「自动化」是具身数据行业的第一竞争力。

    作家丨高景辉

    裁剪丨马晓宁

2026年的具身智能赛说念，吵杂不凡。各家机器东说念主厂商都在秀Demo、拼算力，试图用海量数据教授机器东说念主叠一稔、冲咖啡。但一个麻烦的现实是：咱们似乎从未着实教授机器东说念主"看懂"这个全国。

绝大多数机器东说念主仍在师法东说念主类作为的表层轨迹，却不睬解为什么拧不开瓶盖时要先擦擦手。这种默契缺失，像极了自动驾驶早期依赖高精舆图的逆境——能应付固定场景，却处理不了充满不细则性的真实生涯。

而阻截具身智能着实进入生涯的瓶颈，是数据。莫得豪阔好用的数据，机器东说念主就无法学习和教育，从而无法领略真实的全国。

于是，在行业集体堕入"作念模子"的远大叙事时，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，疏淡是从东说念主类第一视角起程、包含想考与触觉反应的闭环数据。"在简智机器东说念主联创朱雁鸣看来，单纯靠师法学习在物理AI里跑欠亨。如果给机器东说念主喂的是费劲因果链的"扮演数据"，教育出的模子不时仅仅机械的复读机，一朝遭受长程任务或随机骚动，就会倏地崩溃。

简智所作念的，是一套对于"东说念主"的全维度数据产物。他们自研从新、奏凯、到全身的高精度数据取得产物，深入家庭和商超作念众包，去捕捉东说念主类不经意的力反应、多模态感知，以致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，更是构建默契的"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"？改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"讲解书"？

谜底，远比咱们想象的更硬核。

01

每一条期间路子，都有一个"CTO"

雷峰网：先简约智的创立初始吧，其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隐约的暖和。智驾自己亦然一种具身智能，但更广义的具身智能不错作念东说念主类能作念的总计事情，是对坐褥力的底层变革。是以咱们在具身赛说念中深入计划的时候，比拟想去创造一些各别化的价值，这亦然咱们遴荐细分标的时候的一条准则。

咱们在2025年7月成赶快，更多在复盘通盘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，疏淡是无骨子或其他范式下的数据。

其时行业还莫得大领域进展 UMI 或 EGO 倡导，更多在通过通顺王法快速出demo，或是用 VLA 的方式教育模子。但咱们信赖，scale up和数据驱动是智能通往结尾的要害旅途。而对于物理AI他所需要的数据也与之前不同，文本的全国是结构化的，但咱们的生涯场景三年五载都在变化，诟谇结构化的全国，在此之上具身需要的是渐渐替代东说念主的智商。咱们需要的是从 Human Data（东说念主类步履数据）着手，构建一套从活动到想考再到反应的闭环数据产物和平台。

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：主若是默契层面的上风。泛 AI 领域里，着实完结落地的物理 AI 产物即是自动驾驶，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，且在期间上完结了端到端、数据飞轮架构落地，这让咱们对数据的 infra 有了深切默契。

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，最需要被冲破的标的是的预教育，让模子具备通识、泛化且跨骨子的长任求实践智商，并低资本作念粗鄙的落地。

在这个过程中，除了量大除外，更多是让数据"坐标系"与"东说念主领略全国"对皆，这样材干更好的从步履到默契酿成闭环。

况且在这个过程中，许多corner case止境有价值，比如东说念主在操作时候收到骚动失败，又如何去弥补的过程，这些是买卖化的必备智商，而这些数据必须通过万古期的真实全国积贮，而非东说念主为成列。

第二，是对数据闭环链路与买卖闭环链路纠合的想考。作念自动驾驶时，数据资本止境低，因为每一台动身行驶的量产车，都在连接坐褥数据。但具身智能完全不同，它的数据无法自然取得，视频仅仅最精练的边幅，要给模子作念耐久学习教育，触觉模态、东说念主类想考链路等信息，无法单纯通过安设录像头取得。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。智驾的数据坐褥基于已有的车辆，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生涯中坐褥全维度数据的开垦。

