「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

2026年的具身智能赛谈，吵杂超卓。各家机器东谈主厂商都在秀Demo、拼算力，试图用海量数据辅导机器东谈主叠穿着、冲咖啡。但一个窘态的现实是：咱们似乎从未真确辅导机器东谈主"看懂"这个天下。

绝大多数机器东谈主仍在师法东谈主类行动的表层轨迹，却不睬解为什么拧不开瓶盖时要先擦擦手。这种明白缺失，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，却处理不了充满不祥情趣的真实糊口。

而拦阻具身智能真确进入糊口的瓶颈，是数据。莫得富余好用的数据，机器东谈主就无法学习和西宾，从而无法会通真实的天下。

于是，在行业集体堕入"作念模子"的巨大叙事时，简智机器东谈主采用去啃一根更小众、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，特别是从东谈主类第一视角登程、包含想考与触觉反应的闭环数据。"在简智机器东谈主联创朱雁鸣看来，单纯靠师法学习在物理AI里跑欠亨。如果给机器东谈主喂的是坚苦因果链的"饰演数据"，西宾出的模子通常仅仅机械的复读机，一朝遭受长程任务或偶然侵犯，就会一霎崩溃。

简智所作念的，是一套对于"东谈主"的全维度数据产物。他们自研重新、平直、到全身的高精度数据得回产物，深入家庭和商超作念众包，去捕捉东谈主类不经意的力反应、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，更是构建明白的"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"？未来具身智能的核心壁垒，究竟在算法如故在于那套关乎东谈主类步履的"讲明书"？

谜底，远比咱们设想的更硬核。

01

每一条技能道路，都有一个"CTO"

雷峰网：先检朴智的创立初始吧，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无极的宥恕。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谈主类能作念的总共事情，是对分娩力的底层变革。是以咱们在具身赛谈中深入议论的时候，比拟想去创造一些相反化的价值，这亦然咱们采用细分标的时候的一条准则。

咱们在2025年7月成飞快，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，特别是无实质或其他范式下的数据。

其时行业还莫得大范畴难得 UMI 或 EGO 看法，更多在通过绽开戒指快速出demo，或是用 VLA 的面孔西宾模子。但咱们信赖，scale up和数据驱动是智能通往末端的枢纽旅途。而对于物理AI他所需要的数据也与之前不同，文本的天下是结构化的，但咱们的糊口场景无时无刻都在变化，口舌结构化的天下，在此之上具身需要的是逐渐替代东谈主的才调。咱们需要的是从 Human Data（东谈主类步履数据）起首，构建一套从步履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，这一配景带来了什么上风？

朱雁鸣：主如若明白层面的上风。泛 AI 领域里，真确驱洒落地的物理 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。自动驾驶是真确切路上跑、服务于东谈主，且在技能上驱散了端到端、数据飞轮架构落地，这让咱们对数据的 infra 有了真切明白。

第一，模子算法迭代所需的数据，一定是陪同迭代的东谈主类真实数据。今天具身领域，最需要被冲突的标的是的预西宾，让模子具备通识、泛化且跨实质的长任求实施才调，并低本钱作念豪放的落地。

在这个过程中，除了量大除外，更多是让数据"坐标系"与"东谈主会通天下"对皆，这样才调更好的从步履到明白酿成闭环。

何况在这个过程中，许多corner case畸形有价值，比如东谈主在操作时候收到侵犯失败，又何如去弥补的过程，这些是买卖化的必备才调，而这些数据必须通过永劫刻的真实天下积贮，而非东谈主为胪列。

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，数据本钱畸形低，因为每一台登程行驶的量产车，都在继续分娩数据。但具身智能完全不同，它的数据无法自然得回，视频仅仅最粗略的格式，要给模子作念耐久学习西宾，触觉模态、东谈主类想考链路等信息，无法单纯通过安设录像头得回。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，是如何领有能让东谈主类在当然糊口中分娩全维度数据的开辟。

第三，是长链路、高并发数据处理的教训。作念自动驾驶时，每天回流的数据级别接近几百 T，大范畴数据和步履需要长链路的清洗经过。这给咱们的核心教训是，数据录用除了作念好硬件，更紧要的是应酬长链条、大范畴录用的才调，这需要在最初始就对硬件、数据链条、数据加工处理面孔作念完整的结构化揣度打算。

雷峰网：简智目下团队约略有若干东谈主？研发占比若干？

朱雁鸣：范畴在140东谈主驾驭，研发东谈主员占比跨越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鼎新？

