文｜赵艳秋
编｜牛慧
" 未来 12~18 个月，行业的一个 checkpoint 就是真实部署带来的数据闭环。不管这个部署数字是多少，只要它是真实的。谁能真正在半开放场景里，把第一个闭环跑通，这将是决定性因素。" 上海创智学院副教授、智元首席科学家罗剑岚说。
" 我们会尽快面向所有场景—— 60% 家庭、30% 商用、10% 工业，要齐头并进。" 千寻智能创始人兼 CEO 韩峰涛告诉数智前线。
今年以来，几乎所有海内外头部公司都不眠不休，在家庭、工厂和商业赛道争夺部署机会。为了争取时间，他们做软硬件一体——机器人本体、大脑、数采设备、甚至灵巧手和关节，防止等待第三方而让节奏慢下来，他们要把数据闭环攥进自己手里。
这一进程，也将影响资本、客户在下一阶段对他们的重新估值和押注。
具身企业，为什么都在抢同一个闭环？
去年底，智元机器人对业务赛道重新排兵布阵，智元侧重工业；智元实控的上纬新材以 " 上纬启元 " 品牌锁定消费市场，还有灵巧手公司临界点等。6 月底，智元在全网开启机器人在工厂测试产线干活的直播，地点是消费电子 OEM 上市公司龙旗科技的江西南昌工厂；" 上纬启元 " 推出首款个人机器人 " 启元 Q1"，可折叠装进书包，并将在深圳和上海开设线下体验店 ......
动作很猛的还有千寻智能。" 我们构建了一个上千人的数采团队，到今年底会有四千人。今年我们要采集百万小时数据，明年要达到上千万小时。" 创始人兼 CEO 韩峰涛告诉数智前线。他语速很快，要尽快面向家庭、商用、工业齐头并进。他强调，这是公司的核心工作，战略上重视就体现在投入上。他还特意提到与博世、宝马的合作。
银河通用已从去年起，在全国铺设无人零售、无人药店，目前已超过百个；工业重载机器人进入极氪、宁德、奔驰等工厂；与智源研究院一起在酒店落地清洁机器人 ......
有趣的是，宁德时代是多家机器人企业的采购方，" 它的野心很大 "，一位具身企业人士说。
这股风潮不止中国具身智能企业。即便是美国领头羊 PI（Physical Intelligence），这家由前谷歌大脑负责人卡罗尔 · 豪斯曼创办、用真实世界数据做出第一个多任务具身模型的公司，也开始在海外包括中国大量建厂，采集交互数据。业内人士对数智前线分析，PI" 后劲不足 "，受限于美国本土制造业，它不得不靠海外建厂来弥补数据采集短板。
为什么大家都这么急着来干这件事？
" 我觉得全球企业 CEO 都知道要往具身领域投钱，但大家在等一个信号，一旦出现，大把美元就会从天而降。" 罗剑岚说得很直白，" 作为一个创业公司，优势就是快。谷歌这么大，OpenAI 就是在它护城河最深的地方，硬生生敲出一块地。" 还有行业人士拿 Anthropic 打比方，其 ARR 年化营收已达 200 亿美元，" 这个体量不管谷歌还是 meta，都不会轻松把它碾死 "。
同时，行业预估，今年下半年到明年上半年，是世界模型训练高峰期，大家都在努力追求模型泛化性，毕竟没有规模化的真实数据，模型就没有泛化，没有泛化就谈不上规模化部署。
" 所谓基模泛化能力，就是把人类不需要专门学习的技能做到 70%~80% 成功率，再配上初中学历就能掌握、一键把模型从数采中心带到客户场景的低部署门槛。" 银河通用 CTO 王鹤解释。
所有具身行业人士都认同一个路径——特斯拉数据飞轮。过去十年，特斯拉耗费很大精力，部署车队构造了一个巨大飞轮，车队跑出真实数据，数据回流训练模型，更好的模型再下发车队、去解决更长尾问题，反复循环。它给具身的提示有两条——真实数据很重要，而真实数据只能通过部署获得。眼下具身数据还少得可怜——有人士说 " 连一颗黄豆都没到 "。而数据飞轮一旦转起来，就是护城河，别人要做这件事，也得花同样多精力、时间和资源，可你已经走到前沿去了。
千寻则把具身智能的过程分为两阶段，第一阶段把基模做出泛化性，让后训练代价降到分钟级、边际部署成本压到极低，" 场景落地所需的后训练数据可降低 60%。" 千寻智能副总裁丛源良说。这样，才能进入第二阶段——几千万台、上亿台机器人铺进真实世界干活，数据回流，零样本解决更多问题。
