不造机器人，专采真人作业视频：新加坡Ropedia融资3000万美元，把“机器人数据”独立做成了生意

新加坡具身智能数据公司Ropedia近日宣布完成2200万美元Pre-A轮融资，人形大讲堂获悉，计入今年3月的800万美元种子轮后，其累计募资达到3000万美元。多家拥有AI、深科技及基础设施背景的机构领投本轮。资金用途包括量产自研头戴设备HOMIE，扩大东南亚、北美的数据采集网络和新加坡、山景城团队，并继续完善数据处理、标注及合规工具链。

成立于2025年下半年的Ropedia拥有明确业务模式：不开发机器人本体，专注真实世界数据的采集和处理。

总部位于新加坡、办公室设在加州山景城的Ropedia，成立时间为2025年下半年。公司三位联合创始人均经历清华本科、南洋理工博士的路径：光学动捕数据体系搭建工作曾由CEO陈昭熹博士在Meta参与；CTO洪方舟博士也曾在Meta研究第一人称多模态智能；南洋理工大学副教授刘子纬担任首席科学家、CVPR 2026程序委员会相关职务参与者吕健勤任科学委员会主席，刘子纬本人在计算机视觉领域获得的谷歌学术引用超9万次。真实世界数据的采集和处理才是团队的专门方向，机器人本体并不在研发范围内。

把真实环境中的人类任务执行过程变为多模态训练数据，是核心产品HOMIE的用途。这款头戴设备能够同时记录第一视角影像、深度信息和音频，以及手部、肢体动作。公司披露，相较传统遥操作方式，该方案可把单条数据采集成本最高降到约1/50，设备现已进入量产阶段；北美、中国、新加坡等地超20家机器人及基础模型公司已成为其服务对象。

这笔融资反映出一个正在发生的具体转变：具身智能行业开始单独为“数据”付费。

过去两年，资本和媒体主要关注机器人本体厂商展示运动能力。然而，2026年出现的多个工业部署案例说明，影响模型落地的瓶颈已由执行端转向训练端。当前主流数据采集路径存在两个结构性问题：遥操作虽然可以形成高质量动作轨迹，但单人单工位模式限制了采集效率，数据还会绑定特定机器人硬件构型，平台更换后的复用率偏低；互联网公开的视频数据虽然规模庞大，却缺少精确的位姿、力反馈以及时序对齐标注，不能直接用于训练策略网络。因此，两种路径均无法满足百万小时量级的训练数据需求。

Ropedia采用的技术路线，是以可穿戴设备代替机器人本体充当采集终端。操作者佩戴HOMIE正常执行现实任务，系统采集整个过程的多模态信息，后端再开展时空对齐、标注和质量控制。该方式实际上把采集环境从实验室延伸至厨房、仓库、零售货架等真实场所，同时将边际成本由人工遥操作显著降低为硬件折旧与分发成本。由于执行采集的是人，而不是某种特定构型的机器人，所获得的数据理论上能够复用于形态不同的下游本体。

要判断此类公司的真实价值，可以考察三个能够验证的指标。

需要关注的第一项是成本统计口径：“最高降至1/50”采用何种对比基线，后端清洗、标注的完整链路是否计算在内，答案会直接影响这一商业模式真正的利润空间。第二项是合规能力，因为第一视角采集必然触及人脸、声纹和私人空间等敏感信息。新加坡IMDA、JTC与SIT正联合在榜鹅数码区建设实体AI真实世界测试床，监管框架也逐渐成形，采集商的合规资质将据此划定业务边界。第三项则是客户复购率及数据集复用比例；如果下游客户仍要根据自家机器人构型逐次重新标注，“通用数据集”的实际价值就会降低，Ropedia也可能从现有商业模式退回定制化外包服务。

Ropedia以新加坡为总部所在地，同时把办公室设置在硅谷山景城，形成其地缘布局。借助新加坡国家机器人计划开放的测试场和监管沙盒，公司计划连接东南亚的场景采集环节与北美的模型交付环节。产业链中一个此前受到忽视的位置，因其“中立数据节点”定位被占据；公司本身则不参与本体竞争。

Ropedia获得这3000万美元的意义并非融资金额本身，而是说明数据供应链已经能够脱离本体厂商，实现独立融资和独立估值。行业过去普遍把数据采集视为本体公司的内部职责，如今有企业专门从事这项业务并获得资金，意味着资本开始承认该环节具有独立商业价值。是否处于窗口期无须提前判断，只要观察后续是否有更多同类公司获得融资，就能验证这一判断。

关注微信公众号“人形大讲堂”，获取更多人形机器人赛道深度文章