第三，是长链路、高并发数据处理的训导。作念自动驾驶时，每天回流的数据级别接近几百 T，大领域数据和步履需要长链路的清洗经由。这给咱们的核心训导是，数据请托除了作念好硬件，更热切的是应付长链条、大领域请托的智商，这需要在最初始就对硬件、数据链条、数据加工处理方式作念完整的结构化联想。

雷峰网：简智目下团队唐突有若干东说念主？研发占比若干？

朱雁鸣：领域在140东说念主摆布，研发东说念主员占比卓越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调整？

朱雁鸣：具身智能需要专科领域东说念主才，更需要领域交融后的概括性革命，数据业务亦然如斯。是以咱们纠合各期间领域上风，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。

举例在数采开垦上，波及录像头、触觉、IMU、磁编码器等，咱们有类似CTO的脚色作念垂线预研，横向则由期间委员会构成，从坐褥加工到模态再到自动化链条，通过模子驱动拼出完整决议。熟悉行业里，一个东说念主很难全栈把总计事情计议明晰，当下的具身数据领域，更需要每个领域都有革命，完结 1+1＞2 的恶果。

雷峰网：简智目下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，不是作念具身作为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。核心职业是将蚁集到的东说念主类步履数据，通过模子加工归附成接近东说念主类合座感受的数据格式，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，以及每个作为中的力反应，这些维度不错完整描写东说念主类绝大多数步履。比如提起一杯水，包含看到水、战争水、提起时胳背感受到的力反应、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网罗，各硬件有不同的特征、频率，以及硬件自己特质导致的信息残败，如何把它们归附成并吞时期轴、并吞时空坐标系下的完整数据。单纯靠东说念主工、简略的时期对皆，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）管制这个问题：把多模态输入注入模子，像教育自动驾驶端到端模子同样，通过真值系统评测输出与真实全国的匹配度，再凭据 gap 反向优化模子智商。咱们是行业内第一家无须大模子作念具身作为模子，而是用模子管制数据问题的企业。

第二类核心东说念主才，是底层硬件智商关联的东说念主才，包括光学、镶嵌式软件、PCB 板联想，以及自研触觉决议关联的底层研发东说念主才。咱们但愿通过底层旨趣性革命，提高蚁集过程中的模态精度。表层数据和模子只可作念交叉考据、基于已蚁集信息提高精度，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革命需要作念。

雷峰网：你们稀有采工场吗？需要专东说念驾驭理吗？

朱雁鸣：咱们继承众包模式，数据来自真实家庭和真实场景，莫得用数采工场方式，这是咱们和其他企业不同样的处所，亦然咱们认为面向结尾，大领域、高效蚁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作为，机器东说念主就应该能完结

雷峰网：具身数据赛说念有细分标的，有的只卖数据，有的也卖开垦，简智属于哪种？

朱雁鸣：咱们实际上是一片别据管制决议公司，但会凭据不同场景提供不同决议。许多面向 C 端的模子公司，落地场景偏生涯化，这类数据不错公开取得，比如家庭机器东说念主需要的各样家庭场景数据，咱们不错通过众包完结，平直给这类客户提供数据决议。

另一类客户的场景是封锁、自有场景，比如工场产线、封锁实验室，这类数据无法公开取得，数据总计权实际上在场景诈欺方手里。针对这类客户，咱们会提供硬件开垦决议和最高效的土产货化部署闭环，让他们在自有场景中完成数据蚁集和坐褥。

雷峰网：有东说念主认为开垦是具身数据公司的核心壁垒，卖了开垦别东说念主就不买数据了，你们如何看？

朱雁鸣：起源，数据和开垦都很热切。开垦是基建中的最底层，它决定了数据的模态数目、底层模态质地，开垦的苟简性、资本，也决定了数据蚁集的领域化智商，但我不认为开垦即是沿途。