朱雁鸣：具身智能需要专科领域东谈主才，更需要领域会通明的概述性立异，数据业务亦然如斯。是以咱们集结各技能领域上风，每个领域预研出一条干线，这条线下的每个东谈主都是CTO。

举例在数采开辟上，波及录像头、触觉、IMU、磁编码器等，咱们有类似CTO的变装作念垂线预研，横向则由技能委员会构成，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议。训诲行业里，一个东谈主很难全栈把总共事情计较明晰，当下的具身数据领域，更需要每个领域都有立异，驱散 1+1＞2 的后果。

雷峰网：简智目下招东谈主一般会招哪些东谈主？

朱雁鸣：咱们第一优先级是模子标的的东谈主才，但咱们要的模子东谈主才，不是作念具身行动输出模子的东谈主才，而是作念 data 仿真模子的东谈主才。核心折务是将相聚到的东谈主类步履数据，通过模子加工复原成接近东谈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，核心要素包括东谈主的第一视角图像、全身枢纽绽开、手上的触觉，以及每个行动中的力反应，这些维度不错完整描画东谈主类绝大多数步履。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、拧开瓶盖的全经过。

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，以及硬件本人特点导致的信息残骸，如何把它们复原成团结时刻轴、团结时空坐标系下的完整数据。单纯靠东谈主工、概略的时刻对皆，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）惩处这个问题：把多模态输入注入模子，像西宾自动驾驶端到端模子相通，通过真值系统评测输出与真实天下的匹配度，再凭证 gap 反向优化模子才调。咱们是行业内第一家无谓大模子作念具身行动模子，而是用模子惩处数据问题的企业。

第二类核心东谈主才，是底层硬件才调赓续的东谈主才，包括光学、镶嵌式软件、PCB 板揣度打算，以及自研触觉决议赓续的底层研发东谈主才。咱们但愿通过底层旨趣性立异，擢升相聚过程中的模态精度。表层数据和模子只可作念交叉考据、基于已相聚信息擢升精度，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谈主类感受的底层旨趣立异需要作念。

雷峰网：你们非凡采工场吗？需要专东谈主宰理吗？

朱雁鸣：咱们罗致众包模式，数据来自真实家庭和真实场景，莫得用数采工场面孔，这是咱们和其他企业不相通的处所，亦然咱们认为面向末端，大范畴、高效相聚真实数据的最终旅途。

02

东谈主的步履即是真值，

东谈主能作念出来的行动，机器东谈主就应该能驱散

雷峰网：具身数据赛谈有细分标的，有的只卖数据，有的也卖开辟，简智属于哪种？

朱雁鸣：咱们施行上是一流派据惩处决议公司，但会凭证不同场景提供不同决议。许多面向 C 端的模子公司，落地场景偏糊口化，这类数据不错公开得回，比如家庭机器东谈主需要的各种家庭场景数据，咱们不错通过众包驱散，径直给这类客户提供数据决议。

另一类客户的场景是紧闭、自有场景，比如工场产线、紧闭实验室，这类数据无法公开得回，数据总共权施行上在场景哄骗方手里。针对这类客户，咱们会提供硬件开辟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相聚和分娩。

雷峰网：有东谈主认为开辟是具身数据公司的核心壁垒，卖了开辟别东谈主就不买数据了，你们何如看？

朱雁鸣：起首，数据和开辟都很紧要。开辟是基建中的最底层，它决定了数据的模态数目、底层模态质地，开辟的浅易性、本钱，也决定了数据相聚的范畴化才调，但我不认为开辟即是一皆。

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粗略打包，绝大多数核心折务，都发生在相聚后的数据加工处理要领。目下绝大多数模子公司，哪怕是作念预西宾，都相配追求数据质地，数据质地会从底层影响模子的后果、精度、以及对因果联系的明白。

比如如果发生在餐馆，东谈主会接洽是不是避开其他东谈主的转移、绕开一些饭菜，如果唯一行动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、茂密的COT过程，才调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畴化。多数目开辟相聚的多数目数据，如何快速、高效、低本钱地鼎新成可西宾的 Token，才是核心难题，分娩 100 台开辟和 100 万台开辟，是完全不同的难度。

