编者按：他们创办的公司或已是独角兽，或刚启动种子轮，或已家喻户晓，或长期身居幕后，或正起于微末，但他们都是中国新经济的微观脉搏，是这轮产业和技术升级的微观主导者和实践者，不同行业成千成万的他们的身影汇聚，投射变革的洪流。

由财联社和《科创板日报》联合发起的 “连线创始人/CEO”栏目，主要关注创新创业型企业，以企业创始人/CEO的访谈为一手信源，让成长中的创业公司走入公众和市场视野，并发掘最新技术和产业趋势。

《科创板日报》6月5日讯（记者 郭辉） 历经2023年至2025年上半年的草创期探索，国内具身智能行业正式告别扎堆攻坚机器人本体硬件的发展阶段，行业估值逻辑完成重塑：能否跑通商业化落地闭环，取代硬件参数，成为衡量企业真实价值的核心标尺。

随之而来的是产业底层逻辑变化。终端市场不再满足机器人实现程序化展演动作，而是倒逼AI“大脑”向全场景落地演进。由此，海量真实交互训练数据的刚需被瞬间点燃，数据缺口已然束缚全产业产业化进程。

据博登智能创始人兼CEO赵捷的观察，进入具身智能时代，仅在过去的短短一年时间里，业内就新冒出上百家专注数据采集与数据服务的企业。

赵捷表示，如果2025年行业普遍认为具身企业普遍需要百万小时量级的训练数据，那么发展到今年，伴随着终端市场需求的再度升级，业内已经提出千万小时，甚至上亿小时的数据需求。“行业对数据需求的敞口持续存在，对公司来说，我们生产多少数据就能交付多少。”

不过赵捷也表示，数据质量依然是企业构建竞争力、获取客户重复订单的核心标准。

在终端创新的浪潮之下，脱胎于自动驾驶数据服务赛道的博登智能，顺势完成业务迭代，成长为国内具身数据基建领域的标杆企业。围绕行业发展痛点、赛道演进规律与公司布局逻辑，《科创板日报》日前专访赵捷，深度拆解具身数据产业的成长全貌。

赵捷表示，博登目标是从服务商升级为面向Physical AI时代的核心基础设施企业。“我们不再只是按量交付标注结果，而是提供从数据采集、数据资产管理到真实场景验证的全链路服务，成为AI产业链中不可替代的关键节点。”

具身时代 数据产业面临多重范式迁移

如果把基础肢体运动控制比作“小脑”功能，想要打造能够深入行业完成细分定制任务，就需要借助AI“大脑”，为此研发门槛会大幅提升。

落地可用的AI大脑，离不开算法、算力、数据三大核心要素。赵捷表示，当前业内各家企业的算法架构差距并不算大，但随着数据需求从过往的“被动采集”转向“强交互驱动”，数据质量成为具身企业竞争的核心壁垒。因此可以看到，全行业具身项目的数据需求迎来井喷。

在具身硬件企业的视角，数据供给不足，同样被视为掣肘行业发展最突出的短板，也是头部厂商拉开竞争差距的关键。

银河通用就曾在不同场合的公开交流中，强调高质量数据缺乏带来的产业难题。银河通用创始人王鹤表示，人形机器人要实现大规模商业化，必须解决数据来源问题，并且具身数据的难题主要源于真实数据采集昂贵，难以扩大到大模型充分泛化所需要的数据量。

宇树科技借助资本市场制度，在IPO进展突飞猛进之际，也在监管要求下，在其更新后的招股书中补充列明商业风险。宇树科技称，该公司自2024年起开始逐步加强对具身大模型即大脑方面的研发投入，但总体占比较小，上市报告期并未大规模开展真实数据采集与工厂部署训练等工作，因此其募投项目的重点之一，便是搭建大规模真实数据集，为商业化落地奠定数据基础。

与大模型发展初期不同——大语言模型时代互联网存有海量公开语料，文本、视频可从各类平台抓取—具身智能需要与真实物理世界交互，场景数据此前几乎没有存量积累，整个赛道的数据几乎要从零搭建。

“具身智能数据获取方式是一种‘强交互采集’，具身智能必须让机器人亲身‘动手’去抓、推、拧、按。”赵捷表示，一个倒水动作可能需要上百万次反复采集，数据获取难度极大。

同时，具身数据多模态融合与时空对齐的复杂度极高，需要同时处理视觉、触觉、力觉、听觉等数据，并在毫秒级时间戳与统一物理坐标系下精准对齐。

从“单一模态标注”转向“跨模态融合标注”，并非简单的多模态叠加，而是意味着一个全新的标注范式。赵捷表示，目前整个行业都面临严重的“多模态数据饥渴”。

博登智能是一家专注Physical AI基础设施建设的企业，主打真实世界AI训练基础设施建设，构建起了“真实世界场景网络、全自动化数据引擎、现实世界验证体系”的三层能力生态体系。

进入具身智能时代，数据标注行业正在摆脱过去过多的劳动密集型产业模式，提升产业商业和社会价值。博登智能以“Train at Scale, Validate in Reality”为核心战略，构建自动化、实景化、工程化、全球化的 AI 训练体系。

