长期价值应来自数据的持续产生和流通，而非设备的一次性售卖。但从当前披露信息看，公司尚未证明其商业模式已经跨越从“卖设备”到“卖数据”的鸿沟。

物理AI数据竞赛中的位置：MOVIN的窗口与天花板

将MOVIN放入物理AI数据基础设施的竞争版图中，其位置并不像公司叙事所暗示的那样独特。公司通稿援引CEO在2025年公开报道中的表态称，MOVIN TRACIN是“世界上唯一能够高效大规模获取高质量3D动作数据的系统”。这一表述属于典型的公司单方声明，来源未提供任何独立第三方验证，且“唯一”的限定条件——“高效大规模”——缺乏可操作的比较基准。本轮材料未重复该说法。在动捕行业，无标记方案并非MOVIN首创，多家公司和研究机构在计算机视觉驱动的无标记动捕上已有多年积累。MOVIN的差异化在于将激光雷达而非普通RGB相机作为核心传感器，这一选择在特定场景下具有优势，但不足以支撑“唯一”的绝对化表述。

从编辑视角看，MOVIN真正的机会窗口在于其同时具备内容生产市场的现金流和机器人数据市场的期权价值。内容生产业务提供了短期收入验证，机器人数据业务提供了长期估值想象。这种“双轮叙事”在融资时具有吸引力，但在执行层面意味着资源分配的两难：内容客户需要的是易用性和性价比，机器人客户需要的是数据精度和规模化采集能力，两者的产品需求并不完全重合。100亿韩元的A轮融资能否同时支撑两条产品线的迭代，是MOVIN未来12至18个月最核心的待验证假设。

资金用途的实与虚：100坪研发中心与“世界模型”之间的距离

公司通稿称，本轮资金将用于建设约100坪（约330平方米）的新研发中心，用于为世界模型收集多模态数据。这一表述值得拆解。“100坪”是一个具体的物理空间承诺，但“为世界模型收集多模态数据”是一个高度抽象的技术目标。世界模型（World Model）是当前AI研究的前沿方向，旨在让机器构建对物理世界的内部表征。从一间330平方米的研发中心到“为世界模型收集数据”，中间隔着数据规模、数据质量、数据标注和模型训练等多重环节。

公司通稿未披露新研发中心的具体选址、设备投入、数据采集类型或与现有工作室的关系。据2025年公开报道，公司曾建立动捕工作室以收集3D动作数据；本轮材料未说明新研发中心是这一数据采集能力的扩展还是替代。从资金规模看，100亿韩元中用于研发中心建设的比例未披露，用于AI模型研发和海外业务扩展的分配也未披露。这种模糊性本身并不罕见——早期公司通常不会披露资金使用的精确拆分——但它意味着外界无法判断“动作数据基础设施”的叙事有多少实际资源支撑。

一个更具体的观察点是海外扩张。公司通稿称海外客户贡献70%营收，主要市场在美国、韩国和英国。据2025年公开报道，公司曾计划当年在洛杉矶开设办公室，因为其游戏行业客户集中在那里；本轮材料未说明该计划进展。如果MOVIN的海外收入高度依赖美国游戏和VTuber客户，那么其海外扩张的实质是销售和服务网络的本地化，而非技术能力的输出。这一定位与“全球动作数据基础设施”的叙事之间存在张力。

RecodeX 极客视：MOVIN的A轮融资验证了一个正在形成的判断——物理AI的竞争正在从模型层向数据层上游迁移，而动作捕捉作为人类运动数据的主要获取手段，正在从影视工具演变为数据基础设施的候选入口。但“候选”与“成为”之间的距离，比融资新闻稿所暗示的要远得多。76万美元年营收、50家客户、未披露的估值和未经验证的合作案例，构成的是一个早期产品公司的基本面，而非一个数据平台公司的护城河。MOVIN真正的考验不在融资，而在未来12至18个月内能否证明：激光雷达动捕的数据质量足以支撑机器人学习，内容生产的现金流足以支撑数据基础设施的野心，而这两条路径之间的资源分配不会让公司陷入“两边都做、两边都不深”的中间状态。物理AI需要动作数据，但动作数据不会自动变成物理AI的基础设施——这个转化过程，才是MOVIN尚未完成的最重要验证。

信息来源

本文在采集与核验阶段引用了以下公开来源，按站点去重列出；来源内容归原发布方所有，其口径不代表 RecodeX 的核实结论。