" 你得先把数据和 Infra 做好。这俩没做，你压根不用探索模型结构。" 一家具身智能独角兽的 CTO 对数智前线分析，而数据和 Infra 之间，则要先数据、后 Infra。理由是规模小的时候 Infra 还发挥不了作用，只有机器人在外部署的数量多了，Infra 才会派上用场。" 刚起步，做数据收益一定是最大的，到一定规模再去做 Infra。这俩都有了，你再做模型结构，我觉得是这样一个顺序。"
机器人大脑，到底需要什么数据？
大语言模型用 30 万亿 token 训出了 GPT，具身智能需要什么数据？
实际上，它需要一整套覆盖不同能力的数据体系，所以具身企业都在抢家庭、工业、商业场景，齐头并进，采集不同数据源。而每个场景对模型的训练方式也不同。
家庭不重节拍，但要足够泛化，成功率可以低一点。每个家庭环境都不一样，有人士认为，甚至不太需要后训练，因此部署更快。
虽然行业认为 " 一旦家庭的活儿会干了，其他的活儿都会干了 "，但有人士认为，工厂要求的成功率和家庭的泛化性是两种能力，" 目前在模型上没法统一 "，只能在两个方向同时迭代。商场也同理，有自己的特殊需求。
实际上，进工厂本身很难。无锡数据集团总经理陈青告诉数智前线，打开工厂的数采场景只能找一把手，老板们不在乎采集补贴，担心的是工艺外泄。他们目前已与 12 家工业伙伴签订了长期反复进场采集的协议，" 我们想让真正掌握模型能力的公司落在无锡，一起深入合作 "，重点抓 30~50 家企业——最好是上市公司，因为老板更有长远想法、二代老板也非常清楚。" 要跟他们结成长期合伙人机制，从数采试点走到产线智能装备升级。"
相对而言，家庭是一个可以快速部署的地方。一位资深人士说，家庭的宝贵之处，是可以让真机在开放环境中探索交互数据。人类能为机器人构建的训练环境可能不到 1%，" 人不知道机器人会在什么地方犯错，只有机器人自己知道 "，把机器人放进环境，让它先探索、先失败，人再兜底纠正，这一类数据凌驾在所有数据之上。
不过，如果既想快速部署，又想在商业上有快速回报，无人药店、无人零售店、酒店清洁等是很好的模式。" 限定场景后就可以采数据、做闭环、做销售，不需要泛化到所有场景，相信这是目前大多数具身企业的做法。" 一位人士告诉数智前线。
而这些场景中，具体需要采集什么类型的数据？行业流行 " 数据金字塔 " 一说，但陈青更愿意把它比作光谱仪：" 光从左到右，不同频率和能量代表不同作用。" 所有场景几乎都需要全光谱数据，它们承担不同作用。
今年以来，EGO 数据很火，它是指通过头戴摄像头等设备、采集的人类第一人称视角操作的视频。京东、蚂蚁、美团正通过众包方式快速 Scale up，有业内人士认为，可能未来一天就能到 100 万小时。
但丛源良认为，UMI 数据将成为主流。UMI 数据是一种手上拿着夹爪、戴着摄像头等轻量设备，采集人类真实操作的低成本方案，其优势是与机器人本体解耦，一套数据能被不同机器人复用。相比 EGO 数据，UMI 数量稍小、精度更高；最精准的是遥操，" 但数据量太小，你还得买一个 50 万的机器人一块弄，遥操上手难度也较大 "。
大家也都提到了触觉数据，每一家主要具身企业都坦言要做。" 你要做到穿针引线，触觉作用还是很大的。" 上海交通大学长聘教轨助理教授穆尧说。
不过，穆尧曾与多家机构尝试构建触觉数据集，结果 " 几度心碎 "，最终转向仿真引擎去做精细的力和触觉数据的 scale up。过去一年，虽然业内对仿真数据 " 祛魅 "，但他的团队把螺纹配合、齿条啮合，以及多种柔性衣物的复杂任务，通过仿真数据都实现了。
具身企业也在思考采集数据方式。北京智源人工智能研究院理事长黄铁军告诉对数智前线，由于世界模型和具身智能阶段，实时交互性数据会越来越多，" 你踢个球、弹个琴、游个泳，所有都是在跟世界互动 "，采数据的模式也必须变革，核心要考虑成本合理性和便利性。
