图源企业官方

作者 | 肖漫

编辑 | 袁斯来

硬氪获悉，具身智能基础设施公司枢途科技连续完成天使++轮及天使+++轮融资，其中，天使++轮融资金额为数千万元，由麟阁创投、深圳高新投及某头部手机与智驾产业投资方共同参与。天使+++轮融资金额据披露为近亿元，投资方包括基石资本、南山战新投、苏州趋势资本、能量守恒资本、杭实集团和西湖科创投。

枢途科技成立于2024年，是一家连接专业人类行为与机器人能力的具身智能基础设施公司，通过将真实岗位中的人类经验转化为机器人可学习的数据与技能，推动机器人在真实场景中的规模化应用。

过去，枢途科技的主要业务为数据采集，一个明显的变化是，枢途科技希望成为具身智能基础设施公司。

枢途科技CTO慕巍认为，数据只是今天具身智能落地最突出的矛盾之一。真正长期需要解决的问题，是机器人如何用好数据，把数据转化成能力，去做更多的落地运营以及落地过程中的系统性问题。

现阶段，具身智能正从 Demo 走向产品，而有限规模的真机部署难以提供足够的数据，成为机器人规模化落地面临的共同瓶颈。真实岗位中的人类行为包含任务流程、操作策略和异常处理等专业经验，是帮助机器人跨越这一“数据鸿沟”的关键来源。

围绕这一判断，枢途通过物理信息解析、行为表征和人机动作映射，将专业人类行为转化为机器人可学习的物理经验，并结合真机数据完成训练与验证。

对于人类行为这一关键经验来源，枢途科技的核心思路不是简单收集更多视频，而是把真实岗位中的专业行为转化为机器人模型能够理解、学习和验证的物理经验。

图源企业官方

一段真实作业记录不仅包含动作轨迹，还包含三维空间关系、人体与手部运动、物体状态、接触与交互、动作前后的因果关系、任务流程和完成标准。如果这些信息停留在未经解析的视频层面，数据规模增加并不会自动带来机器人能力的同比例提升。

枢途认为，具身智能的 Scaling 既需要 Data Scaling，也需要 Data Representation Scaling，关键在于让数据中的物理经验被准确表达。

这一路径可以概括为“Human Action → Learnable Physical Experience → Robot Action”。人类行为扩大机器人能够学习的任务、场景和策略边界，机器人数据则用于具体本体的适配和真实效果验证，二者共同形成从经验获取到能力提升的闭环。

工业化交付体系

枢途科技已形成覆盖上述多源数据形态的产品矩阵，从不同来源中提取并表征对机器人学习真正有价值的物理信息，并根据模型、本体与任务需求，形成可直接进入训练流程的数据产品。

这些产品共同构成了枢途科技的人类行为训练底座，公司的核心目标并非单纯采集数据，而是将其中的人类经验统一转化为模型可学习的物理表征，进而服务于不同机器人形态与任务场景。

据悉，该路径和产品已获得多家头部具身智能企业、互联网大厂及传统机器人本体企业的客户验证。国内估值超过百亿元人民币的具身智能企业中，已有60%以上成为枢途客户。

以下是硬氪与枢途科技CTO慕巍的交流纪要，内容经编辑：

硬氪：具身行业变化很快，枢途接触到的企业对数据需求在近一年来发生什么样变化？

慕巍：真正的具身的转化是从 2024 年开始，早期谈得比较多的是摇操，以及基于 VLA 的模型后训练，到后来的Ego，针对人类视频的操作视频的学习数据，至少已经迭代了至少三到四轮。

再往前看，我们做的这不仅仅是一个混合视角，或者说多维度的信息还原，更多的是怎么把人体运动、手部操控，这个过程中的交互因果、人类意图都要结合在一起，以及做这件事情所带来的优劣结果。

我们的客户最需要的是能够通过枢途的数据去构建像人类行为学习的方式，所以我们不仅提供基础的视频数数据，之后在算法服务上还要帮助客户做深入合作。

硬氪：具身都在谈缺数据，缺的是哪一类数据？

慕巍：缺的是能够帮助具身快速且高效地训练出模型能力的数据。

所以不同的企业跟枢途合作是基于企业定位、自身停留的阶段，以及所关注的场景决定数据需求，有各种各样变化的可能，他们需要的数据层次会越来越高，从原来非常底层的机器人关节，、空间位置的信息，到越来越高层的意图交互等信息，从具象到抽象，蔓延了很多层级。

硬氪：接下来具身数据的核心竞争力是什么？

慕巍：核心竞争力还是对好的数据的加工能力，是真正最核心的一个竞争力，就是谁能够更好，更高效地加工，还原出更多的数据内包含的信息，这是第一个层面。

第二个层面就是能够持续的帮助算法企业去理解他们的需求，以及配合他们的需求去做出最高效的数据。我觉得这两个点可能都是最重要的，其他的都是一个短期运营的效果。

硬氪：现在一些机器人公司在做数据采集，模型公司也在做，理论上他们之后会用自己的数据，枢途怎么看这一现象？以及您觉得枢途的不可替代性在哪？

慕巍：举一个类比，在数字AI领域，OpenAI也有自己相应的团队，任何一家企业都会有自己的数据平台、数据管线或者基础设施的团队。

这个没有问题，但枢途作为一个独立的，赋能行业的生态合作伙伴定位的公司，我们最大的优势在于可以赋能更多的公司，可以以更快速的迭代和更高效地提供更优质的数据。我们做同样的事情，面对的是多家客户，而每一家下游客户的数据团队只是针对自身的数据需求采集，这就是典型的效率差异。

其次，每一家客户都有优化数据的形态和方法，一般都只针对自己的机器人形态去优化，今天具身最缺的是通用理解和行为能力，这就更需要一些上游的，具有更高效率优势的企业来赋能，枢途在这里就扮演了这样的一个角色。

所以不会因为数据公司或是模型公司有自己的数据团队，就没有数据公司的生存位置，这两个并不矛盾。

投资人观点：

深圳高新投：具身智能要真正进入制造、物流及服务等真实场景，不仅需要算法突破，还需要解决训练数据获取成本高、专业任务覆盖不足和工程验证周期长等现实问题。枢途从真实作业中的人类经验出发，通过物理信息解析、行为表征和人机动作映射形成可供机器人学习的数据，为行业提供了一条兼顾数据规模、质量与生产效率的技术路径。

基石资本：具身智能产业将逐步形成专业化分工，能够服务不同模型、本体和场景的训练数据基础设施将成为产业链中的重要平台型机会。枢途没有停留在数据采集环节，而是将真实人类操作进一步加工为可训练、可复用的数据资产，并以中立定位服务产业链多类客户。团队兼具机器人学习的前沿认知与真实产业交付经验，有能力将复杂的数据技术沉淀为产业链可广泛使用的产品与服务，并以开放协作推动数据、模型、本体与应用场景更高效地衔接。