本文来自微信公众号： 科技C位 ，作者：东木褚
在上海复兴岛，一台宇树机器人执行椅子归位任务。
对旁观者来说，这只是一次普通操作；对数据采集者来说，机器人看到了什么、关节怎样运动、任务在哪一步失败，都要沿着同一条时间轴被记录下来。
这些记录经过筛选、标注和质量检查，才可能成为模型训练材料。
机器人本体、摄像头位置、夹爪或灵巧手不同，数据的使用对象也会改变。采集完成，离数据卖出还有很长一段工程流程。
刻行时空正在把这段流程做成生意。
2026年11月9日，公司披露完成新一轮近亿元融资，由咏归基金领投，深圳长盈鑫投资有限公司、常州智融等跟投，资金将投向预部署环境、数据理解模型和“采集、训练、仿真、推理”基础设施。
融资之前，刻行已经启动一份合同金额超过2亿元、总时长约30万小时的海外真机数据订单。
这里需要区分两个进度：
30万小时是合同约定的交付规模，并非已经全部完成；目前公开确认的是首批逾千小时数据完成交付验收，其中宇树本体数据的通过率超过99%。
大额合同与近亿元融资，让刻行成为具身数据行业降温讨论中的少数受益者。
但它真正回答的仍是第一个问题：数据可以生产、确权并卖给客户。
至于这些数据能否稳定提升模型，进而推动AGI，还要看后面的训练结果。
先做机器人运维，再进入具身数据热潮
刻行时空成立于2022年，早于本轮具身智能创业高峰。
创始人黄阳明曾在苹果、赢彻科技和高仙工作，核心团队具有自动驾驶与机器人数据工程背景。
他们带入机器人行业的，不是某一种本体或模型，而是处理多模态时空数据的经验。
公司早期的产品coScene，服务的也是已经投入工作的清洁、割草等机器人。
设备到了客户现场，故障日志散落在不同部门，地图包需要手动下载，研发人员难以复现问题，运维人员则反复回答相似故障。
刻行首先解决的是这些不够性感、却直接影响利润的工作。
高仙案例提供了一组早期证据。
根据2023年双方披露的项目材料，刻行通过预设错误码、自动上传故障时段数据和运行诊断程序，帮助筛查超过90%的重复性问题；
高仙一个6至7人的团队每周可节省约80小时，运维效率提升70%。这意味着工程师能把时间转向新故障和产品研发，并不等同于直接减少相应岗位。
在苏泊尔智能烹饪项目中，刻行处理的对象又变成温度、压力和时长等菜谱曲线。
平台自动采集、裁剪并共享数据，项目材料称，标准菜谱研发由3周缩短至1周，电控开发由2周缩短至2天，质检由5天缩短至1天。
这个案例说明，刻行早期出售的并非人形机器人训练数据，而是一套跨研发、测试和协作的数据工具。
到2025年与智元绝尘合作时，这套工具开始更明确地连接运维与算法。
系统只针对定位丢失、无法进入电梯、避障失效等事件采集数据，项目披露无效数据采集减少70%，故障排查从数天缩短到数十分钟，算法迭代周期缩短20%。
这条发展路径解释了刻行的差异化：
它先接触机器人部署后的脏活，再向预部署数据采集延伸。相较于直接建设数采场、按小时出售产能的公司，刻行更早知道一份故障数据怎样被研发人员查找、回放和使用。
30万小时订单背后，是三层技术系统
进入真机数据业务后，刻行把原有能力拆成了相互衔接的三层。
第一层是数据生产管理。
StarBase将客户订单拆成批次和任务，管理不同机器人、采集员、场景和标注流程。
刻行披露的预部署环境已覆盖超过200个场景、600种任务，通过改变道具、起始位置、光线、任务顺序和意外事件，增加数据差异。
这里的目标不是让机器人在同一桌面反复成功，而是保留全身协同、长任务衔接和失败恢复等更难获得的记录。
第二层是数据治理与理解。
coScene负责多模态数据的采集、存储、检索、标注、可视化和回放，支持MCAP、ROS bag、HDF5等格式。
机器人数据同时包含图像、雷达、关节状态和控制指令，任何一路时间戳错位，都可能让训练样本失去意义。
