机器人缺的不只是大脑，还有一套能读懂人类动作的“翻译系统”
2026年，具身智能赛道最拥挤的地方不在机器人本体，而在数据。当行业从“能不能动”进入“能不能干活”的阶段，一个尴尬的断层浮出水面：人类世界积累的视频、动作、触感信息浩如烟海，但机器人真正能用来训练的数据却极度稀缺。实验室里的遥操作采集成本高、规模小；互联网视频虽然量大，却缺乏力觉、触觉和精确关节信息，无法直接映射到机器人的执行端。更棘手的是，即便拿到了数据，不同机器人构型、不同传感器模态之间的对齐与统一表征，至今没有一个被广泛接受的底层方案。
这意味着，具身智能的瓶颈正在从模型架构转向数据基础设施。谁能让真实世界中的人类行为“翻译”成机器人可学习、可执行的高质量数据，谁就卡住了物理AI的咽喉。枢途科技试图切入的正是这个位置。
近日，深圳具身智能基础设施企业枢途科技完成近亿元人民币Pre-A轮融资。据投资界、集微网等多家行业媒体报道，本轮由鼎晖百孚、鲲鹏基金（大数据方向国家级基金）联合领投，广州产投、亿合资本联合投资，老股东趋势投资超额追投。这是公司一个月内完成的第三轮融资。在具身智能融资节奏整体放缓的背景下，这个频率和股东组合释放出一个信号：资本正在从押注机器人本体，转向押注支撑整个行业的数据与触觉底层设施。
从产业链位置看，枢途科技所做的事并不直接面向终端用户，而是嵌入在机器人厂商与真实世界之间。它的价值假设建立在一条清晰的因果链上：如果机器人要进入工厂、家庭和商业场景，就必须理解人类动作的语义；而理解人类动作的前提，是存在一套能够跨越视觉、触觉、力觉和关节空间的数据转换机制。枢途科技把这条机制称为“物理AI基础设施”，本质上是在为具身智能行业补上一块缺失已久的底层拼图。
| 字段 | 内容 |
|---|---|
| 公司 | 枢途科技 |
| 轮次 | Pre-A轮 |
| 金额 | 近亿元人民币 |
| 投资方 | 鼎晖百孚、鲲鹏基金联合领投；广州产投、亿合资本联合投资；老股东趋势投资超额追投 |
| 总部 | 深圳 |
| 创始人 | 未披露 |
| 官网 | 未披露 |
“一个月三轮”的资本结构，更像一场围绕数据管线的卡位
枢途科技成立于2024年，总部位于深圳。据集微网报道，公司将自身定位为“连接人类行为和机器人真实执行的物理AI基础设施公司”，专注多模态具身智能数据采集及模型技术，聚焦人类视频升维、人机动作映射、触觉统一表征与训练。通俗地说，它要解决的是具身智能领域最基础也最棘手的问题：如何把人类在真实世界中的行为，转化为机器人可以学习的数据和端侧技能。
本轮融资的资本结构值得拆解。鼎晖百孚是鼎晖投资旗下的股权投资平台，在硬科技和产业数字化领域有较多布局；鲲鹏基金据披露为“大数据方向国家级基金”，这意味着枢途科技的数据业务被纳入了国家大数据战略的资本视野；广州产投的参与则带有明显的地方产业引导色彩，与深圳总部形成大湾区内的产投协同。老股东趋势投资超额追投，通常被解读为内部信息优势下的信心信号，但在Pre-A轮阶段，这种“追投”也可能与一个月内连续三轮融资的节奏有关——早期投资人需要通过追加来维持持股比例，避免在快速融资中被过度稀释。
“一个月内完成第三轮融资”这一事实，据集微网和Fastdata极数均明确提及。但需要指出的是，这三轮融资的具体金额、估值变化、前两轮的投资方和完成时间，来源材料均未披露。因此，外界无法判断这“三轮”是独立轮次还是同一轮融资的分阶段交割，也无法评估公司在短时间内估值抬升的幅度。这个信息缺口让“一个月三轮”的叙事在传播中容易被放大，但其真实的资本运作结构仍不透明。
