不用穿动捕服，舞者跳一遍就成了 3D 数据：MOVIN 拿 100 亿韩元 A 轮，想把编舞变成能直接用的资产

先说结论：AI 编舞、AI 跳舞视频、人形机器人学舞，卡住的往往不是模型不够大，而是没有足够多、足够干净的人体动作数据。动作不像文字和图片，网上没有现成的“动作语料库”——它得有人跳，还得有人把它录成机器能读的 3D 坐标。

韩国公司 MOVIN 做的就是这件事的上游（本文基于官方新闻稿与多家媒体转述整理，金额换算口径各家略有差异）。它在 11 月 3 日宣布拿到约 100 亿韩元（约 750 万美元）的 A 轮融资，累计融资超过 1000 万美元。领投的是 IMM Investment，韩国产业银行（IBK）和 Voyager Ventures 新进，老股东 Atinum Investment、NAVER D2SF、Schmidt 继续跟投。

它到底解决了什么麻烦

传统动捕是这样的：演员穿一身带反光球的紧身服，房间里架十几台红外相机，开拍前要标定、要清场，演员不能离太远，动作太大还会丢点。一场舞拍下来，设备、场地、技术人员的时间加起来，成本很难压。

MOVIN 的旗舰产品叫 MOVIN TRACIN，思路是把激光雷达（LiDAR）、相机画面和端侧 AI 揉在一起：雷达负责“这个人离我多远、身体在什么位置”，相机负责“细节长什么样”，AI 在设备上就把两路数据对齐成骨骼动作。结果是——不用穿特制服装、不用贴标记点、不用专门搭一个动捕棚，人在普通场地跳，设备就能出 3D 动作数据。

官方给出的数据是：产品开卖一年做出约 75 万美元收入，卖出 200 多台，覆盖 20 多个国家，海外收入占约七成，北美是最大市场。这个量级放在动捕行业里不算巨头，但它说明一件事：这套东西已经有人在真金白银地买，不是实验室 demo。

为什么这条新闻对“跳舞”这件事重要

因为它的三个客户方向，恰好是 AI 舞蹈现在最缺数据的三块：

• 机器人学舞：波士顿动力和 RAI Institute 已经在用 MOVIN 做机器人遥操作和训练。机器人要学一个舞蹈动作，最直接的办法是人跳一遍、把动作录成数据、再让策略模型去学——这和站内 11 月 2 日那篇浙大 + 宇树的机器人动作模型是同一个链条的两端：那边在做“怎么学”，这边在做“拿什么学”。
• 虚拟制片与舞台：今年 4 月拉斯维加斯 NAB 展上，MOVIN 发布了 MOVIN TRACIN Stage，可以同时实时追踪多位表演者，并且和 Disguise、Notch 这类舞台视觉系统打通。翻译成人话：舞者在台上跳，虚拟背景和角色可以跟着实时动，不用后期对位。
• 动画与内容生产：编舞师排完一支舞，可以直接导出成能进引擎的骨骼动画，而不是先拍视频、再找人手动 K 帧。

还有个细节值得留意：MOVIN 是 NVIDIA SOMA 项目里唯一的韩国 Launching Adoption Partner。SOMA 是英伟达为机器人学习准备的人体动作数据体系，也就是说，它的数据格式和能力被纳入了英伟达那条生态。

怎么用：一条现实的工作流

如果你是想把编舞变成可复用资产的人（编舞师、虚拟主播团队、短视频工作室、机器人团队），这类设备能落地的流程大概是这样：

1. 先定用途：是要做视频/虚拟制片，还是要做机器人训练数据。前者看画面质量和实时性，后者看骨骼精度、帧率和数据格式是否干净。
2. 场地与人数：单人近景和多人舞台是两种配置。多人实时追踪（TRACIN Stage 那条线）要看遮挡处理，人是会互相挡住的，这是所有光学方案的老问题。
3. 导出与重定向：确认能直接导出到你用的引擎（Unity / Unreal / Blender / MotionBuilder），以及能不能重定向到不同骨架。这一步决定后面省不省人工。
4. 录一遍、看一遍：第一次别急着录整支舞，先录 10 秒转身 + 抬手 + 蹲起，检查手部、脚底和快速旋转有没有崩。
5. 批量前先算账：把“设备 + 人力 + 返工”的总时间跟传统动捕、跟手工 K 帧各算一遍，再决定要不要换。

适用场景

• 编舞团队想把作品沉淀成可复用的 3D 动作库，而不是只有一段视频
• 虚拟制片、舞台演出需要真人实时驱动虚拟角色
• 机器人团队采集人类示范动作，做模仿学习或遥操作
• 短视频/广告团队需要快速产出多个角度的舞蹈镜头，但不想请动捕团队进棚

不适用场景

• 只做“一张照片生成跳舞视频”的纯生成玩法——那是另一条技术路线，跟动捕无关
• 需要电影级手指细节、面部微表情的项目，这套方案主打的是全身动作，不是表演捕捉全栈
• 完全不想碰硬件和现场流程、只想在网页上点两下的个人创作者
• 需要在强光户外、大量金属反射或人群密集环境里稳定工作的场景——LiDAR 和视觉在这些条件下的表现要单独验证

注意事项（避坑）

• 口径差异：官方说“约 750 万美元 / 100 亿韩元”，部分媒体按汇率折算成 743 万、760 万甚至 838 万美元，都是换算口径不同，不是金额有变。
• “实时”有条件：实时指的是采集与输出链路，不等于“零配置”。第一次标定、场地布置仍然要时间。
• 精度未公开：官方没有给出毫米级误差、关节角度误差这类硬指标，也没有第三方评测。做机器人训练的话，务必自己拿已知动作做回归测试。
• 价格不透明：官网没有公开报价，200 多台的出货量说明它在卖给专业客户，不是消费级产品。
• 别把“入选 NVIDIA 项目”理解成“被英伟达收购或独家绑定”，那是生态合作，不是排他。

成本与时间预估

设备价格官方未公开，按同类无标记点动捕方案的经验，专业级单设备通常是“几千到几万美元”区间，多人舞台方案更高。时间上，官方宣称 3 分钟布置、3 秒标定，实际首次使用要留出半天到一天做场地与流程磨合；一条 30 秒的舞蹈，采集可能只要几分钟，但检查穿模、抖动、脚底打滑和重定向，通常还要再花 1~2 小时。

行动建议

第一步，别先看参数表，先拿一段你自己最常跳的动作去跑一遍：一个快速旋转、一个低位下蹲、一次手臂交叉。这三样最容易暴露追踪问题。如果这三关过了，再谈批量。

参考来源

• MOVIN 官方新闻稿（2026-11-03）：https://www.movin3d.com/discover/movin-raises-7-5-million-in-series-a-funding-bringing-total-funding-to-over-10-million
• The Asia Business Daily（2026-11-03 09:50 KST）：https://www.asiae.co.kr/en/article/2026110309500320099
• The Elec（2026-11-04）：https://www.thelec.net/news/articleView.html?idxno=15215
• MoneyToday（2026-11-03 14:00 KST）：https://www.mt.co.kr/future/2026/11/03/2026110309225267729
• WOWTALE（2026-11-03 17:06 KST）：https://en.wowtale.net/2026/11/03/235830/
• Dealroom（2026-11-03 00:43 UTC）：https://dealroom.co/news/168988-movin-raises-7-43m-series-a-for-lidar-motion-capture-ai/
• Robot24（2026-11-04）：https://robot24.com/south-korean-startup-movin-raises-krw-10-billion-to-advance-robot-training-technology