「自动化」是具身数据行业的第一竞争力。
作家丨高景辉
剪辑丨马晓宁
188bet体育app中国官网
2026年的具身智能赛说念，吵杂超卓。各家机器东说念主厂商都在秀Demo、拼算力，试图用海量数据教养机器东说念主叠穿着、冲咖啡。但一个无言的现实是：咱们似乎从未确切教养机器东说念主"看懂"这个寰球。
绝大多数机器东说念主仍在效法东说念主类看成的表层轨迹，却不睬解为什么拧不开瓶盖时要先擦擦手。这种领会缺失，像极了自动驾驶早期依赖高精舆图的困境——能应付固定场景，却处理不了充满不深信性的真实活命。
而防碍具身智能确切进入活命的瓶颈，是数据。莫得饱和好用的数据，机器东说念主就无法学习和锻练，从而无法会通真实的寰球。
于是，在行业集体堕入"作念模子"的庞杂叙事时，简智机器东说念主遴荐去啃一根更小众、也更苦的骨头：具身数据基建。
"行业里不缺作念模子的公司，缺的是数据，非凡是从东说念主类第一视角起程、包含想考与触觉响应的闭环数据。"在简智机器东说念主联创朱雁鸣看来，单纯靠效法学习在物理AI里跑欠亨。如果给机器东说念主喂的是清寒因果链的"饰演数据"，锻练出的模子往往仅仅机械的复读机，一朝际遇长程任务或不测干豫，就会片刻崩溃。
简智所作念的，是一套对于"东说念主"的全维度数据居品。他们自研从新、得手、到全身的高精度数据获得居品，深入家庭和商超作念众包，去捕捉东说念主类不经意的力响应、多模态感知，致使并反向分析出其步履背后的想维链。
在具身智能的底层逻辑里，数据不仅是燃料，更是构建领会的"第一性旨趣"。当大多数玩家热衷于"造车"时，简智为什么笃定要去建"电板厂"？昔日具身智能的核心壁垒，究竟在算法照旧在于那套关乎东说念主类步履的"诠释书"？
谜底，远比咱们想象的更硬核。
01
每一条手艺阶梯，都有一个"CTO"
雷峰网：先简约智的创立驱动吧，那时创立公司的初心是什么？
朱雁鸣：咱们最初对具身智能行业有一种蒙眬的防备。智驾本人亦然一种具身智能，但更广义的具身智能不错作念东说念主类能作念的通盘事情，是对出产力的底层变革。是以咱们在具身赛说念中深入酌量的时候，相比想去创造一些互异化的价值，这亦然咱们遴荐细分标的时候的一条准则。
咱们在2025年7月成随即，更多在复盘通盘这个词具身智能产业中有哪些空缺、不及，是以不想盲目追热门。咱们细想下来行业里不缺作念模子的公司，缺的是数据基建，非凡是无本色或其他范式下的数据。
那时行业还莫得大范围重视 UMI 或 EGO 意见，更多在通过通顺执法快速出demo，或是用 VLA 的表情锻练模子。但咱们信托，scale up和数据驱动是智能通往结尾的重要旅途。而对于物理AI他所需要的数据也与之前不同，文本的寰球是结构化的，但咱们的活命场景无时无刻都在变化，吊唁结构化的寰球，在此之上具身需要的是缓缓替代东说念主的能力。咱们需要的是从 Human Data（东说念主类步履数据）脱手，构建一套从行为到想考再到响应的闭环数据居品和平台。
雷峰网：简智核心团队来自智驾领域，这一布景带来了什么上风？
朱雁鸣：主如果领会层面的上风。泛 AI 领域里，确切已毕落地的物理 AI 居品即是自动驾驶，其他 AI 落地大多停留在对话、图像生成层面。自动驾驶是真实在路上跑、服务于东说念主，且在手艺上已毕了端到端、数据飞轮架构落地，这让咱们对数据的 infra 有了长远领会。
第一，模子算法迭代所需的数据，一定是追随迭代的东说念主类真实数据。今天具身领域，最需要被顺心的标的是的预锻练，让模子具备通识、泛化且跨本色的长任务奉行能力，并低资本作念平凡的落地。
在这个过程中，除了量大以外，更多是让数据"坐标系"与"东说念主会通寰球"对都，这样才能更好的从步履到领会酿成闭环。