以下为编辑推测。从融资节奏本身来看，一个月内连续完成三轮融资，在早期硬科技项目中并不常见。它可能对应三种情形：一是公司可能处于需求旺盛的卖方市场，投资机构需要在短时间内锁定份额；二是融资可能被拆分为多个交割批次，以配合不同投资方的内部流程；三是公司可能主动通过高频融资制造市场声量，以吸引后续产业客户和人才。无论哪种情形，都指向同一个事实：枢途科技正在以远超常规早期项目的速度推进资本化，而这种速度本身也会反过来影响公司的资源配置节奏和产品验证节奏。
SynaData数据管线：以视频为核心，但“视频升维”的验证路径尚未公开
枢途科技的核心产品是SynaData数据管线。据公司披露，这是一套“以视频为核心的具身智能数据管线”，可提供标准化通用数据产品。其技术逻辑围绕三个关键词展开：人类视频升维、人机动作映射、触觉统一表征与训练。从已披露的信息看，SynaData试图走一条区别于传统遥操作采集的路线——不是让人类戴着动捕设备去“教”机器人，而是从海量人类视频中提取动作语义，再通过映射技术转换到机器人可执行的关节空间。
这条技术路线的吸引力在于成本。传统遥操作采集需要专业设备、场地和操作员，单位数据成本高且难以规模化。如果视频升维技术能够从普通摄像头拍摄的人类动作中提取出足够精度的运动信息，数据供给的瓶颈将被大幅打开。但这条路线也存在一个公开技术界尚未完全解决的难点：二维视频缺乏深度信息、力觉信息和触觉信息，从视频中恢复的三维动作在精度上能否满足精细操作任务的要求，仍是一个待验证的问题。枢途科技将“触觉统一表征”纳入技术框架，说明公司意识到了视频数据的固有缺陷，试图通过触觉模态来补全。但SynaData与SynaTac之间的具体耦合方式、数据精度指标、以及在真实机器人上的迁移效果，来源材料均未披露。
从产业链角度看，SynaData的定位更接近“数据中间件”。它不直接生产机器人，也不直接训练通用大模型，而是为具身智能企业提供标准化数据产品。这个定位的合理性在于，具身智能企业各自的数据格式、传感器配置和机器人构型差异极大，一个能提供统一数据接口和标准化产品的中间层，理论上可以降低整个行业的数据获取成本。但反过来，这也意味着枢途科技的价值高度依赖于下游客户的采纳意愿——如果头部具身智能公司选择自建数据管线，第三方数据供应商的空间将被挤压。
进一步看，SynaData的“以视频为核心”定位还隐含着一个更深的产业判断：在具身智能数据来源中，视频是唯一能够以互联网规模持续供给的模态。力觉和触觉数据必须依赖物理交互才能产生，而物理交互的采集天然受限于设备和场景。如果枢途科技能够证明视频数据经过升维和映射后，可以在相当比例的任务中替代或部分替代昂贵的物理采集，那么它的成本结构将形成对传统数据采集方案的代际优势。但这一判断目前仍停留在技术假设层面，公司尚未公开任何基准测试结果或客户侧的迁移效果数据。
“覆盖超60%百亿估值独角兽”的说法，需要拆开看
枢途科技披露了一个颇具冲击力的商业化数据：据公司称，SynaData数据管线“目前已覆盖超60%估值超百亿的具身智能企业客户”，产品“获头部厂商批量采购”。如果这一数据属实，意味着枢途科技在极短时间内完成了对具身智能头部阵营的渗透，这在企业服务领域极为罕见。
但这一说法需要被审慎对待。首先，“覆盖”的定义不明确——是付费客户、试用客户、还是仅仅建立了商务接触？来源材料没有给出客户数量、合同金额、复购率或收入规模等可验证的量化指标。其次，“估值超百亿的具身智能企业”这一群体的总数本身并不透明，不同统计口径下数量差异可能很大，“超60%”的基数是多少，外界无从判断。第三，客户具体名称未披露，无法通过公开信息交叉验证。因此，这一数据目前只能视为公司单方面披露的市场渗透率，尚缺乏独立第三方的审计或核实。
从行业竞争格局看，具身智能数据赛道并非空白。特斯拉的Optimus团队在自建数据采集体系，Figure AI、智元机器人等头部厂商也在投入大量资源构建自己的遥操作和数据管线。如果最头部的具身智能公司倾向于自建数据能力，那么枢途科技“覆盖超60%百亿估值独角兽”的客户结构，可能更多集中在那些尚未建立完整数据团队的中腰部企业。这本身是一个真实存在的市场，但其付费能力和长期粘性，与头部自建路线的客户完全不同。