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精练打包，绝大多数核心职业，都发生在蚁集后的数据加工处理措施。目下绝大多数模子公司，哪怕是作念预教育，都相称追求数据质地，数据质地会从底层影响模子的恶果、精度、以及对因果关系的默契。

比如如果发生在餐馆，东说念主会谈判是不是躲避其他东说念主的挪动、绕开一些饭菜，如果唯有作为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、广阔的COT过程，材干给模子提供灵验的参考，让它更容易学习。

另一个核心原因是领域化。多半量开垦蚁集的多半量数据，如何快速、高效、低资土产货鼎新成可教育的 Token，才是核心难题，坐褥 100 台开垦和 100 万台开垦，是完全不同的难度。

雷峰网：刚刚提到家庭众包，具体是一种怎么的和洽方式？

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，把开垦给到每个家庭，用户通过 APP 了解蚁集任务，用咱们的开垦完成宽泛的家务作为即可，不需要对用户的操作作念颠倒的解说和拘谨，用户的当然操作对模子来说反而更有价值，模子需要学习千般化的东说念主类步履，材干补充场景盲点，因此步履上传后咱们通过云霄来识别、标注。

另外咱们的开垦在东说念主机工程上也有明白上风，止境轻便，使用效力和东说念主类宽泛干活的效力基本一致。用户完成操作后，通过 APP 上传蚁集的数据，咱们基于数据回收情况给用户结算，通盘经由当然且高效。

雷峰网：有莫得工业或买卖场景的众包？

朱雁鸣：有的。目下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：场景方会有诡秘顾忌吗？

朱雁鸣：这个问题咱们有完善的管制决议。起源，所稀有据的诡秘处理，都有一套圭臬化经由，包括地点、东说念主脸、对方知识产权关联的信息，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、蚁集方和洽时，都会在和洽条约和用度讲解里，明确标注两边的权益包摄，咱们取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，博亚体育中国官方网站入口自己不会波及过多个东说念主诡秘数据。

雷峰网：众包莫得圭臬化经由，数据质地会不会狼藉不皆，给后期处理带来压力？

朱雁鸣：因为咱们进展东说念主的步履其实都是"真值"，毕竟无论什么情况，东说念主都是不错克服遏止完成任务。因此要害在于真值上传后，是否有一套自动化的方式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作为作念对皆，进行密致化的标注、分类，而非判定东说念主的步履对错。还有质检措施，核心是对东说念主的操作步履作念分类，而非丢弃数据。咱们会分手高速高效完成的作为、有骚动场景下完成的作为、失败后完成纠错的作为，同期对数据作念颗粒度极细的原子化处理，以适配模子不同教育阶段的需求。

雷峰网：你们的外洋收入占比挺高的，你们在出海过程中有遇到哪些阻截？

朱雁鸣：外洋模子公司对数据的条目止境高，目下外洋模子公司在模子教育上的进展合座快于国内，他们对触觉模态、教育数据的体量领域、千般性的条目止境严格，同期条目咱们的迭代速率能匹配他们模子的进展。

雷峰网：跟着数据量增多，存储和算力会有压力吗？

朱雁鸣：笃信会有，但这件事咱们很早就有预判，因为数据飞轮的热切身分即是"数据流转效力"，对此咱们从泉源作念了三层管制决议：

第一，端侧的数据压缩与质检。咱们的每一台开垦，在蚁集端就具备数据质检智商，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，行业起源的无损压缩智商。咱们在压缩比例和对教育恶果的影响上，作念到了行业概括最优。传统压缩决议很难均衡压缩比和灵验信息厌世，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教育，教育的贪图和效力基本不受任何影响。

第三，自动化的数据处理速率。存储资本主要来自两部分，一是蚁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，只可靠加东说念主提高效力；而模子不错完结指数级的效力提高，让存储资本大多只发生在制品数据上，而非中间过程。

