「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，试图用海量数据造就机器东说念主叠一稔、冲咖啡。但一个狼狈的现实是：咱们似乎从未着实造就机器东说念主"看懂"这个寰宇。

绝大多数机器东说念主仍在师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。这种融会缺失，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目性的真实生存。

而阻遏具身智能着实进入生存的瓶颈，是数据。莫得填塞好用的数据，机器东说念主就无法学习和锻练，从而无法明白真实的寰宇。

于是，在行业集体堕入"作念模子"的广泛叙事时，简智机器东说念主选拔去啃一根更小众、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，特等是从东说念主类第一视角启航、包含念念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，单纯靠师法学习在物理AI里跑欠亨。如果给机器东说念主喂的是阻滞因果链的"扮演数据"，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随机打扰，就会俄顷崩溃。

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、顺利、到全身的高精度数据赢得产物，深入家庭和商超作念众包，去捕捉东说念主类不经意的力响应、多模态感知，致使并反向分析出其步履背后的念念维链。

在具身智能的底层逻辑里，数据不仅是燃料，更是构建融会的"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"？异日具身智能的核心壁垒，究竟在算法如故在于那套关乎东说念主类步履的"阐明书"？

谜底，远比咱们想象的更硬核。

01

每一条时间门道，都有一个"CTO"

雷峰网：先简约智的创立开动吧，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笼统的眷注。智驾自身亦然一种具身智能，但更广义的具身智能不错作念东说念主类能作念的统统事情，是对坐褥力的底层变革。是以咱们在具身赛说念中深入研究的时候，相比想去创造一些各别化的价值，这亦然咱们选拔细分办法时候的一条准则。

咱们在2025年7月成当场，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，特等是无本色或其他范式下的数据。

那时行业还莫得大范围珍视 UMI 或 EGO 宗旨，更多在通过灵通限度快速出demo，或是用 VLA 的方式锻练模子。但咱们信托，scale up和数据驱动是智能通往终端的裂缝旅途。而对于物理AI他所需要的数据也与之前不同，文本的寰宇是结构化的，但咱们的生存场景无时无刻都在变化，詈骂结构化的寰宇，在此之上具身需要的是逐渐替代东说念主的智力。咱们需要的是从 Human Data（东说念主类步履数据）脱手，构建一套从行径到念念考再到响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：主若是融会层面的上风。泛 AI 领域里，着实已矣落地的物理 AI 产物便是自动驾驶，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，且在时间上已矣了端到端、数据飞轮架构落地，这让咱们对数据的 infra 有了真切融会。

第一，模子算法迭代所需的数据，一定是随同迭代的东说念主类真实数据。今天具身领域，最需要被阻止的办法是的预锻练，让模子具备通识、泛化且跨本色的长任求实践智力，并低本钱作念庸俗的落地。

在这个过程中，除了量大以外，更多是让数据"坐标系"与"东说念主明白寰宇"对都，这样才能更好的从步履到融会变成闭环。

况兼在这个过程中，许多corner case终点有价值，比如东说念主在操作时候收到打扰失败，又怎么去弥补的过程，这些是生意化的必备智力，而这些数据必须通过永劫分的真实寰宇蓄积，而非东说念主为罗列。

第二，是对数据闭环链路与生意闭环链路集结的念念考。作念自动驾驶时，数据本钱终点低，因为每一台览程行驶的量产车，都在持续坐褥数据。但具身智能完全不同，它的数据无法自然赢得，视频仅仅最精真金不怕火的式样，要给模子作念历久学习锻练，触觉模态、东说念主类念念考链路等信息，无法单纯通过装置录像头赢得。这给了咱们底层念念考：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存中坐褥全维度数据的开发。

第三，是长链路、高并发数据处理的教悔。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。这给咱们的核心教悔是，数据录用除了作念好硬件，更迫切的是应酬长链条、大范围录用的智力，这需要在最开动就对硬件、数据链条、数据加工处理方式作念完整的结构化瞎想。

雷峰网：简智当今团队大致有若干东说念主？研发占比若干？

朱雁鸣：范围在140东说念主傍边，研发东说念主员占比跳跃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疗养？

朱雁鸣：具身智能需要专科领域东说念主才，更需纪律域交融后的概括性编削，数据业务亦然如斯。是以咱们集结各时间领域上风，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。

举例在数采开发上，触及录像头、触觉、IMU、磁编码器等，咱们有雷同CTO的脚色作念垂线预研，横向则由时间委员会构成，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。熟谙行业里，一个东说念主很难全栈把统统事情筹办明晰，当下的具身数据领域，更需要每个领域都有编削，已矣 1+1＞2 的后果。

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办法的东说念主才，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。核心折务是将采集到的东说念主类步履数据，通过模子加工收复成接近东说念主类合座感受的数据神色，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、全身要津灵通、手上的触觉，以及每个看成中的力响应，这些维度不错完整描述东说念主类绝大多数步履。比如提起一杯水，包含看到水、搏斗水、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蚁集，各硬件有不同的特征、频率，以及硬件自身特点导致的信息颓残，如何把它们收复成团结时分轴、团结时空坐标系下的完整数据。单纯靠东说念主工、简略的时分对都，都会影响数据质料和精度。

因此咱们尝试用数据基础大模子（data foundation model）束缚这个问题：把多模态输入注入模子，像锻练自动驾驶端到端模子通常，通过真值系统评测输出与真实寰宇的匹配度，再证据 gap 反向优化模子智力。咱们是行业内第一家毋庸大模子作念具身看成模子，而是用模子束缚数据问题的企业。

第二类核心东说念主才，是底层硬件智力干系的东说念主才，包括光学、镶嵌式软件、PCB 板瞎想，以及自研触觉决议干系的底层研发东说念主才。咱们但愿通过底层旨趣性编削，种植采集过程中的模态精度。表层数据和模子只可作念交叉考据、基于已采集信息种植精度，而数据的底层对错，需要硬件质料来保证，这其中有许多围绕东说念主类感受的底层旨趣编削需要作念。

雷峰网：你们稀有采工场吗？需要专东说念附近理吗？

朱雁鸣：咱们罗致众包模式，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通常的所在，亦然咱们认为面向终端，大范围、高效采集真实数据的最终旅途。

02

东说念主的步履便是真值，

东说念主能作念出来的看成，机器东说念主就应该能已矣

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

朱雁鸣：咱们践诺上是一门户据束缚决议公司，但会证据不同场景提供不同决议。许多面向 C 端的模子公司，落地场景偏生存化，这类数据不错公开赢得，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矣，顺利给这类客户提供数据决议。

另一类客户的场景是顽固、自有场景，比如工场产线、顽固实验室，这类数据无法公开赢得，数据统统权践诺上在场景哄骗方手里。针对这类客户，咱们会提供硬件开发决议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采集和坐褥。

雷峰网：有东说念主认为开发是具身数据公司的核心壁垒，卖了开发别东说念主就不买数据了，你们怎么看？

朱雁鸣：开头，数据和开发都很迫切。开发是基建中的最底层，它决定了数据的模态数目、底层模态质料，开发的肤浅性、本钱，也决定了数据采集的范围化智力，但我不认为开发便是一起。

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精真金不怕火打包，绝大多数核心折务，都发生在采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，都相配追求数据质料，数据质料会从底层影响模子的后果、精度、以及对因果关系的融会。

比如如果发生在餐馆，东说念主会探讨是不是闪避其他东说念主的出动、绕开一些饭菜，如果唯一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、茂盛的COT过程，才能给模子提供灵验的参考，让它更容易学习。

另一个核心原因是范围化。大都量开发采集的大都量数据，如何快速、高效、低本钱地转换成可锻练的 Token，才是核心难题，坐褥 100 台开发和 100 万台开发，是完全不同的难度。

雷峰网：刚刚提到家庭众包，具体是一种怎么的合营方式？

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，把开发给到每个家庭，用户通过 APP 了解采集任务，用咱们的开发完成平日的家务看成即可，不需要对用户的操作作念额外的阐明和拘谨，用户的当然操作对模子来说反而更有价值，模子需要学习万般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表来识别、标注。

另外咱们的开发在东说念主机工程上也有彰着上风，终点节略，使用服从和东说念主类平日干活的服从基本一致。用户完成操作后，通过 APP 上传采集的数据，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：有莫得工业或生意场景的众包？

朱雁鸣：有的。刻下50%是家庭，30%是商超和工场，10%是物流，剩下的10%是医疗、实验室等漫衍场景。

雷峰网：场景方会有隐自费神吗？

朱雁鸣：这个问题咱们有完善的束缚决议。开头，所稀有据的隐秘处理，都有一套圭臬化经由，包括地点、东说念主脸、对方知识产权干系的信息，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、采集方合营时，都会在合营合同和用度阐明里，明确标注两边的权柄包摄，咱们赢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，自身不会触及过多个东说念主隐秘数据。

雷峰网：众包莫得圭臬化经由，数据质料会不会错杂不都，给后期处理带来压力？

朱雁鸣：因为咱们珍视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贫窭完成任务。因此裂缝在于真值上传后，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看成作念对都，进行紧密化的标注、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。咱们会永别高速高效完成的看成、有打扰场景下完成的看成、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：你们的外洋收入占比挺高的，你们在出海过程中有遇到哪些阻遏？

朱雁鸣：外洋模子公司对数据的条款终点高，刻下外洋模子公司在模子锻练上的进展合座快于国内，他们对触觉模态、锻练数据的体量范围、万般性的条款终点严格，同期条款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：信托会有，但这件事咱们很早就有预判，因为数据飞轮的迫切要素便是"数据流转服从"，对此咱们从源泉作念了三层束缚决议：

第一，端侧的数据压缩与质检。咱们的每一台开发，在采集端就具备数据质检智力，能证据东说念主的步履、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，行业最初的无损压缩智力。咱们在压缩比例和对锻练后果的影响上，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蚀本，咱们不错把原生数据压缩到蓝本的 2%，且压缩后的数据解包用于模子锻练，锻练的盘算和服从基本不受任何影响。

第三，自动化的数据处理速率。存储本钱主要来自两部分，一是采集后的原生数据恭候加工的暂存本钱，二是加工后的制品数据存储本钱。最容易被忽略的，是原生数据恭候加工的列队存储本钱，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，只可靠加东说念主种植服从；而模子不错已矣指数级的服从种植，让存储本钱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 的明白，

大多还停留在浅层的第一视角图像

雷峰网：你们对不同数据门道，比如仿真、互联网视频、遥操怎么看？

朱雁鸣：我个东说念主认为，不同数据门道，要集结模子的锻练阶段来看，它们有不同的服务和办法，但高精度、质料、完整且泛化是通用性的条款。

开头，如果想构建具备通用智力的具身基座模子，让模子学到底层的物理环境融会智力，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）视角启航的融会。第三视角的融会，无法变成步履因果的闭环。

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，无法隐蔽这些步履的完整逻辑，也无法闭环东说念主实践这些看成的因果链。因此，对于基座模子的预锻练阶段，最迫切的便是多量第一视角下，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要素快速弱化。一是模子要束缚的问题的复杂进度。合成数据最难的不是物理特点的仿真，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，而是窄小过说念里闪避宾客，宾客抬胳背的俄顷作念出闪避看成，这些来自真实生存的交互场景，完全无法通过仿真模拟。跟着问题交互复杂度的飞腾，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，这个过程中需要持续的念念考和任务拆解，长程任务的逻辑，仿真也很难模拟。因此，仿真数据只在束缚拿、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，仿真的幻觉詈骂常严重的问题。物理 AI 对幻觉的容忍度极低，这和说话模子完全不同。就像自动驾驶对幻觉零容忍，一朝出问题便是东说念主命关天；机器东说念主生意化落地亦然同理，用户不会采用机器东说念主有概率损坏家中财物。仿真的因果自身不真实，会产生多量幻觉，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妥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大众数据完成中间锻练，临了基于评测散伙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融会对都。

雷峰网：EGO 本年才火起来，然而你们昨年 10 月就开动往这个办法作念产物了，为什么会这样早进入EGO赛说念？

朱雁鸣：一方面来自智驾教悔。智驾已进入深水区，单纯增多数据量无法指数级种植盘算，哄骗和锻练场景相配泛化。因此智驾的锻练核心还是变成了强化模子的融会智力，2026世界杯(中国)也便是念念维链（COT）智力。

具身智能也通常。遥操践诺上便是最基础的师法学习，行业里许多 demo，都是在沟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方式复现操作。但模子学到的仅仅表层的轨迹，莫得着实明白看成背后的深层逻辑，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，唯一 EGO centric 的数据能提供，非 EGO 视角的锻练，短少了对模子深层融会的监督，只可监督轨迹和图像，无法监督模子濒临问题时的束缚决议，也无法赢得东说念主类步履背后的念念考逻辑。

雷峰网：为什么行业之前莫得大范围用EGO Centric？

朱雁鸣：因为昨年环球都在用 VLA。VLA 的 Backbone 是说话模子，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。当今环球发现 VLA 得志不了物理寰宇条款，是以开动追溯到导入多量东说念主作念事的方式进行锻练。

雷峰网：环球都在开发我方的EGO开发，会不会重迭造轮子？

朱雁鸣：这触及到EGO centric 的数据核心条款。当今行业对 EGO centric 的明白，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 就开动采集数据，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发完成采集。历久来看，具身模子一定需纪律略触觉，才能和东说念主类的步履对都，单一视觉的 EGO 数据，无法得志模子的历久锻练需求。

第二，多模态数据对证料和精度有极高的条款。数据精度越高，AI 产生幻觉的概率就越低。因此，EGO 数据对要津精度、感知精度有自然的高条款，着实有价值、能被模子大都量学习的，是多模态、高精度的 human data，而非低质料的第一视角视频。低质料数据锻练出来的模子，需要极高的二次调优本钱，就像 OpenAI 早期用互联网语料锻练，临了发现多量问题，只可雇佣多量东说念主员生成高质料的东说念主类对话数据再行锻练。

雷峰网：那能不成用你们的手套，配合我我方的手机录像头采集数据？

朱雁鸣：普通消费级开发无法得志 EGO 数据的采集需求，这里有几个底层的时间条款。

第一，视角高精度采集，对视线有硬性条款。刻下行业里有激光雷达、红外、纯视觉三条时间门道，纯视觉是最合理的，因为它的鲁棒性最高，也具备范围化智力，激光雷达受硬件为止无法大范围铺开。而纯视觉决议，对录像头的数目和视线有明确条款。

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通常转头、动弹眼球，因此采集开发的视线需要远超 150 度。咱们的 EGO 采集开发作念到了 270 度视线，不错完整隐蔽东说念主手的统统看成范围，保证因果链的完整。

第二，精度需要多录像头差分来已矣。就像东说念主的双眼判断距离更准确，多录像头的相位差，不错大幅种植定位精度。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 采集开发需要定制化的多录像头决议，传统的单录像头手机，无法得志精度条款。

雷峰网：是以"原装"的开发才是最优的束缚决议？

朱雁鸣：对，因为开发是反推数据需求来瞎想的，如确切的这样精真金不怕火，咱们也不会插足这样多本钱去作念自研。

雷峰网：头戴开发和手部开发的协同，会不会难度很高？

朱雁鸣：难度终点高。开头是通信与时分对都的条款，手部开发的图像、触觉采集有固定频率，头戴开发的视频流也有单独的采集频率，需要把二者的时分精度对都到 1 毫秒。如果作念不到，就会出现手还是抓到物体，眼睛看到的如故上一帧画面的蔓延问题，顺利影响数据的灵验性。

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完满空间下的完满步履和轨迹，需要先已矣头和手的高精度相对定位，再以头为核心，已矣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，莫得顺利的测量方式，只可通过多相机视觉已矣，这对相机路数、云表数据处聪敏力都有极高的条款。同期，在旷野、大型商超级大空间场景中，东说念主在空间里的完满定位也有很高难度，需要多传感器组合决议才能保证数据精度。

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如故并行关系？

朱雁鸣：是并行关系，践诺上是不同哄骗场景的适配。许多场景下，两根手指的夹爪就填塞了，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灵敏的操作场景。

如果从层级关系来看，五指是比两指更表层的束缚决议，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融会和智力，异日即便哄骗本色是两指、三指结构，也不需要很高的迁徙本钱，这便是行业常说的跨本色迁徙问题。跨本色迁徙的底层，是模子的融会深度，以及是否变成了完整的因果闭环，而非依赖固定的硬件式样。

雷峰网：那当今 UMI 夹爪在你们的产物体系里，定位是什么？

朱雁鸣：UMI 当今的定位，主要服务两类需求。一类是适配特定的哄骗场景，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，五指反而会成为遭殃，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便是两指类本色，反向需要两指类的数据得志锻练条款，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发完成看成，步履不当然，采集服从低，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 产物，构型更接近东说念主的两根手指，相配于从五指产物中去掉三根手指，只保留裂缝的两根，是仿生构型，在采集服从、步履当然度上都有大幅种植。

雷峰网：你们的客户对高质料数据的条款有哪些？

朱雁鸣：条款大致有四点。

一是极高的万般性条款，这少许可能反知识，即便客户只聚焦一个哄骗场景，在模子锻练阶段，也需要万般的步履、空间明白智力，来种植模子的鲁棒性和泛化智力。

二是完整的模态，模子锻练践诺上是监督学习的过程，监督的裂缝，便是模态与散伙的对都是否完整，因此统统和看成散伙干系的模态，都必须完整隐蔽，这是核心条款。

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，是模子锻练后果的基础保险。

四是完整的念念维链，这少许刻下行业还莫得庸俗商讨，但它是机器东说念主已矣长程任务的裂缝数据条款。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，都莫得固定的圭臬，东说念主类实践时的念念考和推理过程，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，是让模子明白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，模子无法明白背后的逻辑，只可给出平均值，无法适配真实场景。因此，包含完整念念维链的数据，是高质料数据的核心特征。

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"办法，你以为已矣起来难不难？

朱雁鸣：终点难，因为对咱们来说，这百万背后，不是单纯的堆量，而是高质料的数据鸠合。开头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分大致唯一 5-6 小时，受膂力等要素为止，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，才能已矣这个办法，而这仅仅东说念主力层面的难度。

更裂缝的是，这背后需要配套海量的采集开发、极强的模子自动化处聪敏力、畅达的数据链路。通盘经由就像漏斗，任何一个法子出问题，都会产生层层折损，最终能转换的灵验数据比例会大幅裁减。

从咱们的角度来看，要已矣这个办法，有三个核心门槛：第一，是否有能得志高质料数据条款的开发；第二，开发能否已矣众包范围化落地；第三，是否具备大范围数据的自动化链路处聪敏力。本年咱们有信心产出跳跃500万以上的高质料数据，这亦然咱们体系化智力开发后的快速增长智力。

当今咱们有信心、也还是和其中大部分企业成立历久合营。喊标语没荒谬念念，裂缝要看是否着实落地了干系的开发、团队和体系化智力。

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？你们异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，核心是细目已矣历久办法的时间范式；产业阶段，范式明确后，用工程化的方式加快落地；生意阶段，面向录用、本钱、生意化盘算优化。

从刻下来看，具身智能行业，连学术阶段的问题都莫得被完整束缚，当今行业里的产物，很难在某一个专职事情上作念到和东说念主通常的水平。因此，咱们现阶段的核心，如故服务好模子公司，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，我终点认同 Generalist，他们是一家终点朴直的公司。他们一直对持用 scaling law 的方式，种植具身智能的阐扬，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，已矣了团结模子的多任求实践智力。当今行业里许多公司的模子，践诺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，还是得到了考据。

第二，模子从万般数据中，着实学到了东说念主类的纠错智力。从他们发布的视频能看到，模子第一次实践任务失败后，能快速证据失实完成改良；濒临刻意的打扰，也能实时给出束缚决议，这少许终点贵重。

第三，还是开动探索长程任务的已矣。他们还是在尝试 3-5 分钟完成一个完整的复杂任务，而非团结个看成重迭十几次，这是行业里终点少有的探索，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：他们当今主要如故用 UMI 夹爪，但也还是在探索ego办法，因为umi存在我方的上限，尤其是出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：开头是理念上的各别。Generalist 与其说像一家公司，不如说更像一家科研机构，团队唯一二十几个东说念主，莫得生意化办法，融资也不以生意化作念核心诉求，终点朴直，专注于通过底层编削迭代时间自身。而国内大多数作念具身的公司，都职守着融资和生意化的压力，很难作念到这种朴直。

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插足终点多资源，况兼存在巨大不细目性的事情。Generalist 的底层编削，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，这个过程终点漫长，需要破费多量的算力和数据，后期的破费只会更大。

雷峰网：异日国内数据赛说念的面容会是怎么的？

朱雁鸣：会是有头部也有漫衍的生态。因为第一这个阛阓的盘子填塞大，莫得任何一家公司能完全吃下。第二，数据面向生意化落地时，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，能无缺适配统统场景，一定会有企业在细分垂类里作念得更适配。

因此，最终会变成的面容是：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，是一个多元的阛阓气象。在通用场景下，行业会平缓趋同，会出现决议、价钱都有彰着上风的头部供应商。

雷峰网：整机厂商异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：践诺上这是产业链单干的问题，不存在某个时间壁垒让别东说念主完全作念不了，但跟着行业熟谙，产业链单干会越来越明确，各方的鸿沟也会越来越闪现。

第一，数据全链条的复杂度，远超说话模子和自动驾驶期间。它需要单独的开发研发、单独的链路搭建、单独的模子和运营智力调遣，况兼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、大范围的数据采集和处聪敏力。

第二，全链条的体系化智力，会变凯旋率和本钱的壁垒。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；历久来看，便是本钱的竞争，体系越熟谙、服从越高，范围化后的本钱上风就越彰着。

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，本钱也不低，但当今莫得一家汽车厂会我方建轮胎厂，核心原因便是专科的厂商，在本钱、服从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，自动化智力。核心是数据公司能不成构建我方的飞轮：跟着录用的数据越多，自动化智力越强，数据录用的服从越高、质料越好。这是具身期间对数据公司的核心条款，谁能先构建出以数据链路、模子驱动的自动化数据产线，谁就掌执了核心竞争力。

第二，硬件模态研发智力。当今大多数数采公司，都莫得专注作念硬件的底层研发，要么用开源决议，要么用消费级产物拼集，这种拼集出来的决议，产出的数据看似可用，但 3-5 个月后就会被证伪，无法撑持模子的历久锻练。硬件模态的研发，还要兼顾低本钱，唯一细目了可范围化、低本钱的模态决议，才能谈第三个核心竞争力。

第三，着实的范围化智力。自动化水平高、模态全、本钱低，才能已矣最佳的范围化。范围化的核心，是构建敏捷的数据链条，已矣本钱的非线性增长。如果 10 万条数据的本钱，只比 1 万条翻了一倍，而非 10 倍，才能不时种植业务的天花板，这才是可持续的生意模式。