人的流向背后是产业的位移。
近日，星忆智能宣布完成数千万元种子轮及种子+轮连续融资，其中种子+轮由凌云光领投。星忆智能2024年2月注册成立，两年多里已经拿了三轮钱，更早的两轮分别由水木创投、顺禧基金领投。
星忆智能创始人宋知珩 是清华大学硕士，此前在 智元机器人 担任全尺寸双足人形整机产品负责人，同时负责数采与遥操体系建设。在智元同时管着的两摊业务里，他出来创业时，选中了数据。
_01._
三次落脚
宋知珩的职业起点是镁伽机器人。作为这家公司的前二十号员工，他在那里创建创新应用事业部，先后五次经历从零到一的新产品开发，牵头项目从双臂协作机器人做到桌面级智能设备，并为公司拿下首个万台量产与过亿营收。
此后他加入智元机器人，担任全尺寸双足人形的整机产品负责人，同时兼管数采与遥操体系建设。正是在这个位置上，他看到了行业热闹之下的另一面。卖得最多的场景仍然是展厅、商演、科研与数采，机器人离可复制的生产力还有不小的距离。据公开报道，他在一线得出的判断是，机器人的智能不是靠算法想出来的，是靠数据喂出来的。
顺着这个判断，他的第三个动作落在了创业上。2024年2月，星忆智能注册成立，孵化自清华大学计算机系，定位物理AI数据基础设施，那套在机器人公司内部作为成本存在的数采与遥操体系，被他做成了一门生意。
简单来说，训练机器人干活，先要有教材，星忆做的就是给机器人编教材的全套工具。
采集端的产品叫EgoKit，由一副头戴多目视觉终端和一双触觉传感手套组成，戴上它的人照常干活，设备记下的东西却远多于一台摄像机，眼睛看到什么、手怎么动、指尖碰到什么、用了多大劲，多路信息在毫秒级对齐，最终重建出毫米级的三维手部姿态。
处理端的HBR Engine 应对的是真实世界里最难的部分，手被物体挡住、光线忽明忽暗、动作快到画面发虚，它的工作就是把这些“看不清”的录像解析、标注，加工成机器人可以直接用来训练的数据。
打个比方，EgoKit是给一位老师傅做全身跟拍，HBR Engine负责把录像整理成课本。
据悉，星忆智能本轮资金将投入核心算法研发、多模态数据基础设施建设与交付能力提升。目前公司已与多家头部具身模型企业及机器人厂商开展项目级合作，输出高精度手部交互训练数据。
本轮领投方凌云光已经通过全资子公司元客视界与星忆达成了战略合作，把元客视界的光学动捕、多视点采集硬件，与星忆的自动化标注、质量评估算法拼在一起，共建从采集、标注到训练数据交付的完整闭环。元客视界在具身行业原是熟面孔，自研的FZMotion动捕系统能做到亚毫米级精度，已落进苏州具身智能机器人综合创新中心这类训练场地，服务了全球逾七成机器人企业。
它的能力长在采集端，缺的正是把原始录像加工成训练数据的算法，这轮融资，也把这块拼图补齐了。
_凌云光·元客视界、星忆智能双方达成战略合作_
_02._
教材为什么这么贵
当下的时间点，正卡在行业最缺数据的当口。
有行业测算做过一组对比，大语言模型的训练语料折算成时长以百亿小时计，而全行业积累的高质量具身交互数据，总共约50万小时，不足所需千万小时级的百分之五。成本端更直观，真机采集30秒样本10到15元，一小时近千元，要凑够百万小时，就得掏出十亿元。
昂贵之外，另一半是琐碎。教会机器人拧一个瓶盖这样的单个技能，需要2000到5000小时的数据，而在塑料瓶上学到的东西，换个玻璃瓶，可能就要失效。据行业调研，数据相关工作已占具身智能整体研发工作量的八成。
些数据没法从网上爬，只能到真实世界里，跟着人一遍一遍学出来。数字AI有现成的矿，物理AI脚下是荒地。有机构预测，2026年中国具身智能市场规模将突破1万亿元，其中数据服务占15%以上、超1500亿元，这是万亿盘子里最短缺的构成部分。
_03._
在这里会师的人
宋知珩不是唯一看见这个缺口的人。盘点这个新赛道从业者的旧履历，大都来自自动驾驶和机器人本体这两处。
简智机器人的陈建兴来自Momenta，此前在自动驾驶行业做了近十年，先后在小鹏、Momenta做智驾量产，新公司做的是数据采集终端与治理平台；无问智科的刘盛翔来自百度，是百度自动驾驶团队的前二十号员工，搭建过百度的自动驾驶数据与测试体系；星忆自己的合伙人李当当，也在汽车行业待了十五年，其中八年做自动驾驶研发。再往海外看，靠给自动驾驶公司标注数据起家的Scale AI，也把数据生意做到了英伟达的机器人生态里。
人的流向背后是产业的位移。具身智能的竞争，正在从整机与算法延伸到数据。
英伟达机器人研究负责人Jim Fan今年在红杉AI Ascent大会的演讲中表态，团队已彻底押注第一视角人类视频，EgoScale训练范式中99.9%的数据来自人类第一人称视频。在此之前，英伟达用超过两万小时带动作标注的第一人称视频训练模型，发现人类数据规模与模型表现呈对数线性关系，这是具身领域第一次有量化证据支撑“数据规模决定能力”。华创证券也在近期的研报中，把“数据采集”列为物理AI演进中最值得重视的环节之一。
在这条路径上，星忆的走法有一处差异。英伟达是纯视觉路线，靠算法从视频里预测手部动作，采集门槛低，但手被物体挡住时估计会失准，而操作任务里，手恰恰大部分时间挡在物体后面。EgoKit把“看”和“量”分开，摄像头记录画面，手套上的传感器直接测出手指弯曲与接触力度，手被挡住不影响记录，指尖用多大力也第一次进入了训练数据。
自动驾驶时代跑通的数据飞轮逻辑，正在具身智能赛道重演，但剧本并非完全复刻。技术路线上，纯视觉、穿戴采集、真机混合方案仍在并行验证；竞争格局上，本体厂商自建开源与第三方服务商的边界尚未定型；商业模式上，数据服务是一次性项目还是可复利资产，全行业仍在探索。
正如宋知珩所言：“具身智能赛道的竞争，本质是高质量物理交互数据供给能力的比拼。” 对这批初创公司来说，融资只是起点，最终的答案要靠交付来写就。