并且在这个过程中，许多corner case至极有价值，比如东说念主在操作时候收到干豫失败，又若何去弥补的过程，这些是交易化的必备能力，而这些数据必须通过万古期的真实寰球积存，而非东说念主为成列。
第二，是对数据闭环链路与交易闭环链路联结的想考。作念自动驾驶时，数据资本至极低，因为每一台动身行驶的量产车，都在持续出产数据。但具身智能完全不同，它的数据无法自然获得，视频仅仅最简便的体式，要给模子作念历久学习锻练，触觉模态、东说念主类想考链路等信息，无法单纯通过装置录像头获得。这给了咱们底层想考：要构建可行的数据链路，必须往更深处发力。智驾的数据出产基于已有的车辆，而具身数据的核心基础，是如何领有能让东说念主类在当然活命中出产全维度数据的开荒。
第三，是长链路、高并发数据处理的警戒。作念自动驾驶时，每天回流的数据级别接近几百 T，大范围数据和步履需要长链路的清洗经由。这给咱们的核心警戒是，数据委用除了作念好硬件，更庞杂的是支吾长链条、大范围委用的能力，这需要在最驱动就对硬件、数据链条、数据加工处理表情作念完整的结构化想象。
雷峰网：简智当今团队大约有些许东说念主？研发占比些许？
朱雁鸣：范围在140东说念主控制，研发东说念主员占比向上85%。
雷峰网：具身数据是一个交叉领域，对此简智在组织上有什么转变？
朱雁鸣：具身智能需要专科领域东说念主才，更需要领域会通明的抽象性改造，数据业务亦然如斯。是以咱们联结各手艺领域上风，每个领域预研出一条干线，这条线下的每个东说念主都是CTO。
举例在数采开荒上，触及录像头、触觉、IMU、磁编码器等，咱们有访佛CTO的变装作念垂线预研，横向则由手艺委员会构成，从出产加工到模态再到自动化链条，通过模子驱动拼出完整决策。熟习行业里，一个东说念主很难全栈把通盘事情臆想明晰，当下的具身数据领域，更需要每个领域都有改造，已毕 1+1＞2 的成果。
雷峰网：简智当今招东说念主一般会招哪些东说念主？
朱雁鸣：咱们第一优先级是模子标的的东说念主才，但咱们要的模子东说念主才，不是作念具身看成输出模子的东说念主才，而是作念 data 仿真模子的东说念主才。核心处事是将汇集到的东说念主类步履数据，通过模子加工复原成接近东说念主类全体感受的数据格式，这件事难度很高。
咱们界说的 human data，核心要素包括东说念主的第一视角图像、全身枢纽通顺、手上的触觉，以及每个看成中的力响应，这些维度不错完整形色东说念主类绝大多数步履。比如提起一杯水，包含看到水、斗争水、提起时胳背感受到的力响应、拧开瓶盖的全经由。
这里的核心难点是，每个模态由不同硬件收罗，各硬件有不同的特征、频率，以及硬件本人特质导致的信息遗残，如何把它们复原成团结时期轴、团结时空坐标系下的完整数据。单纯靠东说念主工、粗浅的时期对都，都会影响数据质地和精度。
因此咱们尝试用数据基础大模子（data foundation model）搞定这个问题：把多模态输入注入模子，像锻练自动驾驶端到端模子相通，通过真值系统评测输出与真实寰球的匹配度，再凭据 gap 反向优化模子能力。咱们是行业内第一家无须大模子作念具身看成模子，而是用模子搞定数据问题的企业。
第二类核心东说念主才，是底层硬件能力持续的东说念主才，包括光学、镶嵌式软件、PCB 板想象，以及自研触觉决策持续的底层研发东说念主才。咱们但愿通过底层旨趣性改造，栽培汇集过程中的模态精度。表层数据和模子只可作念交叉考证、基于已汇集信息栽培精度，而数据的底层对错，需要硬件质地来保证，这其中有许多围绕东说念主类感受的底层旨趣改造需要作念。
雷峰网：你们稀有采工场吗？需要专东说念驾御理吗？