赵捷告诉《科创板日报》记者，博登智能构建了全自动化数据引擎的能力，自动化标注比例在智能化场景已达60%以上。在视频目标追踪、3D点云分割等任务中，AI可以自动完成初标，人类只需要校验边缘困难的案例。“我们的中长期目标是做到90%以上，让AI成为标注主力。”

据了解，博登智能自研的BASE数据标注平台与BRIC数据采集平台内置算法模型，大幅提高标注效率。其中BASE平台效率较传统人力最高提升7倍，成本降低40%，平台采用非交互式预标注模型与交互式智能工具双轮驱动，这构成了公司应对行业竞争的核心技术壁垒。

此外，具身数据产业自带重资产属性。赵捷表示，以一年真机产出30万小时数据计算，对应需要约500台机器人，仅硬件投资就要1到2亿元，还不包含场地、人员、存储等费用。

据介绍，目前博登智能已在宁波、马鞍山、湖州建设三大具身机器人创新中心，总占地面积超3万平方米，覆盖上百类生活化、工业化真实场景。博登智能的数据基地，部署了超500台多型号实体机器人及数千套自研采集设备，可实现年产50万小时真机训练数据、百万小时级Ego场景数据的稳定产能，持续积累复杂长尾场景、物理交互及多任务协同核心数据。

这些真实场景网络正在成为Physical AI时代的重要训练底座。

值得关注的是，行业从事具身智能硬件或算法研究的公司，都在投入自研数据标注能力。对于第三方数据企业而言，赵捷表示，并不担心受到生存环境的挤压，专业化分工依然是大趋势。

“自研成本极高，重复造轮子并不经济，对比Scale AI这家海外第三方数据服务巨头，其估值达上百亿美元，也说明数据服务是一条独立且不断壮大的赛道，不会被大厂自研消灭。”赵捷认为，大模型公司自建基础能力，反而会推动行业技术标准和数据质量升级，有利于专业第三方提升服务水平。

锚定Physical AI头部资本接连加码

博登智能成立于2019年，公司发展初期主要聚焦自动驾驶数据服务。这与博登智能创始人赵捷2019年回国前的研究和工作经历分不开关系。

赵捷本科毕业于上海交通大学，于德国凯泽斯劳滕工业大学拿到工学博士学位。在十余年的德国科研与产业研发工作当中，赵捷主要专注于人工智能及智能驾驶算法领域，在德国任职核心算法科学家时，他曾深度参与宝马5系量产智能驾驶项目研发。

而在德国攻读博士期间，赵捷的五年时间主要钻研双足人形机器人研发。

“自动驾驶车辆本质属于轮式机器人，硬件同样搭载感知、预测、决策、执行整套系统，技术逻辑高度相通，这也是公司原本做自动驾驶数据标注，能快速切入具身赛道的核心原因。 ”赵捷表示，博登智能发展轨迹从双足机器人研发到自动驾驶落地，如今再延伸布局具身智能。多重因素促成公司业务的发展。

从行业技术标准发展的维度来看，赵捷认为，具身智能数据行业类似五年前的自动驾驶。“目前不同厂家对抓取、放置、推拉等动作的定义各不相同，数据难以复用。”不过，标准缺失导致重复建设和效率低下，也意味着行业及头部的数据服务公司有巨大的机会和动力，去推动标准建立。

从自动驾驶数据服务行业发展周期来看，从厂商大量涌入，到开始洗牌，再到最后活下来，大概只剩三到四家企业。赵捷认为，具身智能数据行业的发展预计大致与之相仿，甚至可能时间轴还会变得更短。

投资机构对即将迎来爆发的赛道，嗅觉更加敏锐。

今年6月，博登智能正式宣布完成数亿元A+轮及A++轮融资，鼎晖百孚、清新资本、鲁信创投、深产投等多家知名机构联合参投。而在此前，博登智能则拿到了上海国和的投资，这是一家上海国际集团战略持有的投资机构。

本轮融资完成后，博登智能将重点完善升级“三层能力生态体系”，持续扩展真实世界场景网络、持续升级自动化数据引擎、持续建设现实世界验证体系。

在未来投资方的选择上，赵捷表示，将优先考虑能提供行业资源和全球化支持的长期伙伴。“我们不要短期的财务投资人，而是希望找到能陪跑、能赋能、能一起把中国AI数据基础设施推向世界舞台的战略合作伙伴。”

截至目前，博登智能累计合作企业超过500家。2025年公司营收已经超过1.5亿元，年均增速超过100%。

赵捷认为，具身智能商业化落地预计还需5-8年。对工业制造这样环境相对结构化、任务重复性高的场景，有机会率先实现落地，其次是商超零售和仓储物流，而家庭服务场景因高度非结构和安全要求高，落地会更晚。

“下一代人工智能的竞争，最终将建立在真实世界训练基础设施之上。”赵捷表示，如果说过去十年，人工智能最大的挑战是让机器理解数字世界，那么未来十年，人工智能最大的挑战将是让机器理解并执行现实世界任务。“我们希望构建连接真实世界与智能系统之间的基础设施网络，与更多产业伙伴共同打造Physical AI时代可信、开放、可持续的Reality Infrastructure（真实世界基建）”。