「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，淆乱超卓。各家机器东谈主厂商都在秀Demo、拼算力，试图用海量数据教会机器东谈主叠穿着、冲咖啡。但一个难过的现实是：咱们似乎从未真实教会机器东谈主"看懂"这个全国。

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。这种领悟缺失，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活命。

而讳饰具身智能真实进入活命的瓶颈，是数据。莫得裕如好用的数据，机器东谈主就无法学习和老师，从而无法暴露真实的全国。

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，特别是从东谈主类第一视角起程、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费劲因果链的"扮演数据"，老师出的模子时时仅仅机械的复读机，一朝遇到长程任务或随机干涉，就会一忽儿崩溃。

简智所作念的，是一套对于"东谈主"的全维度数据居品。他们自研从新、胜仗、到全身的高精度数据获得居品，深入家庭和商超作念众包，去捕捉东谈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，更是构建领悟的"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，究竟在算法照旧在于那套关乎东谈主类步履的"施展书"？

谜底，远比咱们想象的更硬核。

01

每一条技能阶梯，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肮脏的温和。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谈主类能作念的总计事情，是对坐褥力的底层变革。是以咱们在具身赛谈中深入磋商的时候，相比想去创造一些互异化的价值，这亦然咱们选拔细分场地时候的一条准则。

咱们在2025年7月成迅速，更多在复盘总计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，特别是无本质或其他范式下的数据。

那时行业还莫得大限制珍重 UMI 或 EGO 想法，更多在通过通顺限度快速出demo，或是用 VLA 的方式老师模子。但咱们信赖，scale up和数据驱动是智能通往终端的关键旅途。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，但咱们的活命场景物换星移都在变化，瑕瑜结构化的全国，在此之上具身需要的是渐渐替代东谈主的能力。咱们需要的是从 Human Data（东谈主类步履数据）动手，构建一套从举止到想考再到响应的闭环数据居品和平台。

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：主淌若领悟层面的上风。泛 AI 领域里，真实竣事落地的物理 AI 居品即是自动驾驶，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、服务于东谈主，且在技能上竣事了端到端、数据飞轮架构落地，这让咱们对数据的 infra 有了深远领悟。

第一，模子算法迭代所需的数据，一定是随同迭代的东谈主类真实数据。今天具身领域，最需要被打破的场地是的预老师，让模子具备通识、泛化且跨本质的长任务施行能力，并低老本作念泛泛的落地。

在这个过程中，除了量大除外，更多是让数据"坐标系"与"东谈主暴露全国"对皆，这样才能更好的从步履到领悟变成闭环。

况兼在这个过程中，许多corner case额外有价值，比如东谈主在操作时候收到干涉失败，又若何去弥补的过程，这些是买卖化的必备能力，而这些数据必须通过永劫期的真实全国累积，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荟萃的想考。作念自动驾驶时，数据老本额外低，因为每一台登程行驶的量产车，都在持续坐褥数据。但具身智能完全不同，它的数据无法自然获得，视频仅仅最唐突的形势，要给模子作念历久学习老师，触觉模态、东谈主类想考链路等信息，无法单纯通过装配录像头获得。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，是如何领有能让东谈主类在当然活命中坐褥全维度数据的开发。

第三，是长链路、高并发数据处理的训诫。作念自动驾驶时，每天回流的数据级别接近几百 T，大限制数据和步履需要长链路的清洗经由。这给咱们的核心训诫是，数据录用除了作念好硬件，更蹙迫的是应酬长链条、大限制录用的能力，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遐想。

雷峰网：简智当今团队大约有几许东谈主？研发占比几许？

朱雁鸣：限制在140东谈主傍边，研发东谈主员占比朝上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调遣？

朱雁鸣：具身智能需要专科领域东谈主才，更需门径域交融后的轮廓性篡改，数据业务亦然如斯。是以咱们荟萃各技能领域上风，每个领域预研出一条干线，这条线下的每个东谈主都是CTO。