朱雁鸣：咱们接受众包模式，数据来自真实家庭和真实场景，莫得用数采工场表情，这是咱们和其他企业不相通的所在，亦然咱们认为面向结尾，大范围、高效汇集真实数据的最终旅途。
02
东说念主的步履即是真值，
东说念主能作念出来的看成，机器东说念主就应该能已毕
雷峰网：具身数据赛说念有细分标的，有的只卖数据，有的也卖开荒，简智属于哪种？
朱雁鸣：咱们实际上是一流派据搞定决策公司，但会凭据不同场景提供不同决策。许多面向 C 端的模子公司，落地场景偏活命化，这类数据不错公开获得，比如家庭机器东说念主需要的各种家庭场景数据，咱们不错通过众包已毕，径直给这类客户提供数据决策。
另一类客户的场景是闭塞、自有场景，比如工场产线、闭塞实验室，这类数据无法公开获得，数据通盘权实际上在场景诳骗方手里。针对这类客户，咱们会提供硬件开荒决策和最高效的腹地化部署闭环，让他们在自有场景中完成数据汇集和出产。
雷峰网：有东说念主认为开荒是具身数据公司的核心壁垒，卖了开荒别东说念主就不买数据了，你们若何看？
朱雁鸣：开头，数据和开荒都很庞杂。开荒是基建中的最底层，它决定了数据的模态数目、底层模态质地，开荒的方便性、资本，也决定了数据汇集的范围化能力，但我不认为开荒即是一起。
数据最终是服务于模子的，模子需要的不是单纯的视频，也不是多模态数据的简便打包，绝大多数核心处事，都发生在汇集后的数据加工处理法子。当今绝大多数模子公司，哪怕是作念预锻练，都十分追求数据质地，数据质地会从底层影响模子的成果、精度、以及对因果关系的领会。
比如如果发生在餐馆，东说念主会酌量是不是避开其他东说念主的移动、绕开一些饭菜，如果只须看成表层的标注亦然不够的，背后都有完整的因果驱动，咱们需要给模子提供串联好全模态、粘稠的COT过程，才能给模子提供有用的参考，让它更容易学习。
另一个核心原因是范围化。宽阔量开荒汇集的宽阔量数据，如何快速、高效、低资腹地转机成可锻练的 Token，才是核心难题，出产 100 台开荒和 100 万台开荒，是完全不同的难度。
雷峰网：刚刚提到家庭众包，具体是一种若何的合营表情？
朱雁鸣：咱们在众包模式上的运作很像 C 端公司。咱们我方作念了一款 APP，把开荒给到每个家庭，用户通过 APP 了解汇集任务，用咱们的开荒完成平方的家务看成即可，不需要对用户的操作作念额外的教养和遏抑，用户的当然操作对模子来说反而更有价值，模子需要学习各种化的东说念主类步履，才能补充场景盲点，因此步履上传后咱们通过云霄来识别、标注。
另外咱们的开荒在东说念主机工程上也有彰着上风，至极简陋，使用遵循和东说念主类平方干活的遵循基本一致。用户完成操作后，通过 APP 上传汇集的数据，咱们基于数据回收情况给用户结算，通盘这个词经由当然且高效。
雷峰网：有莫得工业或交易场景的众包？
朱雁鸣：有的。现时50%是家庭，30%是商超和工场，10%是物流，剩下的10%是医疗、实验室等漫步场景。
雷峰网：场景方会有秘籍牵挂吗？
朱雁鸣：这个问题咱们有完善的搞定决策。开头，所稀有据的秘籍处理，都有一套门径化经由，包括地点、东说念主脸、对方知识产权持续的信息，都会在数据售卖前完成脱敏处理，这是数据公司的基础义务。
第二，咱们和每一个场景方、汇集方合营时，都会在合营公约和用度诠释里，明确标注两边的权益包摄，咱们获得的不是用户的个东说念主信息，而是其在场景下的步履和操作数据，本人不会触及过多个东说念主秘籍数据。
雷峰网：众包莫得门径化经由，数据质地会不会错杂不都，给后期处理带来压力？
朱雁鸣：因为咱们重视东说念主的步履其实都是"真值"，毕竟不管什么情况，东说念主都是不错克服贫困完成任务。因此重要在于真值上传后，是否有一套自动化的表情完成数据识别与处理。