刻行还在研发高精度姿态追踪与多维标注模型，把任务语义、空间关系、本体感受和上下文加入标签，再依据质检结果反向调整采集。
第三层是评测与仿真扩展。
刻行希望通过Real2Sim把一次真实交互扩展为多次仿真测试，在仿真中改变变量、寻找薄弱点，再回到真机验证和补采。
仿真可以扩大数据覆盖，真机则负责校正物理误差。两者结合能否成立，最终要看模型在相同测试集上的改进，而非生成了多少合成片段。
这套系统也支撑了刻行的三种收费方式：交付已有数据，按客户需求定制生产，以及直接收取数据处理和平台方案费用。
数采场整体运营输出、培训和软件服务，则构成进一步扩展的方向。
刻行选择的切入口同样具体。
公司较早就注意到宇树机器人在海外开发者生态中的使用，随后与宇树、上海技术交易所共建湾谷示范场，生产全身运控和长时序复杂操作数据。
它不制造本体，也不开发通用机器人大脑，而是承担场景设计、软硬件适配、数据生产和交付。
这减少了与潜在客户正面竞争，也让其能够服务多家本体和模型公司。
合规能力则降低了跨境交易成本。
2026年9月，刻行通过临港新片区数据跨境试点备案；首批交付数据经过上海技术交易所的确权、确价和登记，并通过合规通道出境。
对海外客户而言，来源可追溯、权利可确认与批次可审计，和采集价格一样影响采购决策。
因此，刻行做对的关键并非单纯押中“数据很重要”，而是先找到具体买家，再组织生产。
样品、试采、验收、追加订单的流程，使数据需求在扩产前得到验证。
湾谷示范场公开强调不依赖本体厂商回购，也是在回应行业对自产自用和关联交易收入的质疑。
用数据推动AGI，还要跨过三道关
第一道关，是证明合同能够持续转化为模型收益。
首批千小时验收说明数据满足了交付标准，但通过率通常回答格式、完整性和任务质量是否合格，不直接等于模型性能提升。
刻行需要与客户共同公开更多对照结果：使用数据前后，同一模型在相同本体和测试任务上的成功率、恢复能力与泛化变化。
30万小时后续批次的验收、回款和复购，也比合同总额更能说明业务质量。
第二道关，是抵抗数据贬值与替代技术。
真机数据包含动力学、传感器噪声、力控和失败恢复，在后训练中难以被完全替代；但在预训练阶段，无本体视频、人类第一视角数据和仿真都能以更低成本扩张。
本体版本更新还可能让旧数据快速失去适配价值。刻行需要证明其高价格据带来的模型增益足以覆盖差价，同时保持真机、无本体和合成数据的合理组合，避免把全部产能押在单一机型或单一客户上。
第三道关，是从主动采集走向部署后的持续回流。
当前大额订单主要来自预部署环境，刻行仍需投入场地、机器人、道具、采集员和运营管理。
未来机器人进入工厂、酒店和家庭，数据可以在日常工作中作为副产物产生，采集成本有望下降，但数据权利、隐私、跨主体使用和安全出境也会更复杂。
刻行的长期设想，是让产业伙伴使用其平台管理数据、发现能力缺口，再按需补采或购买数据。
这个设想如果成立，公司的收入将更多来自持续软件服务和数据交易，而非不断扩建自己的采集场。
它也意味着刻行必须从“自己把数据做好”，转向“让大量伙伴都能把数据做好”，产品稳定性、开放接口和运维支持将接受更大规模的检验。
从运维工具到数据生产，再到跨境交付，刻行已经完成了一次有客户验证的扩展。近亿元融资则为下一次扩展提供资源，但尚未证明部署态模式已经成熟。
接下来应当把观察重点放在几项具体结果上：
30万小时订单能否按批次完成验收与回款，是否出现第二个同等规模的独立海外客户，宇树之外的数据能否形成收入，以及coScene和StarBase能否带来持续的软件续费。
只有这些数据进入客户训练流程，并在下一次部署中减少失败、缩短调试，刻行才算把“数据推动AGI”从方向变成了可核查的进展。