03

目下行业对 EGO centric 的领略，

大多还停留在浅层的第一视角图像

雷峰网：你们对不同数据路子，比如仿真、互联网视频、遥操如何看？

朱雁鸣：我个东说念主认为，不同数据路子，要纠合模子的教育阶段来看，它们有不同的职业和宗旨，但高精度、质地、完整且泛化是通用性的条目。

起源，如果想构建具备通用智商的具身基座模子，让模子学到底层的物理环境默契智商，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）视角起程的默契。第三视角的默契，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，无法掩盖这些步履的完整逻辑，也无法闭环东说念主实践这些作为的因果链。因此，对于基座模子的预教育阶段，最热切的即是多量第一视角下，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身分快速弱化。一是模子要管制的问题的复杂进度。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，核心难点不是端菜作为，而是局促过说念里躲避来宾，来宾抬胳背的倏地作念出躲避作为，这些来自真实生涯的交互场景，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。目下行业里许多具身任务都是短程的，比如叠一稔 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，这个过程中需要连接的想考和任务拆解，长程任务的逻辑，仿真也很难模拟。因此，仿真数据只在管制拿、放等基础作为问题时有价值，越到真实场景的复杂问题，价值越弱。

另外，仿真的幻觉诟谇常严重的问题。物理 AI 对幻觉的容忍度极低，这停火话模子完全不同。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；机器东说念主买卖化落地亦然同理，用户不会接受机器东说念主有概率损坏家中财物。仿真的因果自己不真实，会产生多量幻觉，让模子误以为流毒的逻辑是正确的，这亦然核心短板。

真机遥操数据在我看来更安妥用在评测和后教育过程中。模子教育的完整经由，应该是通过东说念主类数据完成预教育，再通过精选的东说念主类众人数据完成中间教育，终末基于评测结束作念强化学习和后教育。真机遥操就发生在终末这个措施，基于模子前两个阶段的学习，在每个任务中的阐扬，找到需要强化的部分，反向驱动模子优化。与其说遥操是教育数据，不如说它是用来发现模子 bug、反向优化的评测数据。

雷峰网：你们目下用最多的是EGO数据吗？

朱雁鸣：是的。Ego咱们认为是最容易scale，且适合第一性旨趣的，因为自然和东说念主的默契对皆。

雷峰网：EGO 本年才火起来，然而你们旧年 10 月就初始往这个标的作念产物了，为什么会这样早进入EGO赛说念？

朱雁鸣：一方面来自智驾训导。智驾已进入深水区，单纯增多数据量无法指数级提高贪图，诈欺和教育场景相称泛化。因此智驾的教育核心照旧变成了强化模子的默契智商，FIFA世界杯官方合作指定网站也即是想维链（COT）智商。

具身智能也同样。遥操实际上即是最基础的师法学习，行业里许多 demo，都是在疏导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方式复现操作。但模子学到的仅仅表层的轨迹，莫得着实领略作为背后的深层逻辑，比如叠一稔为什么要先拿一角，一稔一角掉了要不要捡起来。

这些深层逻辑，唯有 EGO centric 的数据能提供，非 EGO 视角的教育，笼统了对模子深层默契的监督，只可监督轨迹和图像，无法监督模子濒临问题时的管制决议，也无法取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领域用EGO Centric？

朱雁鸣：因为旧年全球都在用 VLA。VLA 的 Backbone 是谈话模子，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。目下全球发现 VLA 得志不了物理全国条目，是以初始追念到导入多量东说念主作念事的方式进行教育。