另一个值得注意的细节是，来源材料中同时出现了“覆盖超60%估值超百亿的具身智能企业客户”和“服务超60%百亿估值具身智能独角兽企业”两种表述。两者在字面上高度接近，但“企业客户”与“独角兽企业”的外延并不完全一致。这种表述上的细微差异，可能只是不同媒体在转述时的措辞变化，也可能反映了公司在不同场合对同一数据的不同包装方式。无论哪种情况，都进一步说明这一覆盖率数据需要更明确的统计口径和验证路径。
SynaTac触觉技术：资金用途指向明确，但产品边界仍然模糊
本轮融资的资金用途，据公司披露，将“用于支持触觉技术的研发与验证，推动SynaTac技术与产品迭代，并拓展面向机器人真实执行的业务布局”。这是枢途科技首次在公开信息中将触觉技术置于融资叙事的核心位置。
触觉是具身智能中被讨论最多、但商业化最慢的模态之一。视觉和语言模型可以借助互联网海量数据快速迭代，但触觉数据的采集、标注和统一表征至今没有成熟方案。不同触觉传感器的输出格式差异巨大，同一动作在不同材质、不同力度下的触觉信号也千差万别。枢途科技提出“触觉统一表征与训练”，如果能够实现跨传感器、跨任务的触觉数据标准化，其价值将远超数据管线本身——它可能成为触觉模态的“基础协议”。
但SynaTac的具体形态是什么，来源材料没有给出答案。它是一套触觉传感器硬件，还是一个触觉数据处理软件层，抑或是软硬一体的解决方案？产品性能参数、兼容的传感器类型、在真实机器人上的部署案例，均未披露。从“推动SynaTac技术与产品迭代”的表述看，该产品可能仍处于研发验证阶段，距离规模化商用还有距离。本轮近亿元资金中，有多大比例投向触觉、多大比例用于数据管线的交付能力建设，也未披露。
从技术逻辑上推测，SynaTac与SynaData之间可能存在两种耦合关系。一种是以SynaData为主干，SynaTac作为触觉模态的补充输入源，为视频升维后的数据提供力觉和触觉标签；另一种是以SynaTac为独立产品线，面向机器人厂商提供触觉数据采集和统一表征能力。前一种路径下，SynaTac是数据管线的增强模块；后一种路径下，SynaTac可能发展为独立的触觉基础设施。公司目前披露的信息不足以判断其战略重心更偏向哪一种。编辑分析认为，“拓展面向机器人真实执行的业务布局”这一表述可能指向触觉技术最终要服务于机器人在物理世界中的实际任务执行，而非停留在数据采集层面，但这一解读尚未得到公司公开材料的直接确认。
投资逻辑：从“押本体”到“押基础设施”的转向，但验证周期并不短
枢途科技本轮融资的投资逻辑，可以从三个层面理解。
第一层是赛道切换逻辑。2024年至2025年，具身智能融资的绝对主力是人形机器人本体公司。但到了2026年，本体的差异化竞争愈发困难，供应链趋同、成本曲线下移、商业化场景迟迟未能规模化，资本开始寻找“卖铲人”。数据、触觉、仿真、中间件等基础设施环节，因为不依赖单一机器人形态的商业化成功，理论上具有更强的抗周期属性。枢途科技恰好站在这个切换的节点上。
第二层是国资逻辑。鲲鹏基金作为“大数据方向国家级基金”参与领投，广州产投作为地方产投跟进，说明枢途科技的数据业务被纳入了“数据要素”的政策叙事。具身智能数据如果被视为一种战略性数据资产，其基础设施属性将获得政策层面的额外加持。但政策加持与商业验证之间仍有距离，国资的进入更多是认可方向，而非确认商业模式的可行性。
第三层是客户卡位逻辑。如果“覆盖超60%百亿估值独角兽”的披露基本属实，哪怕只是试用层面的覆盖，也意味着枢途科技已经建立了与具身智能头部阵营的商务触点。在数据基础设施这个需要与客户深度耦合的领域，先发接触本身就有价值。但触点能否转化为持续付费，取决于数据产品能否真正嵌入客户的训练流程，而非停留在一次性采购。