雷峰网：刚刚提到家庭众包，具体是一种如何的互助面孔？

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，把开辟给到每个家庭，用户通过 APP 了解相聚任务，用咱们的开辟完成夙昔的家务行动即可，不需要对用户的操作作念额外的素质和敛迹，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谈主类步履，才调补充场景盲点，因此步履上传后咱们通过云表来识别、标注。

另外咱们的开辟在东谈主机工程上也有显着上风，畸形简略，使用效能和东谈主类夙昔干活的效能基本一致。用户完成操作后，通过 APP 上传相聚的数据，咱们基于数据回收情况给用户结算，通盘经过当然且高效。

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、实验室瓜分布场景。

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惩处决议。起首，所非凡据的隐讳处理，都有一套尺度化经过，包括地点、东谈主脸、对方知识产权赓续的信息，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、相聚方互助时，都会在互助契约和用度讲明里，明确标注两边的权益包摄，咱们得回的不是用户的个东谈主信息，而是其在场景下的步履和操作数据，本人不会波及过多个东谈主隐讳数据。

雷峰网：众包莫得尺度化经过，数据质地会不会零散不皆，给后期处理带来压力？

朱雁鸣：因为咱们难得东谈主的步履其实都是"真值"，毕竟不管什么情况，东谈主都是不错克服困难完成任务。因此枢纽在于真值上传后，是否有一套自动化的面孔完成数据识别与处理。

咱们的自动化识别，核心是把东谈主的步履和行动作念对皆，进行精细化的标注、分类，而非判定东谈主的步履对错。还有质检要领，核心是对东谈主的操作步履作念分类，而非丢弃数据。咱们会分歧高速高效完成的行动、有侵犯场景下完成的行动、失败后完成纠错的行动，同期对数据作念颗粒度极细的原子化处理，以适配模子不同西宾阶段的需求。

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拦阻？

朱雁鸣：国外模子公司对数据的条款畸形高，目下国外模子公司在模子西宾上的进展举座快于国内，他们对触觉模态、西宾数据的体量范畴、各样性的条款畸形严格，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：服气会有，但这件事咱们很早就有预判，因为数据飞轮的紧要身分即是"数据流转效能"，对此咱们从泉源作念了三层惩处决议：

第一，端侧的数据压缩与质检。咱们的每一台开辟，在相聚端就具备数据质检才调，能凭证东谈主的步履、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，行业起首的无损压缩才调。咱们在压缩比例和对西宾后果的影响上，作念到了行业概述最优。传统压缩决议很难均衡压缩比和有用信息亏损，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西宾，西宾的方针和效能基本不受任何影响。

第三，自动化的数据处理速率。存储本钱主要来自两部分，一是相聚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。东谈主工处理是线性增长的，只可靠加东谈主擢升效能；而模子不错驱散指数级的效能擢升，让存储本钱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：你们对不同数据道路，比如仿真、互联网视频、遥操何如看？

朱雁鸣：我个东谈主认为，不同数据道路，要集结模子的西宾阶段来看，它们有不同的职责和目的，但高精度、质地、完整且泛化是通用性的条款。

起首，如果想构建具备通用才调的具身基座模子，让模子学到底层的物理环境明白才调，那么对标对象一定是东谈主，核心是东谈主的 EGO（自我中心）视角登程的明白。第三视角的明白，无法酿成步履因果的闭环。

比如掀开雪柜拿可乐，东谈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，无法遮蔽这些步履的完整逻辑，也无法闭环东谈主实施这些行动的因果链。因此，对于基座模子的预西宾阶段，最紧要的即是大量第一视角下，东谈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。一是模子要惩处的问题的复杂进程。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，核心难点不是端菜行动，而是褊狭过谈里避开宾客，宾客抬胳背的一霎作念出避开行动，这些来自真实糊口的交互场景，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，这个过程中需要继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，仿真数据只在惩处拿、放等基础行动问题时有价值，越到真实场景的复杂问题，价值越弱。

另外，仿真的幻觉口舌常严重的问题。物理 AI 对幻觉的容忍度极低，这息兵话模子完全不同。就像自动驾驶对幻觉零容忍，一朝出问题即是东谈主命关天；机器东谈主买卖化落地亦然同理，用户不会接受机器东谈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，让模子误以为诞妄的逻辑是正确的，这亦然核心短板。

真机遥操数据在我看来更适合用在评测和后西宾过程中。模子西宾的完整经过，应该是通过东谈主类数据完成预西宾，再通过精选的东谈主类众人数据完成中间西宾，终末基于评测驱散作念强化学习和后西宾。真机遥操就发生在终末这个要领，基于模子前两个阶段的学习，在每个任务中的弘扬，找到需要强化的部分，反向驱动模子优化。与其说遥操是西宾数据，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，因为自然和东谈主的明白对皆。