雷峰网：全球都在开发我方的EGO开垦，会不会近似造轮子？

朱雁鸣：这波及到EGO centric 的数据核心条目。目下行业对 EGO centric 的领略，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 就初始蚁集数据，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，着实的 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，不是只靠视觉反应，还有手的触觉、力反应等感知信息，这些模态信息，无法通过单一的录像开垦完成蚁集。耐久来看，具身模子一定需要领略触觉，材干和东说念主类的步履对皆，单一视觉的 EGO 数据，无法得志模子的耐久教育需求。

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，着实有价值、能被模子多半量学习的，是多模态、高精度的 human data，而非低质地的第一视角视频。低质地数据教育出来的模子，需要极高的二次调优资本，就像 OpenAI 早期用互联网语料教育，终末发现多量问题，只可雇佣多量东说念主员生成高质地的东说念主类对话数据从新教育。

雷峰网：那能不行用你们的手套，配合我我方的手机录像头蚁集数据？

朱雁鸣：普通消费级开垦无法得志 EGO 数据的蚁集需求，这里有几个底层的期间条目。

第一，视角高精度蚁集，对视线有硬性条目。目下行业里有激光雷达、红外、纯视觉三条期间路子，纯视觉是最合理的，因为它的鲁棒性最高，也具备领域化智商，激光雷达受硬件王法无法大领域铺开。而纯视觉决议，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同样转头、动掸眼球，因此蚁集开垦的视线需要远超 150 度。咱们的 EGO 蚁集开垦作念到了 270 度视线，不错完整掩盖东说念主手的总计作为范围，保证因果链的完整。

第二，精度需要多录像头差分来完结。就像东说念主的双眼判断距离更准确，多录像头的相位差，不错大幅提高定位精度。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 蚁集开垦需要定制化的多录像头决议，传统的单录像头手机，无法得志精度条目。

雷峰网：是以"原装"的开垦才是最优的管制决议？

朱雁鸣：对，因为开垦是反推数据需求来联想的，如的确的这样精练，咱们也不会干预这样多资本去作念自研。

雷峰网：头戴开垦和手部开垦的协同，会不会难度很高？

朱雁鸣：难度止境高。起源是通信与时期对皆的条目，手部开垦的图像、触觉蚁集有固定频率，头戴开垦的视频流也有单独的蚁集频率，需要把二者的时期精度对皆到 1 毫秒。如果作念不到，就会出现手照旧抓到物体，眼睛看到的照旧上一帧画面的蔓延问题，平直影响数据的灵验性。

目下咱们作念到了毫米级定位。咱们最终要产出东说念主在全都空间下的全都步履和轨迹，需要先完结头和手的高精度相对定位，再以头为核心，完结头与环境的相对定位，材干构建起手-头-环境的完整定位体系。头和手的相对定位，莫得平直的测量方式，只可通过多相机视觉完结，这对相机路数、云霄数据处聪敏商都有极高的条目。同期，在原野、大型商超级大空间场景中，东说念主在空间里的全都定位也有很高难度，需要多传感器组合决议材干保证数据精度。

雷峰网：最早你们用的是"夹爪"（UMI），目下变成了手套，夹爪和手套是进化关系照旧并行关系？

朱雁鸣：是并行关系，实际上是不同诈欺场景的适配。许多场景下，两根手指的夹爪就豪阔了，比如工业场景、基础物流场景，只需要捡箱子、翻动物品，两指就能得志需求；五指结构则是面向更智谋的操作场景。

如果从层级关系来看，五指是比两指更表层的管制决议，更具备耐久价值。如果模子基于五指数据学会了东说念主类的基础默契和智商，改日即便诈欺骨子是两指、三指结构，也不需要很高的转移资本，这即是行业常说的跨骨子转移问题。跨骨子转移的底层，是模子的默契深度，以及是否酿成了完整的因果闭环，而非依赖固定的硬件边幅。