咱们的自动化识别，核心是把东说念主的步履和看成作念对都，进行雅致化的标注、分类，而非判定东说念主的步履对错。还有质检法子，核心是对东说念主的操作步履作念分类，而非丢弃数据。咱们会别离高速高效完成的看成、有干豫场景下完成的看成、失败后完成纠错的看成，同期对数据作念颗粒度极细的原子化处理，以适配模子不同锻练阶段的需求。
雷峰网：你们的国外收入占比挺高的，你们在出海过程中有遇到哪些防碍？
朱雁鸣：国外模子公司对数据的条目至极高，现时国外模子公司在模子锻练上的进展全体快于国内，他们对触觉模态、锻练数据的体量范围、各种性的条目至极严格，同期条目咱们的迭代速率能匹配他们模子的进展。
雷峰网：跟着数据量加多，存储和算力会有压力吗？
朱雁鸣：深信会有，但这件事咱们很早就有预判，因为数据飞轮的庞杂成分即是"数据流转遵循"，对此咱们从泉源作念了三层搞定决策：
第一，端侧的数据压缩与质检。咱们的每一台开荒，在汇集端就具备数据质检能力，能凭据东说念主的步履、场景的特殊情况，自动丢弃无效数据，幸免无效数据占用传输链路和存储空间。
第二，行业开头的无损压缩能力。咱们在压缩比例和对锻练就果的影响上，作念到了行业抽象最优。传统压缩决策很难均衡压缩比和有用信息亏空，咱们不错把原生数据压缩到原本的 2%，且压缩后的数据解包用于模子锻练，锻练的经营和遵循基本不受任何影响。
第三，自动化的数据处理速率。存储资本主要来自两部分，一是汇集后的原生数据恭候加工的暂存资本，二是加工后的制品数据存储资本。最容易被忽略的，是原生数据恭候加工的列队存储资本，这亦然咱们一定要用模子作念自动化处理的核心原因。东说念主工处理是线性增长的，只可靠加东说念主栽培遵循；而模子不错已毕指数级的遵循栽培，让存储资本大多只发生在制品数据上，而非中间过程。
03
当今行业对 EGO centric 的会通，
大多还停留在浅层的第一视角图像
雷峰网：你们对不同数据阶梯，比如仿真、互联网视频、遥操若何看？
朱雁鸣：我个东说念主认为，不同数据阶梯，要联结模子的锻练阶段来看，它们有不同的职责和宗旨，但高精度、质地、完整且泛化是通用性的条目。
开头，如果想构建具备通用能力的具身基座模子，让模子学到底层的物理环境领会能力，那么对标对象一定是东说念主，核心是东说念主的 EGO（自我中心）视角起程的领会。第三视角的领会，无法酿成步履因果的闭环。
比如掀开雪柜拿可乐，东说念主掀开雪柜看不到可乐，会先拿走挡住可乐的物品，再拿可乐。从第三视角，无法粉饰这些步履的完整逻辑，也无法闭环东说念主奉行这些看成的因果链。因此，对于基座模子的预锻练阶段，最庞杂的即是大量第一视角下，东说念主类的闭环步履和逻辑数据。
仿真合成数据的价值会跟着两个成分快速弱化。一是模子要搞定的问题的复杂进度。合成数据最难的不是物理特质的仿真，比如丝巾、水流、头发丝的仿真，而是无法仿真真实的交互。比如好意思国餐馆端菜的场景，核心难点不是端菜看成，而是窄小过说念里避开宾客，宾客抬胳背的片刻作念出避开看成，这些来自真实活命的交互场景，完全无法通过仿真模拟。跟着问题交互复杂度的上涨，仿真数据的价值会快速下落。
二是长程任务的需求。当今行业里许多具身任务都是短程的，比如叠穿着 2 分钟就能完成，但真实的家务任务，比如拖地需要半小时，中间还要去清洗拖布，这个过程中需要持续的想考和任务拆解，长程任务的逻辑，仿真也很难模拟。因此，仿真数据只在搞定拿、放等基础看成问题时有价值，越到真实场景的复杂问题，价值越弱。
另外，仿真的幻觉吊唁常严重的问题。物理 AI 对幻觉的容忍度极低，这和话语模子完全不同。就像自动驾驶对幻觉零容忍，一朝出问题即是东说念主命关天；机器东说念主交易化落地亦然同理，用户不会接受机器东说念主有概率损坏家中财物。仿真的因果本人不真实，会产生大量幻觉，让模子误以为失实的逻辑是正确的，这亦然核心短板。