雷峰网：EGO 本年才火起来，可是你们客岁 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赛谈？

朱雁鸣：一方面来自智驾教训。智驾已进入深水区，单纯增多数据量无法指数级擢升方针，哄骗和西宾场景相配泛化。因此智驾的西宾核心曾经变成了强化模子的明白才调，2026美加墨世界杯(中国)也即是想维链（COT）才调。

具身智能也相通。遥操施行上即是最基础的师法学习，行业里许多 demo，都是在疏浚场景下录几百小时的东谈主类数据，回灌给模子，让模子以接近回放的面孔复现操作。但模子学到的仅仅表层的轨迹，莫得真确会通行动背后的深层逻辑，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，唯一 EGO centric 的数据能提供，非 EGO 视角的西宾，缺乏了对模子深层明白的监督，只可监督轨迹和图像，无法监督模子濒临问题时的惩处决议，也无法得回东谈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畴用EGO Centric？

朱雁鸣：因为客岁寰球都在用 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。目下寰球发现 VLA 清翠不了物理天下条款，是以初始追忆到导入大量东谈主作念事的面孔进行西宾。

雷峰网：寰球都在开发我方的EGO开辟，会不会近似造轮子？

朱雁鸣：这波及到EGO centric 的数据核心条款。目下行业对 EGO centric 的会通，大多还停留在浅层的第一视角图像，许多东谈主头上戴个 iPhone、挂个 GoPro 就初始相聚数据，但这仅仅第一视角的视频，只靠视频无法闭环东谈主的步履和感知，存在严重的信息缺失。

第一，真确的 EGO 数据，应该是多模态的，而不仅仅视频这一个单一模态。东谈主完成操作，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辟完成相聚。耐久来看，具身模子一定需要会通触觉，才协调东谈主类的步履对皆，单一视觉的 EGO 数据，无法清翠模子的耐久西宾需求。

第二，多模态数据对证地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 数据对枢纽精度、感知精度有自然的高条款，真确有价值、能被模子多数目学习的，是多模态、高精度的 human data，而非低质地的第一视角视频。低质地数据西宾出来的模子，需要极高的二次调优本钱，就像 OpenAI 早期用互联网语料西宾，终末发现大量问题，只可雇佣大量东谈主员生成高质地的东谈主类对话数据再行西宾。

雷峰网：那能不成用你们的手套，配合我我方的手机录像头相聚数据？

朱雁鸣：普通消费级开辟无法清翠 EGO 数据的相聚需求，这里有几个底层的技能条款。

第一，视角高精度相聚，对视线有硬性条款。目下行业里有激光雷达、红外、纯视觉三条技能道路，纯视觉是最合理的，因为它的鲁棒性最高，也具备范畴化才调，激光雷达受硬件为止无法大范畴铺开。而纯视觉决议，对录像头的数目和视线有明确条款。

东谈主眼的视线是 150 度，操作时手很容易超出这个视线范围，机器东谈主无法像东谈主相通转头、动弹眼球，因此相聚开辟的视线需要远超 150 度。咱们的 EGO 相聚开辟作念到了 270 度视线，不错完整遮蔽东谈主手的总共行动范围，保证因果链的完整。

第二，精度需要多录像头差分来驱散。就像东谈主的双眼判断距离更准确，多录像头的相位差，不错大幅擢升定位精度。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 相聚开辟需要定制化的多录像头决议，传统的单录像头手机，无法清翠精度条款。

雷峰网：是以"原装"的开辟才是最优的惩处决议？

朱雁鸣：对，因为开辟是反推数据需求来揣度打算的，如真的的这样粗略，咱们也不会插足这样多本钱去作念自研。

雷峰网：头戴开辟和手部开辟的协同，会不会难度很高？

朱雁鸣：难度畸形高。起首是通信与时刻对皆的条款，手部开辟的图像、触觉相聚有固定频率，头戴开辟的视频流也有单独的相聚频率，需要把二者的时刻精度对皆到 1 毫秒。如果作念不到，就会出现手曾经抓到物体，眼睛看到的如故上一帧画面的延长问题，径直影响数据的有用性。

