利亚德手里攥着物理AI最缺的燃料？机器人都在抢着买
浩南哥情报站
2026年的机器人圈有个黑色幽默：AI大模型在云端把物理题背得滚瓜烂熟，可一旦下放到真实世界，让机械臂把一瓶矿泉水拧开，十个有九个把瓶子捏爆。差距不在算力，不在算法，而在“没见过”。物理AI要理解真实世界，光靠互联网文本不够，它得吃进海量高精度运动数据——谁手里有这种数据，谁就掐住了下一阶段的燃料管。利亚德旗下的OptiTrack光学动捕系统，恰好就是一台把人类动作榨成算法口粮的机器。
但市场对这个逻辑并不完全买账。有投资者直接在互动平台开怼：你们利亚德卖动捕硬件，撑死就是个影视教育医疗的小盘子，通用大模型才是万亿市场，你们有没有跟机器人公司一起共建大模型？利亚德回了一句话：OptiTrack产生的物理世界运动和空间数据，正是训练物理AI大模型的“燃料”。这话不算吹。问题在于，燃料变现成收入，中间还隔着几步。
物理AI这个词，英伟达黄仁勋喊了两年，真正引爆是在2026年。特斯拉Optimus、Figure 02、国内银河通用、智元们，都从“演示视频”阶段往“工厂实操”阶段冲。冲的时候才发现，真实场景的扰动远比想象中难搞——物体打滑、材料变形、意外碰撞，这些教科书上不写的“脏数据”，才是一个通用机器人能不能落地的关键。据中国信通院2026年发布的《具身智能发展报告》，超七成受访机器人企业认为“高质量物理交互数据不足”是当前最大瓶颈，比算力瓶颈的提及率高出近20个百分点。
这正是OptiTrack的甜蜜点。一套顶级光学动捕系统，用几十台红外相机加反光标记点，能捕捉到亚毫米级的关节运动轨迹，帧率动辄几百赫兹。它不是拍电影那种“好看就行”，而是把非结构化的动作行为，变成一条条带时间戳、带力学标签的结构化数据流。抓取、拧转、行走、跌倒、爬起——这些数据清洗标注后，可以直接塞进机器人的模仿学习算法。换句话说，OptiTrack卖的不是摄像头，是一条从物理世界到神经网络的数据通道。
从经济原理看，这属于典型的数据要素资产化。硬件是一次性收入，但动捕数据可以反复授权、打包销售、共建数据集。采集一次人类拧瓶盖的动作，能喂给十个机器人公司做训练。边际成本几乎为零，复用价值却不断叠加。这种“采集一次、卖N次”的生意，估值逻辑和卖设备完全两码事。利亚德2025年报里，动捕业务首次单列，海外收入占比超过六成，但公司没有披露数据授权收入的具体规模——这才是市场最该追问的地方。数据是不是真的变成了资产，不能只看口号，得看财报上的数据服务收入有没有独立成行。
从行业趋势看，动捕设备正在从“文娱道具”变成“机器人训练基础设施”。据MarketsandMarkets统计，2025年全球光学动捕市场规模约9.8亿美元，其中机器人训练场景占比从2023年的11%猛增至35%，是增长最快的应用方向。IDC的预测更激进：到2028年，全球用于具身智能训练的高精度运动数据采集设备支出将达到41亿美元，年复合增速超过60%。这些数字背后的逻辑很简单——机器人公司自己建数据采集中心太慢也太贵，买现成的高精度动捕系统加数据服务，是现阶段最经济的路径。
但话说回来，OptiTrack的护城河也不是铁桶一块。惯性动捕、视觉动捕、合成数据都在抢同一个市场。英伟达的Isaac Sim和Cosmos平台，能用合成数据生成海量物理仿真场景，虽然真实性不如动捕，但胜在量大、便宜、可生成极端工况。部分头部人形机器人公司也开始自建数据采集工厂，用低成本动作捕捉服加遥操作采集数据。OptiTrack的高端定位，注定了它吃的是头部客户和高端训练需求的蛋糕，而不是整个市场的平均红利。
这就回到开头那个问题：利亚德到底是在卖铲子，还是在炼燃料？如果是前者，那它享受的是动捕硬件升级周期，估值天花板清晰可见；如果是后者，OptiTrack积累的物理运动数据库如果真能形成可授权、可订阅的资产池，商业模型就完全不同。从公开信息看，利亚德已经在和多家机器人公司推进联合数据采集项目，但都没有到公告级别。这正是分歧所在——有人看到的是“互动平台上的嘴炮回应”，有人看到的是“数据要素赛道的隐形卡位”。
两种视角，你站哪一边？是相信利亚德手里的OptiTrack能成为物理AI时代的“数据炼油厂”，还是认为它终究只是个卖摄像头和反光球的硬件商，离真正的大模型训练数据平台还差着几道坎？
风险提示：本文基于公开信息与行业数据整理分析，不构成任何股票投资建议。物理AI与动捕数据商业模式仍处早期，存在技术路线变化、数据合规与客户集中度等风险。
热门跟贴