真机遥操数据在我看来更稳健用在评测和后锻练过程中。模子锻练的完整经由，应该是通过东说念主类数据完成预锻练，再通过精选的东说念主类内行数据完成中间锻练，临了基于评测扫尾作念强化学习和后锻练。真机遥操就发生在临了这个法子，基于模子前两个阶段的学习，在每个任务中的进展，找到需要强化的部分，反向驱动模子优化。与其说遥操是锻练数据，不如说它是用来发现模子 bug、反向优化的评测数据。
雷峰网：你们当今用最多的是EGO数据吗？
朱雁鸣：是的。Ego咱们认为是最容易scale，且合适第一性旨趣的，因为自然和东说念主的领会对都。
雷峰网：EGO 本年才火起来，然则你们昨年 10 月就驱动往这个标的作念居品了，为什么会这样早进入EGO赛说念？
朱雁鸣：一方面来自智驾警戒。智驾已进入深水区，单纯加多数据量无法指数级栽培经营，诳骗和锻练场景十分泛化。因此智驾的锻练核心还是变成了强化模子的领会能力，2026世界杯竞猜也即是想维链（COT）能力。
具身智能也相通。遥操实际上即是最基础的效法学习，行业里许多 demo，都是在疏通场景下录几百小时的东说念主类数据，回灌给模子，让模子以接近回放的表情复现操作。但模子学到的仅仅表层的轨迹，莫得确切会通看成背后的深层逻辑，比如叠穿着为什么要先拿一角，穿着一角掉了要不要捡起来。
这些深层逻辑，只须 EGO centric 的数据能提供，非 EGO 视角的锻练，清寒了对模子深层领会的监督，只可监督轨迹和图像，无法监督模子靠近问题时的搞定决策，也无法获得东说念主类步履背后的想考逻辑。
雷峰网：为什么行业之前莫得大范围用EGO Centric？
朱雁鸣：因为昨年群众都在用 VLA。VLA 的 Backbone 是话语模子，它构建的因果是面向文本输出的，莫得空间、重力、摩擦力，也莫得长链条决策。当今群众发现 VLA 振奋不了物理寰球条目，是以驱动追念到导入大量东说念主作念事的表情进行锻练。
雷峰网：群众都在开发我方的EGO开荒，会不会重叠造轮子？
朱雁鸣：这触及到EGO centric 的数据核心条目。当今行业对 EGO centric 的会通，大多还停留在浅层的第一视角图像，许多东说念主头上戴个 iPhone、挂个 GoPro 就驱动汇集数据，但这仅仅第一视角的视频，只靠视频无法闭环东说念主的步履和感知，存在严重的信息缺失。
第一，确切的 EGO 数据，应该是多模态的，而不仅仅视频这一个单一模态。东说念主完成操作，不是只靠视觉响应，还有手的触觉、力响应等感知信息，这些模态信息，无法通过单一的录像开荒完成汇集。历久来看，具身模子一定需要会通触觉，才能和东说念主类的步履对都，单一视觉的 EGO 数据，无法振奋模子的历久锻练需求。
第二，多模态数据对证地和精度有极高的条目。数据精度越高，AI 产生幻觉的概率就越低。因此，EGO 数据对枢纽精度、感知精度有自然的高条目，确切有价值、能被模子宽阔量学习的，是多模态、高精度的 human data，而非低质地的第一视角视频。低质地数据锻练出来的模子，需要极高的二次调优资本，就像 OpenAI 早期用互联网语料锻练，临了发现大量问题，只可雇佣大量东说念主员生成高质地的东说念主类对话数据再行锻练。
雷峰网：那能不行用你们的手套，配合我我方的手机录像头汇集数据？
朱雁鸣：普通消费级开荒无法振奋 EGO 数据的汇集需求，这里有几个底层的手艺条目。