目下咱们作念到了毫米级定位。咱们最终要产出东谈主在皆备空间下的皆备步履和轨迹，需要先行者散头和手的高精度相对定位，再以头为核心，驱散头与环境的相对定位，才调构建起手-头-环境的完整定位体系。头和手的相对定位，莫得径直的测量面孔，只可通过多相机视觉驱散，这对相机路数、云表数据处理才调都有极高的条款。同期，在旷野、大型商超级大空间场景中，东谈主在空间里的皆备定位也有很高难度，需要多传感器组合决议才调保证数据精度。

雷峰网：最早你们用的是"夹爪"（UMI），目下变成了手套，夹爪和手套是进化联系如故并行联系？

朱雁鸣：是并行联系，施行上是不同哄骗场景的适配。许多场景下，两根手指的夹爪就富余了，比如工业场景、基础物流场景，只需要捡箱子、翻动物品，两指就能清翠需求；五指结构则是面向更聪惠的操作场景。

如果从层级联系来看，五指是比两指更表层的惩处决议，更具备耐久价值。如果模子基于五指数据学会了东谈主类的基础明白和才调，未来即便哄骗实质是两指、三指结构，也不需要很高的迁徙本钱，这即是行业常说的跨实质迁徙问题。跨实质迁徙的底层，是模子的明白深度，以及是否酿成了完整的因果闭环，而非依赖固定的硬件格式。

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，五指反而会成为株连，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实质，反向需要两指类的数据清翠西宾条款，咱们也会提供对应的 UMI 决议。

另外，传统 UMI 的构型，需要东谈主操作开辟完成行动，步履不当然，相聚效能低，还会因为操作熟识度产生脏数据。咱们目下作念了新款的 Fingers 产物，构型更接近东谈主的两根手指，相当于从五指产物中去掉三根手指，只保留枢纽的两根，是仿生构型，在相聚效能、步履当然度上都有大幅擢升。

雷峰网：你们的客户对高质地数据的条款有哪些？

朱雁鸣：条款约略有四点。

一是极高的各样性条款，这少量可能反知识，即便客户只聚焦一个哄骗场景，在模子西宾阶段，也需要各样的步履、空间会通才调，来擢升模子的鲁棒性和泛化才调。

二是完整的模态，模子西宾施行上是监督学习的过程，监督的枢纽，即是模态与驱散的对皆是否完整，因此总共和行动驱散赓续的模态，都必须完整遮蔽，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，是模子西宾后果的基础保险。

四是完整的想维链，这少量目下行业还莫得豪放商榷，但它是机器东谈主驱散长程任务的枢纽数据条款。比如拖地这个长程任务，拖过的处所不需要再拖、什么进程需要清洗拖布，都莫得固定的尺度，东谈主类实施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，是让模子会通行动背后逻辑的核心。如果只看 100 个东谈主拖地的行动，每个东谈主的步履是发散的，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

机器东谈主厂商不会范畴化数采，

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"目的，你认为驱散起来难不难？

朱雁鸣：畸形难，因为对咱们来说，这百万背后，不是单纯的堆量，而是高质地的数据集结。起首从东谈主力角度来看，一个东谈主一天有用产出数据的时刻约略唯一 5-6 小时，受膂力等身分为止，无法满负荷产出。百万小时至少需要 20 万东谈主天，即便有 2000 东谈主的运营团队，也需要继续运营 3 个月以上，才调驱散这个目的，而这仅仅东谈主力层面的难度。

更枢纽的是，这背后需要配套海量的相聚开辟、极强的模子自动化处理才调、畅通的数据链路。通盘经过就像漏斗，任何一个要领出问题，都会产生层层折损，最终能鼎新的有用数据比例会大幅裁汰。

从咱们的角度来看，要驱散这个目的，有三个核心门槛：第一，是否有能清翠高质地数据条款的开辟；第二，开辟能否驱散众包范畴化落地；第三，是否具备大范畴数据的自动化链路处理才调。本年咱们有信心产出跨越500万以上的高质地数据，这亦然咱们体系化才调诞生后的快速增长才调。

目下咱们有信心、曾经经和其中大部分企业确立耐久互助。喊标语没特意旨，枢纽要看是否真确落地了赓续的开辟、团队和体系化才调。

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？你们未来会不会切入模子赛谈？

朱雁鸣：咱们对模子永久保持敬畏。一个行业的发展分为三个阶段：学术阶段，核心是详情驱散耐久目的的技能范式；产业阶段，范式明确后，用工程化的面孔加快落地；买卖阶段，面向录用、本钱、买卖化方针优化。

