资本加码！核数聚完成数千万A轮融资

近日，苏州核数聚信息科技有限公司顺利完成数千万元A轮融资。本次融资由善达投资领投，吴中金控、融玥投资等机构联合跟投。本轮融资将重点用于核心产品与平台能力升级，持续推进具身智能“采集-处理-训练-评估”一体化平台建设，加速构建面向下一代机器人产业的数据基础设施。

核数聚长期深耕AI数据服务领域，具备多模态数据采集、AI预处理、模型训练适配与自动化数据工程能力，为AI企业、科研机构及垂直行业客户提供高质量数据解决方案。目前，公司已取得高新技术企业、CMMI3级认证、甲乙级测绘资质，以及ISO27001、ISO9001、ISO27701等多项体系认证，持续以技术创新推动人工智能产业高质量发展。

聚焦具身智能，重构下一代AI数据基础设施

当前，人形机器人、工业机器人等具身智能产品进入加速迭代阶段，行业竞争正从“模型能力”逐步转向“数据能力”。然而，相较于互联网时代已高度成熟的数据体系，具身智能仍处于典型的数据基础设施早期：真实物理交互数据极度稀缺，采集成本高昂，且行业内遥操作、UMI、Ego、仿真合成等不同技术路线并未形成统一标准，数据格式、质量体系与训练效果之间仍缺乏有效对齐。

本质上，具身智能当前最大的瓶颈，并非模型本身，而是“数据生产与模型训练体系尚未收敛”。

针对这一行业痛点，核数聚提前布局具身智能数据赛道，打造面向具身智能的数据基础设施平台，打通真实采集、仿真生成、数据处理、模型适配与训练评估全流程。平台兼容遥操作、UMI、Ego、仿真合成等多种主流数据采集方式，并通过统一的数据标准与训练评估体系，实现不同来源、不同模态数据的对齐与融合。

与此同时，核数聚正在构建统一的数据评估框架，持续验证不同类型数据对机器人感知、决策与运动控制模型的训练影响，推动行业从“经验驱动的数据采集”，走向“模型反馈驱动的数据生产”。未来，随着具身智能进入规模化落地阶段，数据不再只是训练原料，而将成为决定模型迭代效率与机器人泛化能力的核心基础设施。

虚实协同，打造具身智能训练基础设施

区别于传统单视觉AI系统，具身智能对真实物理世界中的多模态交互能力提出了更高要求。机器人不仅需要“看见”，更需要理解空间、感知力反馈、完成动作控制，并在复杂环境中持续学习与泛化。

围绕这一趋势，核数聚构建“真实场景采集+仿真场景生成”双路径数据体系，深度融合遥操作、UMI、Ego、仿真合成等主流采集技术，形成覆盖采集、生成、处理与训练适配的完整数据生产链路。

在真实场景侧，公司基于标准化硬件平台与高精度传感器阵列，实现视觉、力觉、触觉、语音等多模态数据同步采集；

在仿真侧，通过构建可复现的物理交互环境，生成海量高质量训练数据，并结合真实世界反馈持续优化模型表现。

相比传统人工密集型数据生产模式，核数聚更强调自动化、平台化与系统化能力，通过AI预处理、自动化数据流转与训练反馈机制，大幅提升数据生产效率与模型迭代效率，帮助客户缩短训练周期、降低研发成本。

目前，核数聚已在苏州、青岛、芜湖、慈溪等地建设专业化具身智能训练场，形成覆盖多场景、多任务的数据采集与训练能力，已吸引宇树、傅立叶、乐聚、智元、鹿明科技等具身头部企业入驻合作。目前公司已积累数亿元在手订单，客户需求持续快速增长。

多模融合，构建自动化数据处理平台

随着具身智能模型复杂度快速提升，传统依赖大量人工的数据标注方式，已难以满足机器人行业对高频迭代、高精度反馈与多模态协同训练的需求。

核数聚基于自研AI预处理与自动化数据引擎，构建“AI预标注+人机协同校验+自动化质检”的数据处理体系，实现从数据解析、预处理、语义理解到质量评估的全流程自动化升级。平台可支持关节轨迹、三维点云、多模态语义、动作状态等复杂数据类型处理，并结合统一质量评估机制，实现数据全流程可控、可追溯。相较传统模式，核数聚数据处理效率可提升3~5倍，准确率达99%，有效支撑具身客户在机器人感知、决策与运动控制等核心模型上的持续迭代需求。

高质量数据集，加速具身智能规模化落地

依托多地专业具身智能训练场与多模态数据处理平台，核数聚已建设覆盖机器人巡检、工业质检、钢铁、电气等多个场景的高质量数据集，可支持客户快速调用与定制开发。

其中，核数聚“四足具身智能机器人巡检数据集”成功入选2026年江苏省数据知识产权登记运用典型案例，为行业数据知识产权规范化应用树立标杆。相关数据集已广泛应用于机器人感知、决策与运动控制模型训练，可显著提升设备环境识别、自主作业与复杂场景泛化能力，帮助客户缩短研发周期，加速产品商业化落地。

资本加码，加速平台化研发

此次A轮融资的顺利完成，不仅体现了资本市场对核数聚技术路线与产业价值的认可，也标志着公司正式进入平台化能力快速扩张阶段。

未来，核数聚将持续加大在自动化数据平台、具身智能训练基础设施、多模态数据引擎及模型评估体系等方向的研发投入，进一步提升数据生产效率与模型迭代能力。公司将持续围绕“数据驱动智能”的核心理念，推动具身智能行业从“数据获取”迈向“数据基础设施”时代，加速机器人技术在工业、服务与复杂真实场景中的规模化落地。