行业核心痛点与共识 - 高质量真机数据是决定具身智能模型能力上限的关键，但当前行业面临高质量真机数据极度匮乏的困境[3] - 模仿学习（如看视频）必要，但真正掌握技能，真机数据是关键[3] - 仿真、人类视频等替代数据存在核心能力妥协，唯有真实、海量的物理世界交互数据才是通往通用机器人智能的必经之路[6] - 传统数据采集方案存在显著短板：Aloha设备两班倒每天仅产生4-5小时有效数据，要达到规模化数据集（如Gen-0）规模需500套同类设备同时运转，实操难度大[6] - 视频数据训练的模型缺乏真实场景实操经验，传统遥操和UMI数采方案则存在成本高、部署难或数据质量参差不齐的问题[6] 公司核心理念与战略 - 公司核心理念是“具身智能源于人、回归人”[3] - 公司采用全栈自研的“产品+产线”双轨战略，搭建“人类技能数字化 - 云端AI数据治理 - 机器人应用”的完整闭环[3] - 公司推出Gen Data 1+x产品矩阵，旨在从源头打通物理世界与数字世界的数据壁垒[7] 数据采集解决方案：Gen Das - Gen Das是一款无感可穿戴采集设备，以“头+手”为核心交互触点，瞄准“夹抓类”核心技能[9] - 设备重量仅470g，开机即用，贴合人体自然曲线设计，便于长时间操作以捕捉真实动作反馈[9] - 设备性能参数针对解决采集难题：指尖、指腹覆盖超过30000个触觉检测点，最小压感仅7g[12]；搭配毫秒级、亚毫米级的关节追踪[17]；采用全栈自研优化的ISP图像处理与CMOS传感器[17]；具备“双手协同”“手眼协同”高精度坐标对齐技术，时间误差小于1ms，轨迹误差小于1cm[17]；具备将数据体积压缩至原大小2%的超强压缩能力，可实现分钟级快速上传[17] 技能落地与硬件闭环：Gen Controller - Gen Controller作为技能落地端，与Gen Das采用同构设计，理论上可实现人类技能向机器人终端的快速迁移[14] - 该设计旨在构建“源于人的采集”到“回归人的应用”的硬件闭环，解决数据与应用脱节的行业通病[14] 数据处理与治理体系 - 具身智能领域存在Scaling Law（数据规模与模型能力正相关），需要高效的数据治理体系[15] - 公司通过两大核心引擎（Gen Matrix与Gen ADP）解决海量数据转化为模型“优质燃料”的难题[15] 数据智能平台：Gen Matrix - Gen Matrix是数据智能平台中枢，承担“迭代发动机”角色[18] - 功能包括：根据模型需求对海量数据进行定制化清洗、自动切片标注、环境重建；对模型结果进行评测并自动生成二次数据需求，形成“采集-处理-评测-再采集”的智能循环[18] - 具备高精准还原能力，轨迹真值误差小于1cm[18] 数据产线：Gen ADP - Gen ADP是具身智能数据产线，旨在实现千万人员技能数据化，部署灵活，可快速在家庭、工厂、医疗等场所落地[19] - 目标为实现“低成本、高效、高保真、自动闭环”的数据生产[19] - 从效率看，采集后2小时内即可向模型提供新鲜、高质量的加工数据，大幅短于传统几天甚至几周的周期[23] - 目前该产线每日高质量数据产出量超过10万clips，数据时长增长超1万小时且仍在持续加速[23] - 数据显示，平均3-6秒即可从真实家庭中完成一条高质量数据的收集[22] 公司融资与数据资产 - 公司成立仅4个月，已累计完成3轮融资，融资金额超2亿元，是细分赛道融资进展最快的企业之一[24] - 融资历程：种子轮由BV百度风投领投，Momenta、九识智能、星海图跟投；种子+轮由速腾聚创领投，BV百度风投跟投；天使轮由顺为资本领投，初心资本、BV百度风投超额跟投[24] - 公司已积累超百万小时真实场景数据，覆盖家庭、工业、医疗等领域的500余种技能场景[24] 团队与技术壁垒 - 核心成员多来自Momenta、理想汽车、华为、斯坦福、Deepmind等头部企业与科研机构，在数据处理、算法研发、硬件工程等领域具备深厚积累[26] - 不少成员曾在智驾领域取得过行业突破性成果，其经验可为具身智能数据技术研发提供参考[26] 市场前景与商业化 - 具身智能整体市场预计从2025年的44亿美元飙升至2030年的230亿美元，年复合增长率高达39%[27] - 具身数据服务市场增速更快，预计到2031年全球市场规模将达到67亿美元[27] - 公司已与30余家行业头部具身智能企业建立深度合作关系，业务覆盖全球市场[28] - 公司海外收入占比超70%[28]