第一，视角高精度汇集，对视线有硬性条目。现时行业里有激光雷达、红外、纯视觉三条手艺阶梯，纯视觉是最合理的，因为它的鲁棒性最高，也具备范围化能力，激光雷达受硬件驱散无法大范围铺开。而纯视觉决策，对录像头的数目和视线有明确条目。
东说念主眼的视线是 150 度，操作时手很容易超出这个视线范围，机器东说念主无法像东说念主相通转头、动掸眼球，因此汇集开荒的视线需要远超 150 度。咱们的 EGO 汇集开荒作念到了 270 度视线，不错完整粉饰东说念主手的通盘看成范围，保证因果链的完整。
第二，精度需要多录像头差分来已毕。就像东说念主的双眼判断距离更准确，多录像头的相位差，不错大幅栽培定位精度。咱们实测，单录像头的指尖精度上限最多 2 厘米，双录像头不错降到 1.2 毫米，三录像头不错降到 0.8 毫米。因此，EGO 汇集开荒需要定制化的多录像头决策，传统的单录像头手机，无法振奋精度条目。
雷峰网：是以"原装"的开荒才是最优的搞定决策？
朱雁鸣：对，因为开荒是反推数据需求来想象的，如真的的这样简便，咱们也不会干与这样多资本去作念自研。
雷峰网：头戴开荒和手部开荒的协同，会不会难度很高？
朱雁鸣：难度至极高。开头是通信与时期对都的条目，手部开荒的图像、触觉汇集有固定频率，头戴开荒的视频流也有单独的汇集频率，需要把二者的时期精度对都到 1 毫秒。如果作念不到，就会出现手还是抓到物体，眼睛看到的照旧上一帧画面的蔓延问题，径直影响数据的有用性。
当今咱们作念到了毫米级定位。咱们最终要产出东说念主在实足空间下的实足步履和轨迹，需要先已毕头和手的高精度相对定位，再以头为核心，已毕头与环境的相对定位，才能构建起手-头-环境的完整定位体系。头和手的相对定位，莫得径直的测量表情，只可通过多相机视觉已毕，这对相机路数、云霄数据处理能力都有极高的条目。同期，在郊野、大型商超级大空间场景中，东说念主在空间里的实足定位也有很高难度，需要多传感器组合决策才能保证数据精度。
雷峰网：最早你们用的是"夹爪"（UMI），当今变成了手套，夹爪和手套是进化关系照旧并行关系？
朱雁鸣：是并行关系，实际上是不同诳骗场景的适配。许多场景下，两根手指的夹爪就饱和了，比如工业场景、基础物流场景，只需要捡箱子、翻动物品，两指就能振奋需求；五指结构则是面向更机灵的操作场景。
如果从层级关系来看，五指是比两指更表层的搞定决策，更具备历久价值。如果模子基于五指数据学会了东说念主类的基础领会和能力，昔日即便诳骗本色是两指、三指结构，也不需要很高的迁徙资本，这即是行业常说的跨本色迁徙问题。跨本色迁徙的底层，是模子的领会深度，以及是否酿成了完整的因果闭环，而非依赖固定的硬件体式。
雷峰网：那当今 UMI 夹爪在你们的居品体系里，定位是什么？
朱雁鸣：UMI 当今的定位，主要服务两类需求。一类是适配特定的诳骗场景，比如工业场景中，只需要两指就能完成操作，致使需要粗壮的两指完成重物、大零件的操作，五指反而会成为株连，这类场景会用 UMI 决策；第二类是适配客户的居品需求，有些客户现阶段落地的居品即是两指类本色，反向需要两指类的数据振奋锻练条目，咱们也会提供对应的 UMI 决策。
另外，传统 UMI 的构型，需要东说念主操作开荒完成看成，步履不当然，汇集遵循低，还会因为操作熟练度产生脏数据。咱们当今作念了新款的 Fingers 居品，构型更接近东说念主的两根手指，至极于从五指居品中去掉三根手指，只保留重要的两根，是仿生构型，在汇集遵循、步履当然度上都有大幅栽培。
雷峰网：你们的客户对高质地数据的条目有哪些？
朱雁鸣：条目大约有四点。
一是极高的各种性条目，这少许可能反学问，即便客户只聚焦一个诳骗场景，在模子锻练阶段，也需要各种的步履、空间会通能力，来栽培模子的鲁棒性和泛化能力。
