36氪首发 腾讯、百度背景团队做具身数据基础设施，再获顺为等数亿元融资

硬氪获悉，机器人与具身智能数据基础设施企业艾欧智能（IO-AI Tech）宣布完成数亿元融资。本轮融资由顺为资本、松禾资本、深创投联合投资，并获得头部机器人本体企业战略投资。 艾欧智能成立于2023年，是一家专注于机器人与具身智能数据基础设施的科技公司，致力于搭建连接数据、机器人、模型与真实场景的桥梁，支撑机器人能力持续提升与规模化应用。 创始团队来自腾讯、小鹏汽车、字节跳动、亚马逊、百度等顶尖科技与机器人企业，在机器人与AI领域拥有深厚的技术积累与行业经验。创始人兼CEO陈相羽为东京大学博士，曾两次获得ICRA最佳论文奖，曾任腾讯四足机器人项目负责人；联合创始人兼CTO高飙为北京大学博士，曾任百度萝卜快跑资深算法工程师。 随着具身智能从技术验证阶段逐渐走向产业落地，机器人训练数据的重要性正在提升。不同于大模型主要依赖互联网文本、图像等数据，机器人需要理解真实物理环境中的空间关系、动作过程和人与物体之间的交互，并通过持续获取真实世界反馈不断提升能力，而这些数据目前仍缺少成熟、高效的获取方式。 围绕这一需求，艾欧智能搭建了覆盖数据采集、数据管理到模型训练的数据基础设施体系，目前已经形成TeleXperience遥操作系统、SenseXperience真实世界人类数据采集系统以及EmbodiFlow数据管理平台三条产品线。 该系统核心能力是把人的动作、视角和操作意图，稳定、低延迟地映射到不同构型的机器人上。同时，整个过程产生的数据可以被记录下来，进入后续的标注、管理和训练流程，实现人类经验向机器人动作能力的高效迁移，为机器人训练、远程操作及真实任务数据采集提供统一入口。TeleXperience 的价值不只是控制机器人，而是帮助客户更快建立“任务执行—数据采集—模型迭代”的闭环。 2025年，艾欧智能携TeleXperience参加ICRA双臂机器人能力边界挑战赛，作为唯一跨国遥操作参赛队，从全球88支队伍中脱颖而出，获得最佳应用奖。截至目前，TeleXperience 已累计适配 80 余款机器人，覆盖人形机器人、机械臂、移动机器人等多种机器人形态。 公司推出的SenseXperience系统，主要通过第一视角单元、腕部相机和UMI夹爪采集真实场景中的人类操作数据，为具身智能模型训练提供数据来源。 据介绍，SenseXperience早期版本采用较为完整的多模态采集方案，包括全身动捕、视觉以及触觉等传感设备。基于该系统，艾欧智能此前已经完成百万级人类操作数据积累，并参与相关开放数据集建设。 随着市场需求变化，公司对产品进行了轻量化调整。目前推出的SenseXperience轻量版Baseline Solution，减少了复杂穿戴设备，采用模块化采集方式，通过头戴设备、腕部采集单元以及夹爪采集方案，实现更加低成本、可规模化的数据生产。 在数据处理环节，艾欧智能推出EmbodiFlow数据管理平台，覆盖采集、标注、审核、质量检测、可视化以及数据格式转换等流程。平台支持输出LeRobot、MCAP、HDF5等机器人领域常用数据格式，降低从原始数据采集到模型训练之间的处理门槛。 目前，艾欧智能主要围绕机器人与具身智能规模化应用需求，为机器人企业、模型公司及产业客户提供产品化能力和解决方案支持。一方面，公司通过TeleXperience、SenseXperience、EmbodiFlow等产品向机器人本体企业、模型公司提供机器人遥操作、真实世界数据采集及数据管理等基础能力；另一方面，也在探索将数据能力进一步延伸至机器人实际部署场景。 艾欧智能创始人陈相羽表示，“过去三年，我们重点做的是数据闭环，把数据采集、清洗、标注和验证链路跑通。接下来，我们希望进一步做落地闭环，让机器人真正进入生产和生活场景。”目前，艾欧智能正在探索工业、商业、农业以及家庭等应用方向，并计划进一步拓展海外市场。 据介绍，本轮融资金将主要用于三方面：持续加大核心产品研发投入，建设多元化研发团队以及加速全球市场拓展，提升机器人规模化应用能力。 陈相羽：其实我们最早从2023年就在做人类数据采集。当时并不是想着去卖设备，而是因为我们自己需要数据，所以先做了采集。早期的SenseXperience其实是一个比较完整的方案，包括全身动捕、视觉、触觉等多模态数据。我们自己也采集了百万级的人类操作数据，并参与了一些数据集建设。 后来我们观察到市场发生了一些变化。以前大家更多关注的是有没有数据，希望快速把数据规模做起来，验证模型能力。但随着机器人开始走向真实场景，大家会越来越关注数据质量，以及数据是不是来自真实任务。 所以我们现在推出的新版本，其实做了一些减法。以前设备比较重，现在希望更加轻量化，让采集人员不需要穿复杂设备，也不会影响正常工作。同时，我们也希望设备更加稳定，可以支持规模化部署。 另外，目前行业对于机器人训练数据的recipe（配方）还没有完全收敛，不同机器人、不同模型、不同场景需要的数据都不一样。所以我们的思路不是定义一个固定方案，而是把采集能力模块化，根据客户需求进行组合。 硬氪：目前真机遥操作数据仍被认为是价值最高的数据来源，训练数据的“配方”正在发生什么变化吗？公司会如何平衡不同类型数据的布局？ 陈相羽：我觉得不同阶段关注点是不一样的。早期肯定需要scale（规模），因为没有足够的数据，模型很难产生能力。很多时候大家会先把数据喂进去，看模型能不能学到东西，这是一个快速验证过程。 但到了后期，高质量数据的价值一定会越来越明显。其实大模型发展也是类似的。早期可能大家更多依赖通用数据，但后来会发现，高质量、专业领域的数据对于模型能力提升非常重要。 所以我们不会判断某一种数据路线一定正确，而是会持续观察模型发展和技术变化。对于艾欧来说，我们长期还是希望做更有价值的数据，尤其是真实任务中的高质量数据。同时，对于客户当前阶段的数据需求，我们也会提供对应产品和服务。最终我们希望形成从真实世界数据获取、机器人能力优化到应用反馈迭代的持续闭环，让机器人能够在更多真实场景中持续学习和成长。