雷峰网：那目下 UMI 夹爪在你们的产物体系里，定位是什么？

朱雁鸣：UMI 目下的定位，主要服务两类需求。一类是适配特定的诈欺场景，比如工业场景中，只需要两指就能完成操作，以致需要粗壮的两指完成重物、大零件的操作，五指反而会成为攀扯，这类场景会用 UMI 决议；第二类是适配客户的产物需求，有些客户现阶段落地的产物即是两指类骨子，反向需要两指类的数据得志教育条目，咱们也会提供对应的 UMI 决议。

另外，传统 UMI 的构型，需要东说念主操作开垦完成作为，步履不当然，蚁集效力低，还会因为操作熟练度产生脏数据。咱们目下作念了新款的 Fingers 产物，构型更接近东说念主的两根手指，相当于从五指产物中去掉三根手指，只保留要害的两根，是仿生构型，在蚁集效力、步履当然度上都有大幅提高。

雷峰网：你们的客户对高质地数据的条目有哪些？

朱雁鸣：条目唐突有四点。

一是极高的千般性条目，这少许可能反学问，即便客户只聚焦一个诈欺场景，在模子教育阶段，也需要千般的步履、空间领略智商，来提高模子的鲁棒性和泛化智商。

二是完整的模态，模子教育实际上是监督学习的过程，监督的要害，即是模态与结束的对皆是否完整，因此总计和作为结束关联的模态，都必须完整掩盖，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，是模子教育恶果的基础保险。

四是完整的想维链，这少许目下行业还莫得粗鄙接头，但它是机器东说念主完结长程任务的要害数据条目。比如拖地这个长程任务，拖过的处所不需要再拖、什么进度需要清洗拖布，都莫得固定的圭臬，东说念主类实践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，是让模子领略作为背后逻辑的核心。如果只看 100 个东说念主拖地的作为，每个东说念主的步履是发散的，模子无法领略背后的逻辑，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领域化数采，

就像汽车厂商不会我方建电板厂

雷峰网：旧年许多公司喊出"百万小时数据"宗旨，你以为完结起来难不难？

朱雁鸣：止境难，因为对咱们来说，这百万背后，不是单纯的堆量，而是高质地的数据蚁集。起源从东说念主力角度来看，一个东说念主一天灵验产出数据的时期唐突唯有 5-6 小时，受膂力等身分王法，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，也需要连接运营 3 个月以上，材干完结这个宗旨，而这仅仅东说念主力层面的难度。

更要害的是，这背后需要配套海量的蚁集开垦、极强的模子自动化处聪敏商、畅达的数据链路。通盘经由就像漏斗，任何一个措施出问题，都会产生层层折损，最终能鼎新的灵验数据比例会大幅裁减。

从咱们的角度来看，要完结这个宗旨，有三个核心门槛：第一，是否有能得志高质地数据条目的开垦；第二，开垦能否完结众包领域化落地；第三，是否具备大领域数据的自动化链路处聪敏商。本年咱们有信心产出卓越500万以上的高质地数据，这亦然咱们体系化智商缔造后的快速增长智商。

目下咱们有信心、也照旧和其中大部分企业竖立耐久和洽。喊标语没有益旨，要害要看是否着实落地了关联的开垦、团队和体系化智商。

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？你们改日会不会切入模子赛说念？

朱雁鸣：咱们对模子长期保持敬畏。一个行业的发展分为三个阶段：学术阶段，核心是细则完结耐久宗旨的期间范式；产业阶段，范式明确后，用工程化的方式加快落地；买卖阶段，面向请托、资本、买卖化贪图优化。

从目下来看，具身智能行业，连学术阶段的问题都莫得被完整管制，目下行业里的产物，很难在某一个专职事情上作念到和东说念主同样的水平。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，我止境认同 Generalist，他们是一家止境纯正的公司。他们一直宝石用 scaling law 的方式，提高具身智能的阐扬，这是他们的底层驱动。

回到 GEN1 的阐扬，我认为有三个核心亮点。第一，完结了并吞模子的多任求实践智商。目下行业里许多公司的模子，实际上是狭义的独有模子，比如专门作念叠一稔的模子，换个任务阐扬就会很差，但 G1 在多任务场景下的阐扬，照旧得到了考据。

