一条仿真数据 0.05 元、一小时真机采集 30 元：RoboScience 拿数亿元，赌的是数据不必去现场采
A2 轮数亿元，今年第三轮。真正值得看的不是金额，是它披露的两个成本数字：仿真数据单条降到 0.05 元，视频训练数据从 100 万小时涨到 400 万小时。数据这门生意，正在裂成两个市场。
- 融资事实：通用具身智能企业 RoboScience 机器科学宣布完成 A2 轮数亿元融资，琥珀资本、鸿瑞达投资、上海半导体产投联合领投，爽资本、360 战投、国联通宝、金鼎资本及多家上市公司平台跟投；公司成立于 2024 年 12 月，本轮是今年第三轮。
- 技术底座：可微多模态物理仿真引擎 RoboMirage、通用具身大模型 Visics、搭载 Visics 的本体 REX G1，构成「仿真产数据—模型学操作—本体在真实场景回采数据」的闭环；Visics 已上线腾讯云，以 EaaS（模型即服务） 形式按 API 对外开放。
- 成本数字：「仿真 + 视频」体系把单条数据成本降至 0.05 元；视频训练数据从 100 万小时增加到 400 万小时；仿真运动轨迹突破百亿次。
- 资金用途：重点支持大模型迭代，推进物流、零售、工业等核心场景的 POC 验证与规模化落地，同时加强人才储备。
- 判断：0.05 元/条和一小时 30 元的真机采集成本不是同一种商品，不能直接比价。但它们指向同一件事——数据正在裂成两个市场：一个按「条」卖的仿真数据，一个按「小时」卖的真机数据。前者会把通用操作数据的价压到底，后者只剩长尾、力控、柔性物体和罕见故障这四类还能卖出溢价。
先说结论：这轮融资的金额是「数亿元」，没披露具体数字。真正有信息量的是同一批报道里的另外三个数字——0.05 元、400 万小时、百亿次。
领投三方是琥珀资本、鸿瑞达投资、上海半导体产投；跟投包括爽资本、360 战投、国联通宝、金鼎资本以及多家上市公司平台。公司成立 2024 年 12 月，这是今年第三轮。
把这个名单拆开看，会看到三类完全不同的钱：一类是财务资本（琥珀、金鼎），一类是产业资本（360 战投、爽资本背后的李锦记家族产业体系），还有一类是地方产业基金（上海半导体产投）。
产业资本图什么：澎湃的稿子里点得很直白——京东有数十个「亚洲一号」园区和上千个仓库，爽资本背后是李锦记家族在全球的生产基地与供应链。它们的业务里堆着大量非标、繁琐、难自动化的工序，正是具身智能的理想替代场景。投钱的同时给了试验场。
半导体产投图什么：「上海半导体产投」出现在一家具身大模型公司的股东名单里，本身就是个信号。它看的不是本体出货量，是模型推理要消耗多少算力、这些算力跑在谁的芯片上。
判断：今年三轮、每轮都有产业方进场，说明这家公司卖的不是「机器人」，是「让机器人学会干活的中间层」。产业方愿意为中间层付钱，是因为它们自己造不出这一层，又必须用。这个位置比本体厂更接近「卖水人」，但也更容易被上游的模型大厂和下游的本体厂同时挤压。
技术拆解稿里给了三个数字：「仿真 + 视频」体系把单条数据成本降至 0.05 元；视频训练数据从 100 万小时增加到 400 万小时；仿真运动轨迹突破百亿次。
同一天另一条稿子里有另一组数字可作为参照：国内真机数据的采集成本约 30 元/小时，成品数据售价在 500 到 1000 元/小时。这两个数字来自一家自动驾驶转具身的行业观察稿，属单一信源，仅作数量级参考。
| 数据来源 | 计价单位 | 公开数字 | 能不能直接比价 |
|---|---|---|---|
| 仿真合成（RoboMirage） | 条 | 约 0.05 元 | 不能，单位不同 |
| 真机采集（行业参考） | 小时 | 约 30 元（成本） | 基准 |
| 真机成品（行业参考） | 小时 | 500–1000 元（售价） | 基准 |
为什么要较真这个量纲？因为「一条」到底指什么，决定了 0.05 元是便宜还是贵。如果一条是一段动作轨迹，那么采集一小时真机数据可能对应几十上百条；如果一条只是一个视频片段，那 0.05 元连存储成本都难覆盖。原文没定义，这里就不换算——这也是这类数字最常见的问题：好听到无法验证。
RoboScience 的路线是「仿真产数据（RoboMirage）—模型学操作（Visics）—本体进场景回采（REX G1）」三层闭环，外加以 EaaS 形式把模型按 API 卖给其他本体厂和集成商。
这套结构的优点在澎湃稿里被反复强调：每进一个新场景，都能积累新数据、推动模型升级，新场景的适配成本持续下降。道理是对的。代价是它同时要养四支队伍：仿真引擎、模型训练、本体工程、场景交付。四支队伍的现金流节奏完全不同——仿真和模型是长周期投入，本体是供应链账期，场景交付是人力和差旅。
判断：这就是为什么「今年三轮」这件事本身是个信号，而不是喜讯。三轮说明还没到自我造血，也说明每一轮的钱都在给四条线续命。全栈路线在资本宽松期是壁垒，在收紧期是负担——四季度如果融资节奏慢下来，最先被砍的一定是自研本体，因为它是四条线里唯一能被外部替代的。
报道提到 Visics 已上线腾讯云，通过 EaaS 以 API 形式向不同形态的机器人开放操作能力，同时提供端侧部署的控制器。公司自己的说法是三条路线兼顾「深度和广度」：全栈路线深耕重点场景，控制器和 EaaS 把能力外延。
这条比模型参数更值得关注。它意味着竞争焦点正在从「谁的模型强」转向「谁的接口先被接上」——一旦某家本体厂的开发文档里写着「支持 Visics 接口」，更换成本就出现了。
这个方向本号此前写过：10 月底破壳的 RoboAPI 把「接一台陌生机械臂」压缩成一份硬件组合表加一句 prompt（634 号稿），思路相同——把异构硬件的适配成本做成一份清单，让接入变成配置工作而不是工程项目。
第一，0.05 元的「条」什么时候被定义清楚。这不是吹毛求疵——如果一条对应一次完整操作，那这个成本足以支撑大规模预训练；如果只是一个片段，那 400 万小时的视频才是真正的产能，0.05 元只是个漂亮的边际成本。
第二，物流和零售的 POC 什么时候转成付费部署。报道说本轮资金用于推进这两块的 POC 验证与规模化落地。POC 和订单之间隔着一份验收条款，而验收条款通常就是这类公司最不愿意公开的东西。
第三，EaaS 的调用量。API 生意的真相在调用量里，不在合作名单里。上了腾讯云不等于有人调；有调用量才说明模型真的在替别人干活。
判断：这轮融资把「数据基础设施」这条赛道又推高了一格——同一天还有另一家数据公司披露 1 亿美元 A+ 轮。钱正在从本体往数据和中间层迁移，这个趋势在 10 月的融资数据里已经能看到：笔数腰斩、单笔翻倍，钱在向少数几个环节集中。对交付型团队来说，这不是坏事——上游越标准化，你接活越容易；但代价是，纯粹靠「会调机器人」吃饭的空间会被压缩，得往「懂场景、能验收」那一端站。