二是完整的模态，模子锻练实际上是监督学习的过程，监督的重要，即是模态与扫尾的对都是否完整，因此通盘和看成扫尾持续的模态，都必须完整粉饰，这是核心条目。
三是极致的精度，数据精度从底层决定了模子的幻觉概率，高精度的原始数据，是模子锻练就果的基础保险。
四是完整的想维链，这少许现时行业还莫得平凡征询，但它是机器东说念主已毕长程任务的重要数据条目。比如拖地这个长程任务，拖过的所在不需要再拖、什么进度需要清洗拖布，都莫得固定的门径，东说念主类奉行时的想考和推理过程，不会边作念边说，在现存数据中是自然缺失的。
但这些推理过程，是让模子会通看成背后逻辑的核心。如果只看 100 个东说念主拖地的看成，每个东说念主的步履是发散的，模子无法会通背后的逻辑，只可给出平均值，无法适配真实场景。因此，包含完整想维链的数据，是高质地数据的核心特征。
04
机器东说念主厂商不会范围化数采，
就像汽车厂商不会我方建电板厂
雷峰网：昨年许多公司喊出"百万小时数据"宗旨，你以为已毕起来难不难？
朱雁鸣：至极难，因为对咱们来说，这百万背后，不是单纯的堆量，而是高质地的数据联结。开头从东说念主力角度来看，一个东说念主一天有用产出数据的时期大约只须 5-6 小时，受膂力等成分驱散，无法满负荷产出。百万小时至少需要 20 万东说念主天，即便有 2000 东说念主的运营团队，也需要持续运营 3 个月以上，才能已毕这个宗旨，而这仅仅东说念主力层面的难度。
更重要的是，这背后需要配套海量的汇集开荒、极强的模子自动化处理能力、畅通的数据链路。通盘这个词经由就像漏斗，任何一个法子出问题，都会产生层层折损，最终能转机的有用数据比例会大幅缩小。
从咱们的角度来看，要已毕这个宗旨，有三个核心门槛：第一，是否有能振奋高质地数据条目的开荒；第二，开荒能否已毕众包范围化落地；第三，是否具备大范围数据的自动化链路处理能力。本年咱们有信心产出向上500万以上的高质地数据，这亦然咱们体系化能力缔造后的快速增长能力。
当今咱们有信心、也还是和其中大部分企业成立历久合营。喊标语没荒谬旨，重要要看是否确切落地了持续的开荒、团队和体系化能力。
雷峰网：有些作念模子的公司，我方也在作念数据，那作念数据的公司，是不是也不错我方作念模子？你们昔日会不会切入模子赛说念？
朱雁鸣：咱们对模子遥远保持敬畏。一个行业的发展分为三个阶段：学术阶段，核心是深信已毕历久宗旨的手艺范式；产业阶段，范式明确后，用工程化的表情加快落地；交易阶段，面向委用、资本、交易化经营优化。
从现时来看，具身智能行业，连学术阶段的问题都莫得被完整搞定，当今行业里的居品，很难在某一个专职事情上作念到和东说念主相通的水平。因此，咱们现阶段的核心，照旧服务好模子公司，帮他们训出更好的模子。
雷峰网：如何看待GEN1？
朱雁鸣：至少从我的角度，我至极认同 Generalist，他们是一家至极刚直的公司。他们一直对峙用 scaling law 的表情，栽培具身智能的进展，这是他们的底层驱动。
回到 GEN1 的进展，我认为有三个核心亮点。第一，已毕了团结模子的多任务奉行能力。当今行业里许多公司的模子，实际上是狭义的独到模子，比如专门作念叠穿着的模子，换个任务进展就会很差，但 G1 在多任务场景下的进展，还是得到了考证。
第二，模子从各种数据中，确切学到了东说念主类的纠错能力。从他们发布的视频能看到，模子第一次奉行任务失败后，能快速凭据失实完成更正；靠近刻意的干豫，也能实时给出搞定决策，这少许至极宝贵。
第三，还是驱动探索长程任务的已毕。他们还是在尝试 3-5 分钟完成一个完整的复杂任务，而非团结个看成重叠十几次，这是行业里至极少有的探索，也贴合具身智能的真实落地需求。