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惩处，目下行业里的产物，很难在某一个专职事情上作念到和东谈主相通的水平。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，我畸形认同 Generalist，他们是一家畸形纯正的公司。他们一直对持用 scaling law 的面孔，擢升具身智能的弘扬，这是他们的底层驱动。

回到 GEN1 的弘扬，我认为有三个核心亮点。第一，驱散了团结模子的多任求实施才调。目下行业里许多公司的模子，施行上是狭义的私有模子，比如专门作念叠穿着的模子，换个任务弘扬就会很差，但 G1 在多任务场景下的弘扬，曾经得到了考据。

第二，模子从各样数据中，真确学到了东谈主类的纠错才调。从他们发布的视频能看到，模子第一次实施任务失败后，能快速凭证诞妄完成改良；濒临刻意的侵犯，也能实时给出惩处决议，这少量畸形难得。

第三，曾经初始探索长程任务的驱散。他们曾经在尝试 3-5 分钟完成一个完整的复杂任务，而非团结个行动近似十几次，这是行业里畸形少有的探索，也贴合具身智能的真实落地需求。

雷峰网： Generalist 西宾用的数据，主要亦然 EGO 数据吗？

朱雁鸣：他们目下主要如故用 UMI 夹爪，但曾经经在探索ego标的，因为umi存在我方的上限，尤其是转移机器东谈主场景，UMI 会更难适配。

雷峰网：Generalist 与国内具身智能公司有哪些相反？

朱雁鸣：起首是理念上的相反。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谈主，莫得买卖化目的，融资也不以买卖化作念核心诉求，畸形纯正，专注于通过底层立异迭代技能本人。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，现阶段东谈主类数据作念基座模子、大范畴预西宾是需要插足畸形多资源，何况存在巨大不祥情趣的事情。Generalist 的底层立异，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，这个过程畸形漫长，需要消费大量的算力和数据，后期的消费只会更大。

雷峰网：未来国内数据赛谈的时势会是如何的？

朱雁鸣：会是有头部也有分布的生态。因为第一这个市集的盘子富余大，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，会有大量垂类需求，数据和算法是绑定的垂类联系，不可能有一家公司的一套决议，能无缺适配总共场景，一定会有企业在细分垂类里作念得更适配。

因此，最终会酿成的时势是：有几家公司作念成大的通用数据平台，而在细分垂类赛谈里，依然有不同的玩家，是一个多元的市集情状。在通用场景下，行业会逐渐趋同，会出现决议、价钱都有显着上风的头部供应商。

雷峰网：整机厂商未来一定要买第三方数据吗？这种数据依赖是继续性的吗？

朱雁鸣：施行上这是产业链单干的问题，不存在某个技能壁垒让别东谈主完全作念不了，但跟着行业训诲，产业链单干会越来越明确，各方的领域也会越来越澄莹。

第一，数据全链条的复杂度，远超谈话模子和自动驾驶时间。它需要单独的开辟研发、单独的链路搭建、单独的模子和运营才调珍重，何况数据的价值是耐久的。机器东谈主西宾新模子，最值钱的不是它曾经会的操作数据，而是它不会的、犯错的场景数据，这需要继续的、大范畴的数据相聚和处理才调。

第二，全链条的体系化才调，会酿见效能和本钱的壁垒。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，即是本钱的竞争，体系越训诲、效能越高，范畴化后的本钱上风就越显着。

我通常用一个类比，数据对于机器东谈主厂商，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，在本钱、效能上都比我方作念更高，从零到一自建反而塞翁失马。

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，自动化才调。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，自动化才调越强，数据录用的效能越高、质地越好。这是具身时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，谁就掌捏了核心竞争力。

第二，硬件模态研发才调。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，要么用消费级产物免强，这种免强出来的决议，产出的数据看似可用，但 3-5 个月后就会被证伪，无法复旧模子的耐久西宾。硬件模态的研发，还要兼顾低本钱，唯一详情了可范畴化、低本钱的模态决议，才调谈第三个核心竞争力。

第三，真确的范畴化才调。自动化水平高、模态全、本钱低，才调驱散最佳的范畴化。范畴化的核心，是构建敏捷的数据链条，驱散本钱的非线性增长。如果 10 万条数据的本钱，只比 1 万条翻了一倍，而非 10 倍，才调不休擢升业务的天花板，这才是可继续的买卖模式。