第二，模子从千般数据中，着实学到了东说念主类的纠错智商。从他们发布的视频能看到，模子第一次实践任务失败后，能快速凭据流毒完成校正；濒临刻意的骚动，也能实时给出管制决议，这少许止境可贵。

第三，照旧初始探索长程任务的完结。他们照旧在尝试 3-5 分钟完成一个完整的复杂任务，而非并吞个作为近似十几次，这是行业里止境少有的探索，也贴合具身智能的真实落地需求。

雷峰网： Generalist 教育用的数据，主要亦然 EGO 数据吗？

朱雁鸣：他们目下主要照旧用 UMI 夹爪，但也照旧在探索ego标的，因为umi存在我方的上限，尤其是挪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各别？

朱雁鸣：起源是理念上的各别。Generalist 与其说像一家公司，不如说更像一家科研机构，团队唯有二十几个东说念主，莫得买卖化宗旨，融资也不以买卖化作念核心诉求，止境纯正，专注于通过底层革命迭代期间自己。而国内大多数作念具身的公司，都职守着融资和买卖化的压力，很难作念到这种纯正。

其次是勇气，现阶段东说念主类数据作念基座模子、大领域预教育是需要干预绝酌定资源，况且存在巨大不细则性的事情。Generalist 的底层革命，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，这个过程止境漫长，需要滥用多量的算力和数据，后期的滥用只会更大。

雷峰网：改日国内数据赛说念的方式会是怎么的？

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豪阔大，莫得任何一家公司能完全吃下。第二，数据面向买卖化落地时，会有多量垂类需求，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议，能完满适配总计场景，一定会有企业在细分垂类里作念得更适配。

因此，最终会酿成的方式是：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，是一个多元的市集情景。在通用场景下，行业会逐渐趋同，会出现决议、价钱都有明白上风的头部供应商。

雷峰网：整机厂商改日一定要买第三方数据吗？这种数据依赖是连接性的吗？

朱雁鸣：实际上这是产业链单干的问题，不存在某个期间壁垒让别东说念主完全作念不了，但跟着行业熟悉，产业链单干会越来越明确，各方的规模也会越来越剖析。

第一，数据全链条的复杂度，远超谈话模子和自动驾驶期间。它需要单独的开垦研发、单独的链路搭建、单独的模子和运营智商选藏，况且数据的价值是耐久的。机器东说念主教育新模子，最值钱的不是它照旧会的操作数据，而是它不会的、犯错的场景数据，这需要连接的、大领域的数据蚁集和处聪敏商。

第二，全链条的体系化智商，会酿生效力和资本的壁垒。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产物；耐久来看，即是资本的竞争，体系越熟悉、效力越高，领域化后的资本上风就越明白。

我频繁用一个类比，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，但目下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、效力上都比我方作念更高，从零到一自建反而失之东隅。

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，自动化智商。核心是数据公司能不行构建我方的飞轮：跟着请托的数据越多，自动化智商越强，数据请托的效力越高、质地越好。这是具身期间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，硬件模态研发智商。目下大多数数采公司，都莫得专注作念硬件的底层研发，要么用开源决议，要么用消费级产物强迫，这种强迫出来的决议，产出的数据看似可用，但 3-5 个月后就会被证伪，无法撑持模子的耐久教育。硬件模态的研发，还要兼顾低资本，唯有细则了可领域化、低资本的模态决议，材干谈第三个核心竞争力。

第三，着实的领域化智商。自动化水平高、模态全、资本低，材干完结最佳的领域化。领域化的核心，是构建敏捷的数据链条，完结资本的非线性增长。如果 10 万条数据的资本，只比 1 万条翻了一倍，而非 10 倍，材干不休提高业务的天花板，这才是可连接的买卖模式。