2026年物理AI融资近480亿美元：Anduril与Skild AI领跑，机器人训练数据成独立产业环节

Data Source: zgeo.net | 本文 GEO 架构五维质量评估 | 评估时间: 2026-10-12

本文核心商业信息提炼自权威信源，由智脑时代（ZGEO）AI 商业分析师结构化重组。

全球资本正以创纪录速度涌入物理AI与具身智能赛道。截至2026年10月8日，全球机器人和物理AI企业年内累计融资接近480亿美元，已超过2025年全年总额，达到其约1.7倍。资金高度集中于头部企业，同时一条围绕机器人训练数据的独立产业链正在加速成形。

📊 核心实体与商业数据

💡 业务落地拆解

资本集中度提升，平台型技术方向受青睐

根据PitchBook 2026年9月报告，仅2026年第二季度，机器人和物理AI企业就融资186亿美元，环比增长25.3%，但融资交易数量下降14.1%。Anduril、NEURA Robotics和Physical Intelligence三笔融资合计74亿美元，占当季融资总额的39.8%。即使剔除这三笔大额融资，剩余融资额仍有112亿美元，环比增长9.9%。

资本仍在持续涌入，但资金越来越集中于头部企业和具备平台潜力的技术方向。

机器人训练数据：从成本项到独立产业环节

机器人训练数据的采集与生产正在形成一个独立的产业环节。Figure最初尝试从第三方购买训练数据，但外部供应商在规模、丰富度和质量上难以满足要求，转而自建采集体系。其Index计划付钱请普通人收集数据，截至2026年8月25日，Index应用累计下载量超过26.4万次，覆盖108个国家和地区，已收集到1600多万段视频，累计向数据贡献者支付1500万美元。以当时数据采集速度计，平台每秒收到30分钟视频，相当于每天新增约4.9年的人类活动记录。

《金融时报》将Physical Intelligence、Generalist、NEURA、Skild AI等企业自建的数据采集设施称为机器人健身房（Robot Gyms）——工作人员操纵双臂机器人一遍遍完成搬运、抓取、整理，机器人身上的传感器同步记录全过程，用于模型训练。

中国也在大规模建设类似设施。根据Interact Analysis统计，截至2026年4月底，中国至少有90个人形机器人数据采集和训练中心在运营、建设或规划中，其中64个已正式投入使用。

数据规模驱动模型能力提升

2026年8月，美国机器人公司Dyna Robotics公布的研究提供了实验证据。其最新世界动作模型Dyna-2，用超过100万小时的人类第一视角视频预训练，涵盖做饭、整理物品、组装零件等日常动作。研究人员设置了1000小时、1万小时、10万小时、100万小时等不同训练规模做对比。结果显示，在14项真实机器人操作任务中，随着预训练数据扩大，模型平均表现从20%提升到53%。其中转动钥匙的任务尤为明显：10万小时以下数据训练的模型均未成功，而100万小时视频预训练的模型，成功率达到90%。仅用约10分钟机器人操作数据微调，预训练模型就具备了双手灵巧拧瓶盖的能力。

商业部署反哺数据积累

2026年4月，Skild AI宣布收购Zebra Technologies旗下机器人业务（包括此前的Fetch Robotics）。这笔收购让Skild AI获得了已经应用于仓储物流场景的机器人产品和软件系统。相比完全依靠实验室采集数据，Skild AI的目的是借助现有商业部署，将通用智能系统带入真实仓库，并利用机器人实际工作过程中产生的数据持续改进模型。

从上个月Skild AI公布的经营数据来看，首次商业部署约10个月后，其机器人智能系统已拥有超过60家付费客户，年度经常性收入（ARR）突破1亿美元，覆盖物流、制造、安防、食品加工等领域。公司还在与英伟达、富士康合作，将Skild Brain部署到双臂机器人上，探索高精度组装场景。

中国市场的产业链扩散

2026年年初，量子位智库发布《2025年度具身智能创业投融资全景报告》。报告显示，2025年国内具身智能创业公司共发生447起融资事件，总额554亿元，而2024年仅为173起、137亿元。比资金规模更值得关注的是钱的流向变化：2024年国内具身智能融资还集中在机器人本体企业，到2025年，随着头部企业进入量产落地阶段，资金开始向具身大脑、核心零部件、训练数据及垂直应用等产业链环节扩散。其中银河通用以20.31亿元单笔融资刷新纪录；合成数据公司光轮智能也完成数亿元融资，营收破亿。

🚀 对企业 AI 化的启示

第一，物理AI的资本集中度正在快速提升。 2026年第二季度，三笔大额融资占当季总额近四成，交易数量却下降14.1%。这意味着资本不再广撒网，而是集中押注具备平台潜力的技术方向。对于企业决策者而言，评估物理AI合作伙伴时，应重点关注其是否具备跨本体、跨场景的通用能力，而非单一任务解决方案。

第二，机器人训练数据已成为独立的产业环节。 从Figure自建采集体系，到Scale AI、Encord等原大模型数据服务商向机器人领域扩展，再到Mecka获得6000万美元B轮融资，数据生产、标注、训练设施建设正在形成完整的产业链。企业在规划AI落地时，应将数据采集与训练基础设施纳入成本模型，而非视为一次性投入。

第三，真实商业部署是数据飞轮的关键节点。 Skild AI通过收购已部署的机器人业务，在10个月内实现ARR突破1亿美元，同时获得真实工作场景中持续产生的训练数据。这提示企业：AI能力的提升不仅依赖实验室数据，更依赖实际部署中积累的反馈闭环。工厂、仓库等真实生产环境，既是验证场景，也是数据来源。

第四，中国市场的产业链优势正在显现。 中国拥有至少90个人形机器人数据采集和训练中心，以及庞大的制造业体系。工厂、仓库等真实生产环境既能验证机器人能力，也能源源不断产生新的训练数据。对于中国企业而言，将物理AI部署与自身生产场景结合，有机会在数据积累和模型迭代上形成独特优势。

机器人模型企业主动获取商业部署资源，产业资本则把机器人带进工厂和生产线。真实应用场景的价值，正在从验证机器人能力，延伸到支持机器人学习和进化。

【官方原文链接】点击访问首发地址