这样看来，建数采中心、用人控制机器人采数据，" 可能是一种成本不一定合理的方式，光建环境就花掉很多代价。" 他说，今年开始，有企业让工人戴上设备边工作边采集，工资可能加 20%；再往后，人们戴上耳机、智能眼镜，生活和工作的第一视角被数字化，这跟自动驾驶逻辑差不多，汽车在路上跑的同时，数据就采集到了，只不过汽车上的传感器很多，人身上还比较少。他进一步举例，乒乓球机器人若能达到陪练水平，进入工会、学校，采数据甚至可以零成本乃至有收益。
" 进入实际场景后，有可能找到低成本采数据方式 "，这是过去一段时间，他们在思考探索的。
为什么非要自己攥着闭环
在跑闭环的这个过程中，一个值得关注的现象是，去年行业中还有产业链分工模式，有人做大脑、有人做本体，但今年更多企业明确走向软硬闭环，既有机器人本体，也训练模型，还做数采设备，甚至做灵巧手、关节。
" 所有的 recipe（独门秘籍）在无限长的时间里都会变成公共知识。" 王鹤解释说，" 这个行业最终一定是当前巨头可以做的。" 既然如此，初创公司唯一的竞争优势就是快。" 快你就得闭环，硬件里头别人做不好的部分，就得控制在自己的环路里。否则你等别人，就慢下来了。" 更多具身企业采用硬件、数采、数据管线到模型，软硬一体模式。
当下，几乎每家企业都提到了数采设备。千寻从 2024 年开始研发数采设备，据说迭代七版，" 去年 12 月正式落地，今年下半年成本会有 10 倍下降。"CEO 韩峰涛告诉数智前线。
" 这套东西一定要掌握，否则会很被动。" 上海交大穆尧说，他举例自己有很多想法，但大家说做不出来时，他就会到现场去看整个采数过程——顶置相机怎么配置、全身运控传感器怎么摆、人和传感器如何配合。这关系到创新想法的实现。" 臂、核心关节、灵巧手上腕部相机的布置，至今没看到任何一个令自己满意的方案 "，他认为如果有能力也要自己掌握。
它石智航联合创始人、首席科学家丁文超把整个系统类比一条梯度传递的链路，" 具身行业还在早期，模型和应用的梯度还没有传递到前面的硬件，市面上能买到的硬件满足不了规模化应用的需求 "。为此，他们决定自己做软硬件，并研究关节、甚至灵巧手，把末端传感器配置、硬件形态、数采方式和部署推理效率放进同一个系统里去优化，" 这些细节才是 VLA、世界模型这些概念背后真正的冰山。" 丁文超说。
" 数据管线 " 是当下具身公司比拼的一个焦点。市面上 EGO、UMI 数据供应商 " 质量真的是良莠不齐，好的特别少 "，企业不得不建立自己的一整套质检和规范，并投入数据管线。而且，数据质检、过滤、标注全靠人工的话，成本谁也扛不住，需要靠模型闭环来提升效率、降低成本。一位业内人士对数智前线总结，" 数据管线 " 核心是把人类的单点经验，尽可能汇聚进这条管线，让数据迭代逐步自主化，而 " 第一点就是要做到实时性 "，在采集过程中同步质检，而不是事后补救。
在闭环上，外国具身企业 " 遇到了麻烦 "。有行业人士告诉数智前线，虽然他们尝试在海外建厂来解决交互数据采集问题，但 " 短期内能解一时的困难，长期很难 "。根本原因是软硬分离，比如在美国训练，在美国以外做数据采集，沟通成本高，数采设备也难快速迭代，" 你天然得不到很好的数据反馈 "。他的结论是，" 软硬一体是国内优势，今天各家在模型层面的差距并不大，真正拉开差距的是数据积累，而国内在真机数据的积累上更快。"
对于具身智能的终局，行业有初步的时间轴。语言模型 scaling law 催生了 VLA、视频模型 scaling law 催生 World Action Model，随着真实世界数据持续积累，有企业认为未来 3~5 年，期望具身智能行业诞生真正的 " 原生模型 "，而不是简单把语言、视觉、动作拼接在一起的模型。
千寻判断，大模型从爆发到拥有 5 亿用户用了数年，而具身智能公司，集中成立于 2023~2024 年，要真正进入规模化阶段，大概率要等到 2033 年前后。王鹤预计，2028 年前后模型通用能力一旦突破关键节点，行业将迎来第一轮出货激增，且主要发生在 B 端。
" 但这并不意味着 AGI 已经实现，从轮式到全人形、从夹爪到灵巧手，具身智能仍有漫长的技术长坡要走。" （联系作者可加微信：helloabc7，注明公司与职位）
本文为数智前线（szqx1991）原创内容
未经授权，禁止转载
进群、转载或商务合作联系后台
文章精选