雷峰网： Generalist 锻练用的数据，主要亦然 EGO 数据吗？
朱雁鸣：他们当今主要照旧用 UMI 夹爪，但也还是在探索ego标的，因为umi存在我方的上限，尤其是移动机器东说念主场景，UMI 会更难适配。
雷峰网：Generalist 与国内具身智能公司有哪些互异？
朱雁鸣：开头是理念上的互异。Generalist 与其说像一家公司，不如说更像一家科研机构，团队只须二十几个东说念主，莫得交易化宗旨，融资也不以交易化作念核心诉求，至极刚直，专注于通过底层改造迭代手艺本人。而国内大多数作念具身的公司，都株连着融资和交易化的压力，很难作念到这种刚直。
其次是勇气，现阶段东说念主类数据作念基座模子、大范围预锻练是需要干与绝酌夺资源，并且存在巨大不深信性的事情。Generalist 的底层改造，核心是莫得复用任何开源模子，完全基于 UMI 的数据从零重训，这个过程至极漫长，需要糜掷大量的算力和数据，后期的糜掷只会更大。
雷峰网：昔日国内数据赛说念的形式会是若何的？
朱雁鸣：会是有头部也有漫步的生态。因为第一这个市集的盘子饱和大，莫得任何一家公司能完全吃下。第二，数据面向交易化落地时，会有大量垂类需求，数据和算法是绑定的垂类关系，不可能有一家公司的一套决策，能完好适配通盘场景，一定会有企业在细分垂类里作念得更适配。
因此，最终会酿成的形式是：有几家公司作念成大的通用数据平台，而在细分垂类赛说念里，依然有不同的玩家，是一个多元的市集气象。在通用场景下，行业会渐渐趋同，会出现决策、价钱都有彰着上风的头部供应商。
雷峰网：整机厂商昔日一定要买第三方数据吗？这种数据依赖是持续性的吗？
朱雁鸣：实际上这是产业链单干的问题，不存在某个手艺壁垒让别东说念主完全作念不了，但跟着行业熟习，产业链单干会越来越明确，各方的范畴也会越来越澄澈。
第一，数据全链条的复杂度，远超话语模子和自动驾驶时期。它需要单独的开荒研发、单独的链路搭建、单独的模子和运营能力防备，并且数据的价值是历久的。机器东说念主锻练新模子，最值钱的不是它还是会的操作数据，而是它不会的、犯错的场景数据，这需要持续的、大范围的数据汇集和处理能力。
第二，全链条的体系化能力，会酿见遵循和资本的壁垒。短期壁垒是谁能先搭建起完整的体系，提供模子公司需要的居品；历久来看，即是资本的竞争，体系越熟习、遵循越高，范围化后的资本上风就越彰着。
我频频用一个类比，数据对于机器东说念主厂商，就像轮胎对于汽车厂。电板是每台车的必备部件，资本也不低，但当今莫得一家汽车厂会我方建轮胎厂，核心原因即是专科的厂商，在资本、遵循上都比我方作念更高，从零到一自建反而焉知非福。
雷峰网：数采行业的核心竞争力是什么？
朱雁鸣：数采行业的核心竞争力有三个核心维度：
第一，自动化能力。核心是数据公司能不行构建我方的飞轮：跟着委用的数据越多，自动化能力越强，数据委用的遵循越高、质地越好。这是具身时期对数据公司的核心条目，谁能先构建出以数据链路、模子驱动的自动化数据产线，谁就掌抓了核心竞争力。
第二，硬件模态研发能力。当今大多数数采公司，都莫得专注作念硬件的底层研发，要么用开源决策，要么用消费级居品勉强，这种勉强出来的决策，产出的数据看似可用，但 3-5 个月后就会被证伪，无法救助模子的历久锻练。硬件模态的研发，还要兼顾低资本，只须深信了可范围化、低资本的模态决策，才能谈第三个核心竞争力。
第三，确切的范围化能力。自动化水平高、模态全、资本低，才能已毕最佳的范围化。范围化的核心，是构建敏捷的数据链条，已毕资本的非线性增长。如果 10 万条数据的资本，只比 1 万条翻了一倍，而非 10 倍，才能不息栽培业务的天花板，这才是可持续的交易模式。
备案号: