「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，试图用海量数据辅导机器东说念主叠穿戴、冲咖啡。但一个莫名的现实是：咱们似乎从未确切辅导机器东说念主"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。这种确认缺失，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，却处理不了充满不笃定性的真实生计。

而辞谢具身智能确切进入生计的瓶颈，是数据。莫得实足好用的数据，机器东说念主就无法学习和教师，从而无法认识真实的寰宇。

于是，在行业集体堕入"作念模子"的宽绰叙事时，简智机器东说念主采纳去啃一根更小众、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，非常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，单纯靠师法学习在物理AI里跑欠亨。如果给机器东说念主喂的是忙绿因果链的"饰演数据"，教师出的模子往往仅仅机械的复读机，一朝遭受长程任务或无意干涉，就会短暂崩溃。

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、得手、到全身的高精度数据得回产物，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举止背后的想维链。

在具身智能的底层逻辑里，数据不仅是燃料，更是构建确认的"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"？曩昔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举止的"讲解书"？

谜底，远比咱们假想的更硬核。

01

每一条时期道路，都有一个"CTO"

雷峰网：先简约智的创立启动吧，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空匮的矜恤。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扫数事情，是对分娩力的底层变革。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异化的价值，这亦然咱们采纳细分宗旨时候的一条准则。

咱们在2025年7月成就怕，更多在复盘扫数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，非常是无本色或其他范式下的数据。

其时行业还莫得大鸿沟选藏 UMI 或 EGO 观念，更多在通过畅通规定快速出demo，或是用 VLA 的方式教师模子。但咱们信托，scale up和数据驱动是智能通往结尾的过失旅途。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，但咱们的生计场景三年五载都在变化，詈骂结构化的寰宇，在此之上具身需要的是缓缓替代东说念主的材干。咱们需要的是从 Human Data（东说念主类举止数据）出手，构建一套从行动到想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，这一配景带来了什么上风？

朱雁鸣：主若是确认层面的上风。泛 AI 领域里，确切已毕落地的物理 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，且在时期上已毕了端到端、数据飞轮架构落地，这让咱们对数据的 infra 有了长远确认。

第一，模子算法迭代所需的数据，一定是陪同迭代的东说念主类真实数据。今天具身领域，最需要被冲破的宗旨是的预教师，让模子具备通识、泛化且跨本色的长任务蔓延材干，并低本钱作念泛泛的落地。

在这个过程中，除了量大除外，更多是让数据"坐标系"与"东说念主认识寰宇"对皆，这样材干更好的从举止到确认酿成闭环。

而况在这个过程中，许多corner case至极有价值，比如东说念主在操作时候收到干涉失败，又如何去弥补的过程，这些是买卖化的必备材干，而这些数据必须通过永劫期的真实寰宇集合，而非东说念主为排列。

第二，是对数据闭环链路与买卖闭环链路集结的想考。作念自动驾驶时，数据本钱至极低，因为每一台动身行驶的量产车，都在络续分娩数据。但具身智能完全不同，它的数据无法自然得回，视频仅仅最自便的状貌，要给模子作念耐久学习教师，触觉模态、东说念主类想考链路等信息，无法单纯通过装配录像头得回。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。智驾的数据分娩基于已有的车辆，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计中分娩全维度数据的开荒。

第三，是长链路、高并发数据处理的训戒。作念自动驾驶时，每天回流的数据级别接近几百 T，大鸿沟数据和举止需要长链路的清洗历程。这给咱们的核心训戒是，数据拜托除了作念好硬件，更伏击的是草率长链条、大鸿沟拜托的材干，这需要在最启动就对硬件、数据链条、数据加工处理方式作念完整的结构化策画。

雷峰网：简智当今团队随意有若干东说念主？研发占比若干？

朱雁鸣：鸿沟在140东说念主傍边，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移动？

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空洞性革命，数据业务亦然如斯。是以咱们集结各时期领域上风，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，波及录像头、触觉、IMU、磁编码器等，咱们有访佛CTO的扮装作念垂线预研，横向则由时期委员会构成，从分娩加工到模态再到自动化链条，通过模子驱动拼出完整决策。锻练行业里，一个东说念主很难全栈把扫数事情筹商了了，当下的具身数据领域，更需要每个领域都有革命，已毕 1+1＞2 的松手。

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宗旨的东说念主才，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。核心干事是将蚁集到的东说念主类举止数据，通过模子加工回话成接近东说念主类举座感受的数据格式，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、全身要津畅通、手上的触觉，以及每个作为中的力响应，这些维度不错完整描写东说念主类绝大多数举止。比如提起一杯水，包含看到水、战斗水、提起时胳背感受到的力响应、拧开瓶盖的全历程。

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，以及硬件自身特点导致的信息残毁，如何把它们回话成兼并时期轴、兼并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，像教师自动驾驶端到端模子相似，通过真值系统评测输出与真实寰宇的匹配度，再证据 gap 反向优化模子材干。咱们是行业内第一家无谓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，是底层硬件材干推测的东说念主才，包括光学、镶嵌式软件、PCB 板策画，以及自研触觉决策推测的底层研发东说念主才。咱们但愿通过底层旨趣性革命，进步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、基于已蚁集信息进步精度，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：你们非凡采工场吗？需要专东说念垄断理吗？

朱雁鸣：咱们接纳众包模式，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相似的场所，亦然咱们认为面向结尾，大鸿沟、高效蚁集真实数据的最终旅途。

02

东说念主的举止便是真值，

东说念主能作念出来的作为，机器东说念主就应该能已毕

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

朱雁鸣：咱们试验上是一门户据管制决策公司，但会证据不同场景提供不同决策。许多面向 C 端的模子公司，落地场景偏生计化，这类数据不错公开得回，比如家庭机器东说念主需要的各样家庭场景数据，咱们不错通过众包已毕，径直给这类客户提供数据决策。

另一类客户的场景是禁闭、自有场景，比如工场产线、禁闭实验室，这类数据无法公开得回，数据扫数权试验上在场景垄断方手里。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蚁集和分娩。

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，你们如何看？

朱雁鸣：起原，数据和开荒都很伏击。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，开荒的浅薄性、本钱，也决定了数据蚁集的鸿沟化材干，但我不认为开荒便是沿途。

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自便打包，绝大多数核心干事，都发生在蚁集后的数据加工处理次第。当今绝大多数模子公司，哪怕是作念预教师，都绝顶追求数据质地，数据质地会从底层影响模子的松手、精度、以及对因果关联的确认。

比如如果发生在餐馆，东说念主会斟酌是不是逃匿其他东说念主的移动、绕开一些饭菜，如果惟一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、粘稠的COT过程，材干给模子提供有用的参考，让它更容易学习。

另一个核心原因是鸿沟化。无数目开荒蚁集的无数目数据，如何快速、高效、低本钱地滚动成可教师的 Token，才是核心难题，分娩 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，具体是一种若何的相助方式？

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，把开荒给到每个家庭，用户通过 APP 了解蚁集任务，用咱们的开荒完成平淡的家务作为即可，不需要对用户的操作作念额外的解说和抑止，用户的当然操作对模子来说反而更有价值，模子需要学习各样化的东说念主类举止，材干补充场景盲点，因此举止上传后咱们通过云表来识别、标注。

另外咱们的开荒在东说念主机工程上也有较着上风，至极节略，使用遵循和东说念主类平淡干活的遵循基本一致。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，扫数这个词历程当然且高效。

雷峰网：有莫得工业或买卖场景的众包？

朱雁鸣：有的。咫尺50%是家庭，30%是商超和工场，10%是物流，剩下的10%是医疗、实验室等散布场景。

雷峰网：场景方会有秘籍悲伤吗？

朱雁鸣：这个问题咱们有完善的管制决策。起原，所非凡据的秘籍处理，都有一套法度化历程，包括地点、东说念主脸、对方知识产权推测的信息，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、蚁集方相助时，都会在相助公约和用度讲解里，明确标注两边的权益包摄，咱们得回的不是用户的个东说念主信息，而是其在场景下的举止和操作数据，自身不会波及过多个东说念主秘籍数据。

雷峰网：众包莫得法度化历程，数据质地会不会杂沓不皆，给后期处理带来压力？

朱雁鸣：因为咱们选藏东说念主的举止其实都是"真值"，毕竟无论什么情况，东说念主都是不错克服繁难完成任务。因此过失在于真值上传后，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举止和作为作念对皆，进行淡雅化的标注、分类，而非判定东说念主的举止对错。还有质检次第，核心是对东说念主的操作举止作念分类，而非丢弃数据。咱们会辩认高速高效完成的作为、有干涉场景下完成的作为、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，以适配模子不同教师阶段的需求。

雷峰网：你们的国际收入占比挺高的，你们在出海过程中有遇到哪些辞谢？

朱雁鸣：国际模子公司对数据的条目至极高，咫尺国际模子公司在模子教师上的进展举座快于国内，他们对触觉模态、教师数据的体量鸿沟、各样性的条目至极严格，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，因为数据飞轮的伏击身分便是"数据流转遵循"，对此咱们从起源作念了三层管制决策：

第一，端侧的数据压缩与质检。咱们的每一台开荒，在蚁集端就具备数据质检材干，能证据东说念主的举止、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，行业率先的无损压缩材干。咱们在压缩比例和对教师松手的影响上，作念到了行业空洞最优。传统压缩决策很难均衡压缩比和有用信息耗损，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师，教师的宗旨和遵循基本不受任何影响。

第三，自动化的数据处理速率。存储本钱主要来自两部分，一是蚁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，只可靠加东说念主进步遵循；而模子不错已毕指数级的遵循进步，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 的认识，

大多还停留在浅层的第一视角图像

雷峰网：你们对不同数据道路，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，不同数据道路，要集结模子的教师阶段来看，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。

起原，如果想构建具备通用材干的具身基座模子，让模子学到底层的物理环境确认材干，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）视角起程的确认。第三视角的确认，无法酿成举止因果的闭环。

比如怒放雪柜拿可乐，东说念主怒放雪柜看不到可乐，会先拿走挡住可乐的物品，再拿可乐。从第三视角，无法狡饰这些举止的完整逻辑，也无法闭环东说念主蔓延这些作为的因果链。因此，对于基座模子的预教师阶段，最伏击的便是巨额第一视角下，东说念主类的闭环举止和逻辑数据。

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程。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，核心难点不是端菜作为，而是褊狭过说念里逃匿宾客，宾客抬胳背的短暂作念出逃匿作为，这些来自真实生计的交互场景，完全无法通过仿真模拟。跟着问题交互复杂度的高潮，仿真数据的价值会快速下跌。

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，比如叠穿戴 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，这个过程中需要络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，仿真的幻觉詈骂常严重的问题。物理 AI 对幻觉的容忍度极低，这和言语模子完全不同。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；机器东说念主买卖化落地亦然同理，用户不会袭取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，会产生巨额幻觉，让模子误以为造作的逻辑是正确的，这亦然核心短板。

真机遥操数据在我看来更允洽用在评测和后教师过程中。模子教师的完整历程，应该是通过东说念主类数据完成预教师，再通过精选的东说念主类大门户据完成中间教师，终末基于评测松手作念强化学习和后教师。真机遥操就发生在终末这个次第，基于模子前两个阶段的学习，在每个任务中的推崇，找到需要强化的部分，反向驱动模子优化。与其说遥操是教师数据，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，且适合第一性旨趣的，因为自然和东说念主的确认对皆。

雷峰网：EGO 本年才火起来，关联词你们客岁 10 月就启动往这个宗旨作念产物了，为什么会这样早进入EGO赛说念？

朱雁鸣：一方面来自智驾训戒。智驾已进入深水区，单纯加多数据量无法指数级进步宗旨，垄断和教师场景绝顶泛化。因此智驾的教师核心还是变成了强化模子的确认材干，世界杯比赛买输赢(中国)2026最新官方网站也便是想维链（COT）材干。

具身智能也相似。遥操试验上便是最基础的师法学习，行业里许多 demo，都是在换取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，莫得确切认识作为背后的深层逻辑，比如叠穿戴为什么要先拿一角，穿戴一角掉了要不要捡起来。

这些深层逻辑，惟一 EGO centric 的数据能提供，非 EGO 视角的教师，衰败了对模子深层确认的监督，只可监督轨迹和图像，无法监督模子面临问题时的管制决策，也无法得回东说念主类举止背后的想考逻辑。

雷峰网：为什么行业之前莫得大鸿沟用EGO Centric？

朱雁鸣：因为客岁群众都在用 VLA。VLA 的 Backbone 是言语模子，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 幽闲不了物理寰宇条目，是以启动回顾到导入巨额东说念主作念事的方式进行教师。

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：这波及到EGO centric 的数据核心条目。当今行业对 EGO centric 的认识，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 就启动蚁集数据，但这仅仅第一视角的视频，只靠视频无法闭环东说念主的举止和感知，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蚁集。耐久来看，具身模子一定需要认识触觉，材干和东说念主类的举止对皆，单一视觉的 EGO 数据，无法幽闲模子的耐久教师需求。

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 数据对要津精度、感知精度有自然的高条目，确切有价值、能被模子无数目学习的，是多模态、高精度的 human data，而非低质地的第一视角视频。低质地数据教师出来的模子，需要极高的二次调优本钱，就像 OpenAI 早期用互联网语料教师，终末发现巨额问题，只可雇佣巨额东说念主员生成高质地的东说念主类对话数据从新教师。

雷峰网：那能不成用你们的手套，配合我我方的手机录像头蚁集数据？

朱雁鸣：普通消费级开荒无法幽闲 EGO 数据的蚁集需求，这里有几个底层的时期条目。

第一，视角高精度蚁集，对视线有硬性条目。咫尺行业里有激光雷达、红外、纯视觉三条时期道路，纯视觉是最合理的，因为它的鲁棒性最高，也具备鸿沟化材干，激光雷达受硬件松手无法大鸿沟铺开。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似转头、动掸眼球，因此蚁集开荒的视线需要远超 150 度。咱们的 EGO 蚁集开荒作念到了 270 度视线，不错完整狡饰东说念主手的扫数作为范围，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，不错大幅进步定位精度。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 蚁集开荒需要定制化的多录像头决策，传统的单录像头手机，无法幽闲精度条目。

雷峰网：是以"原装"的开荒才是最优的管制决策？

朱雁鸣：对，因为开荒是反推数据需求来策画的，如确凿的这样自便，咱们也不会参加这样多本钱去作念自研。

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。起原是通信与时期对皆的条目，手部开荒的图像、触觉蚁集有固定频率，头戴开荒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，就会出现手还是抓到物体，眼睛看到的照旧上一帧画面的延伸问题，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完全空间下的完全举止和轨迹，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，材干构建起手-头-环境的完整定位体系。头和手的相对定位，莫得径直的测量方式，只可通过多相机视觉已毕，这对相机路数、云表数据处理材干都有极高的条目。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完全定位也有很高难度，需要多传感器组合决策材干保证数据精度。

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联照旧并行关联？

朱雁鸣：是并行关联，试验上是不同垄断场景的适配。许多场景下，两根手指的夹爪就实足了，比如工业场景、基础物流场景，只需要捡箱子、翻动物品，两指就能幽闲需求；五指结构则是面向更理智的操作场景。

如果从层级关联来看，五指是比两指更表层的管制决策，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确认和材干，曩昔即便垄断本色是两指、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，是模子的确认深度，以及是否酿成了完整的因果闭环，而非依赖固定的硬件状貌。

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。一类是适配特定的垄断场景，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，五指反而会成为连累，这类场景会用 UMI 决策；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幽闲教师条目，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作为，举止不当然，蚁集遵循低，还会因为操作闇练度产生脏数据。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，只保留过失的两根，是仿生构型，在蚁集遵循、举止当然度上都有大幅进步。

雷峰网：你们的客户对高质地数据的条目有哪些？

朱雁鸣：条目随意有四点。

一是极高的各样性条目，这少许可能反知识，即便客户只聚焦一个垄断场景，在模子教师阶段，也需要各样的举止、空间认识材干，来进步模子的鲁棒性和泛化材干。

二是完整的模态，模子教师试验上是监督学习的过程，监督的过失，便是模态与松手的对皆是否完整，因此扫数和作为松手推测的模态，都必须完整狡饰，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，是模子教师松手的基础保险。

四是完整的想维链，这少许咫尺行业还莫得泛泛盘考，但它是机器东说念主已毕长程任务的过失数据条目。比如拖地这个长程任务，拖过的场所不需要再拖、什么进程需要清洗拖布，都莫得固定的法度，东说念主类蔓延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，是让模子认识作为背后逻辑的核心。如果只看 100 个东说念主拖地的作为，每个东说念主的举止是发散的，模子无法认识背后的逻辑，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鸿沟化数采，

就像汽车厂商不会我方建电板厂

雷峰网：客岁许多公司喊出"百万小时数据"宗旨，你认为已毕起来难不难？

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，而是高质地的数据围聚。起原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随意惟一 5-6 小时，受膂力等身分松手，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，也需要络续运营 3 个月以上，材干已毕这个宗旨，而这仅仅东说念主力层面的难度。

更过失的是，这背后需要配套海量的蚁集开荒、极强的模子自动化处理材干、流通的数据链路。扫数这个词历程就像漏斗，任何一个次第出问题，都会产生层层折损，最终能滚动的有用数据比例会大幅裁减。

从咱们的角度来看，要已毕这个宗旨，有三个核心门槛：第一，是否有能幽闲高质地数据条目的开荒；第二，开荒能否已毕众包鸿沟化落地；第三，是否具备大鸿沟数据的自动化链路处理材干。本年咱们有信心产出向上500万以上的高质地数据，这亦然咱们体系化材干树立后的快速增长材干。

当今咱们有信心、也还是和其中大部分企业建树耐久相助。喊标语没挑升想赞佩，过失要看是否确切落地了推测的开荒、团队和体系化材干。

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？你们曩昔会不会切入模子赛说念？

朱雁鸣：咱们对模子弥远保持敬畏。一个行业的发展分为三个阶段：学术阶段，核心是笃定已毕耐久宗旨的时期范式；产业阶段，范式明确后，用工程化的方式加快落地；买卖阶段，面向拜托、本钱、买卖化宗旨优化。

从咫尺来看，具身智能行业，连学术阶段的问题都莫得被完整管制，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相似的水平。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，他们是一家至极地说念的公司。他们一直对峙用 scaling law 的方式，进步具身智能的推崇，这是他们的底层驱动。

回到 GEN1 的推崇，我认为有三个核心亮点。第一，已毕了兼并模子的多任务蔓延材干。当今行业里许多公司的模子，试验上是狭义的私有模子，比如专门作念叠穿戴的模子，换个任务推崇就会很差，但 G1 在多任务场景下的推崇，还是得到了考据。

第二，模子从各样数据中，确切学到了东说念主类的纠错材干。从他们发布的视频能看到，模子第一次蔓延任务失败后，能快速证据造作完成矫正；面临刻意的干涉，也能实时给出管制决策，这少许至极珍贵。

第三，还是启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，而非兼并个作为重叠十几次，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 教师用的数据，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宗旨，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各异？

朱雁鸣：起原是理念上的各异。Generalist 与其说像一家公司，不如说更像一家科研机构，团队惟一二十几个东说念主，莫得买卖化宗旨，融资也不以买卖化作念核心诉求，至极地说念，专注于通过底层革命迭代时期自身。而国内大多数作念具身的公司，都包袱着融资和买卖化的压力，很难作念到这种地说念。

其次是勇气，现阶段东说念主类数据作念基座模子、大鸿沟预教师是需要参加至极多资源，而况存在巨大不笃定性的事情。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，这个过程至极漫长，需要花费巨额的算力和数据，后期的花费只会更大。

雷峰网：曩昔国内数据赛说念的口头会是若何的？

朱雁鸣：会是有头部也有散布的生态。因为第一这个商场的盘子实足大，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，会有巨额垂类需求，数据和算法是绑定的垂类关联，不可能有一家公司的一套决策，能完好适配扫数场景，一定会有企业在细分垂类里作念得更适配。

因此，最终会酿成的口头是：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，是一个多元的商场情状。在通用场景下，行业会渐渐趋同，会出现决策、价钱都有较着上风的头部供应商。

雷峰网：整机厂商曩昔一定要买第三方数据吗？这种数据依赖是络续性的吗？

朱雁鸣：试验上这是产业链单干的问题，不存在某个时期壁垒让别东说念主完全作念不了，但跟着行业锻练，产业链单干会越来越明确，各方的规模也会越来越清亮。

第一，数据全链条的复杂度，远超言语模子和自动驾驶期间。它需要单独的开荒研发、单独的链路搭建、单独的模子和运营材干提神，而况数据的价值是耐久的。机器东说念主教师新模子，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，这需要络续的、大鸿沟的数据蚁集和处理材干。

第二，全链条的体系化材干，会酿奏遵循和本钱的壁垒。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；耐久来看，便是本钱的竞争，体系越锻练、遵循越高，鸿沟化后的本钱上风就越较着。

我往往用一个类比，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、遵循上都比我方作念更高，从零到一自建反而以珠弹雀。

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，自动化材干。核心是数据公司能不成构建我方的飞轮：跟着拜托的数据越多，自动化材干越强，数据拜托的遵循越高、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，谁就掌捏了核心竞争力。

第二，硬件模态研发材干。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，要么用消费级产物免强，这种免强出来的决策，产出的数据看似可用，但 3-5 个月后就会被证伪，无法复古模子的耐久教师。硬件模态的研发，还要兼顾低本钱，惟一笃定了可鸿沟化、低本钱的模态决策，材干谈第三个核心竞争力。

第三，确切的鸿沟化材干。自动化水平高、模态全、本钱低，材干已毕最佳的鸿沟化。鸿沟化的核心，是构建敏捷的数据链条，已毕本钱的非线性增长。如果 10 万条数据的本钱，只比 1 万条翻了一倍，而非 10 倍，材干不停进步业务的天花板，这才是可络续的买卖模式。