这三个层面的逻辑并非相互独立。国资的进入可能为枢途科技带来与地方机器人产业集群的对接机会，而客户卡位的进展又可能反过来强化其在政策叙事中的位置。但需要警惕的是，这种“资本结构—政策叙事—客户覆盖”的三角关系，在早期阶段也可能形成一种自我强化的叙事循环：融资带来关注，关注带来客户接触，客户接触又支撑下一轮融资。这个循环能否被真实的产品交付和收入数据所锚定，是判断枢途科技是否真正跑通商业逻辑的关键。
风险与待验证假设：数据管线的商业闭环，比技术闭环更难
枢途科技面临的核心风险，不在于技术路线是否成立，而在于商业闭环能否跑通。
第一个待验证假设是“第三方数据供应商能否在具身智能产业链中长期存在”。如果头部具身智能公司视数据为核心竞争力，倾向于自建数据管线，那么第三方供应商的市场天花板将被显著压低。枢途科技需要证明，其标准化数据产品在成本和效率上优于客户自建方案，且客户不会在数据能力成熟后转向自研替代。
第二个待验证假设是“视频升维数据的精度能否满足真实执行需求”。从已披露的技术框架看，枢途科技以视频为核心数据源，但视频数据在力觉、触觉和精细操作维度存在固有缺陷。SynaTac触觉技术能否有效补全这一缺陷，以及补全后的数据在真实机器人上的任务成功率如何，目前没有公开的验证结果。如果视频升维数据只能用于粗粒度动作学习，而精细操作仍需遥操作采集，那么SynaData的适用范围将比公司描述的更窄。
第三个待验证假设是“超60%覆盖率”背后的客户质量。如前所述，这一数据缺乏可验证的量化基础。如果覆盖的是中腰部客户且以试用为主，那么枢途科技的收入规模和客户留存率可能远低于“头部厂商批量采购”所暗示的水平。在Pre-A轮阶段，收入规模未披露本身并不异常，但“批量采购”的说法与未披露收入之间的落差，值得持续观察。
第四个待验证假设隐藏在“一个月三轮”的融资节奏中。快速融资在带来资金和声量的同时，也可能压缩公司验证产品与市场匹配度的时间窗口。如果资本节奏快于产品节奏，公司可能在数据精度尚未得到充分验证的情况下，被迫进入下一轮融资或大规模客户交付，从而放大执行风险。这种风险在数据基础设施领域尤为突出，因为数据产品的客户验证周期天然较长，很难通过资本投入直接缩短。
从已披露的融资节奏、股东结构和产品定位看，枢途科技正在试图成为具身智能数据层的基础设施提供者。这个方向在产业逻辑上成立，在政策叙事上有支撑，在资本市场上有时机窗口。但从“方向正确”到“商业成立”之间，隔着数据精度验证、客户付费转化、触觉产品落地三重关卡。近亿元Pre-A轮融资买来的，是一张进入核心赛道的门票，以及验证这些假设的时间窗口。
验证边界与可复核指标
本文涉及的“首个、唯一、最大、领先”、订单、出货、性能等表述，如无另行说明，均是公司、创始人或投资方在现有公开材料中的披露口径；RecodeX未在本次采集材料中找到独立审计或第三方测试结论，因而不将其视为已经独立确认的事实。文中的产业协同、竞争位置和商业路径属于基于已披露产品与融资用途的编辑分析，不代表相关结果已经实现。
- 技术侧应核验第三方测试条件、样本规模、良率、稳定性及与可比方案一致口径的结果；
- 商业侧应核验去重后的付费客户、可执行合同、收入确认、复购率以及订单转化；
- 资本与产业协同应以工商股权、关联交易、联合开发、采购或量产文件为准。
RecodeX 极客视：具身智能的下一场战争不在机器人本体，而在数据基础设施的标准化。枢途科技用一个月三轮融资的速度证明了资本对“卖铲人”逻辑的饥渴，但“覆盖超60%百亿估值独角兽”的漂亮数字背后，客户质量、数据精度和触觉产品的真实状态仍是黑箱。当行业集体从“能不能动”转向“能不能干活”，数据管线的商业闭环能否跑通，将决定这家2024年才成立的公司是成为物理AI的底层协议，还是又一个被资本节奏推着走的早期故事。