乐聚穹彻联手，具身智能数据基础设施公司刻行时空完成融资

据AI智件报道，具身智能数据基础设施服务商「刻行时空」于今年1月完成了新一轮融资。本轮投资方包括穹彻智能、乐聚智能和线性资本。

刻行时空成立于2022年，聚焦具身智能赛道，提供全链条数据基础设施服务。其核心业务涵盖时空多模态数据的生产、治理、评估和合规交付。

团队背景方面，创始人兼CEO黄阳明拥有苹果和嬴彻科技等企业的核心技术岗位经验，曾是苹果自动驾驶部门Infra团队的核心成员。联合创始人兼CTO郑宇靖拥有普渡大学计算机科学硕士学位，先后在高仙机器人、嬴彻科技和通用电气负责下一代数据研发平台的构建。这一组合兼具国际科技大厂的视野与国内自动驾驶、机器人领域的实战经验。

成立初期，刻行精准切入市场空白，为自动驾驶和机器人企业构建了一套支持EB级数据规模的治理平台。该平台覆盖数据处理、评测与协作全流程，专注于解决模型训练与数据工程之间“各自为营”的协同难题。

随着具身智能浪潮的兴起，刻行迅速将战略定位从“数据处理底座”升级为“全链路时空数据基础设施平台”。他们瞄准了具身模型迭代中的关键缺口——数据飞轮，将业务版图延伸至端到端的数据采集与交付，提供从硬件到软件、从场地到流程的一站式解决方案。这意味着刻行交付的不仅是工具，更是可直接用于训练的高质量具身数据资产。

目前，刻行运营着国内最大的异构人形机器人数据采集场之一——惠阳异构具身智能训练场（由惠阳城投集团投资建设，刻行负责运营）。同时，他们向国内外市场输出包括软硬件系统、场地设计及标准化SOP流程在内的整体解决方案，实现了数据从采集、管理到交付的全链路覆盖。

图注：惠阳异构具身智能训练场 图片来源：惠州发布

产品技术矩阵与落地场景

产品层面，刻行构建了“StarBase + coScene”双核心产品组合。StarBase面向数据生产端，是刻行通过自营数据采集实践打磨出的原生生产管理工具，解决“如何高效、规模化地生产数据”的问题。coScene面向数据应用端，专注于时空多模态数据的管理与复用，解决“生产的数据如何被工程团队持续使用并高效迭代”的问题。

创始人黄阳明在公开访谈中强调：“具身数据交付，本质是工程交付。”他将刻行定位为“国内最早把智能驾驶领域积累的数据工程能力迁移到机器人产业的技术团队”。这直接点明了其核心差异——不重复造轮子，而是将经过验证的数据工程方法论移植到新场景。

据悉，刻行正联合海内外多家具身智能企业与基模公司，共同探索真实世界数据的持续生产、系统化管理与有效评估。目标是让数据以可追溯、合规的方式，真正融入模型训练与应用的闭环价值体系。

在数据类型选择上，刻行当前重点聚焦于模型后训练阶段的真机数据交付。他们着力解决目标机器人真实的动力学特性、传感器噪声、延迟、失败恢复、力控/触觉反馈，以及场景约束与部署分布等实际问题。简而言之，他们交付的是“能用的、经过实战检验”的数据，而非实验室中的理想样本。

数据采集的未来：从真机到“无本体”

黄阳明透露，团队正在探索一种更高效、更灵活的数据采集方案——“无本体采集”。

背后的逻辑在于：与单一型号的真机数据相比，无本体采集依赖度更低，确定性更高。理论上，仅需一次重定向（retargeting），数据即可供给预训练公司。加之设备成本低、可采取众包模式，在采集效率上，无本体采集明显优于真机。他甚至预测，在规模化、标准品与预训练数据生产方向，无本体采集将逐渐冲击真机数据的主导地位。

从行业视角看，这是一个值得关注的发展趋势。当数据采集摆脱了对特定硬件的依赖，数据供给的规模与灵活性将实现质的飞跃。

目前，全球具身数据需求市场格局清晰：海外为主导，但国内增长迅猛。2026年的市场数据印证了这一趋势——“海外为主、国内猛增”。对于国内具身数据厂商而言，海外市场是必争之地。

黄阳明将数据出海划分为三个阶段：第一步，向买方展示数据样例；第二步，获取意向后进行试采，依据数据质量决定是否合作；第三步，实现规模化合规交付。从刻行的实际进展来看，他们已跑通第二与第三阶段，形成完整闭环。

数据质量：从“事后判断”到“前移标准”

除数据生产与治理外，刻行也在推动数据标注自动化及质量评测标准的建立。其目标是与模型厂商共同构建一套数据质量评价框架，将质量判断节点前移至生产、标注、治理与评估环节。如此一来，数据在交付客户前已具备清晰的质量基准与改进路径，而非等客户使用后再发现问题。

这一思路折射出数据工程领域的重要转变：从“事后补救”转向“事前预防”。在具身智能这一依赖高质量数据驱动的赛道上，谁能率先将质量控制体系落地，谁就更有可能在下一阶段竞争中占据先机。