举例在数采开发上，触及录像头、触觉、IMU、磁编码器等，咱们有访佛CTO的变装作念垂线预研，横向则由技能委员会构成，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有打算。熟悉行业里，一个东谈主很难全栈把总计事情贪图明晰，当下的具身数据领域，更需要每个领域都有篡改，竣事 1+1＞2 的效力。

雷峰网：简智当今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场地的东谈主才，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。核心管事是将蚁集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状貌，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、全身关键通顺、手上的触觉，以及每个行动中的力响应，这些维度不错完整态状东谈主类绝大多数步履。比如提起一杯水，包含看到水、战役水、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破，如何把它们复原成并吞时期轴、并吞时空坐标系下的完整数据。单纯靠东谈主工、粗俗的时期对皆，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）贬责这个问题：把多模态输入注入模子，像老师自动驾驶端到端模子相同，通过真值系统评测输出与真实全国的匹配度，再字据 gap 反向优化模子能力。咱们是行业内第一家毋庸大模子作念具身行动模子，而是用模子贬责数据问题的企业。

第二类核心东谈主才，是底层硬件能力关连的东谈主才，包括光学、镶嵌式软件、PCB 板遐想，以及自研触觉有打算关连的底层研发东谈主才。咱们但愿通过底层旨趣性篡改，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，需要硬件质料来保证，这其中有许多围绕东谈主类感受的底层旨趣篡改需要作念。

雷峰网：你们少见采工场吗？需要专东谈主宰理吗？

朱雁鸣：咱们接管众包模式，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同的地方，亦然咱们认为面向终端，大限制、高效蚁集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竣事

雷峰网：具身数据赛谈有细分场地，有的只卖数据，有的也卖开发，简智属于哪种？

朱雁鸣：咱们本质上是一片系据贬责有打算公司，但会字据不同场景提供不同有打算。许多面向 C 端的模子公司，落地场景偏活命化，这类数据不错公开获得，比如家庭机器东谈主需要的各种家庭场景数据，咱们不错通过众包竣事，平直给这类客户提供数据有打算。

另一类客户的场景是阻塞、自有场景，比如工场产线、阻塞实验室，这类数据无法公开获得，数据总计权本质上在场景诓骗方手里。针对这类客户，咱们会提供硬件开发有打算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坐褥。

雷峰网：有东谈主认为开发是具身数据公司的核心壁垒，卖了开发别东谈主就不买数据了，你们若何看？

朱雁鸣：来源，数据和开发都很蹙迫。开发是基建中的最底层，它决定了数据的模态数量、底层模态质料，开发的通俗性、老本，也决定了数据蚁集的限制化能力，但我不认为开发即是沿途。

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唐突打包，绝大多数核心管事，都发生在蚁集后的数据加工处理设施。当今绝大多数模子公司，哪怕是作念预老师，都额外追求数据质料，数据质料会从底层影响模子的效力、精度、以及对因果关系的领悟。

比如如果发生在餐馆，东谈主会接头是不是避开其他东谈主的移动、绕开一些饭菜，如果只消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、稠密的COT过程，才能给模子提供灵验的参考，让它更容易学习。

另一个核心原因是限制化。大宗量开发蚁集的大宗量数据，如何快速、高效、低老腹地转变成可老师的 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，具体是一种若何的结合方式？

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 了解蚁集任务，用咱们的开发完成通俗的家务行动即可，不需要对用户的操作作念额外的教学和禁止，用户的当然操作对模子来说反而更有价值，模子需要学习千般化的东谈主类步履，才能补充场景盲点，因此步履上传后咱们通过云霄来识别、标注。

另外咱们的开发在东谈主机工程上也有显然上风，额外简短，使用效力和东谈主类通俗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，总计这个词经由当然且高效。

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、实验室等散播场景。

雷峰网：场景方会有隐自费心吗？

朱雁鸣：这个问题咱们有完善的贬责有打算。来源，所少见据的阴事处理，都有一套法度化经由，包括地点、东谈主脸、对方知识产权关连的信息，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、蚁集方结合时，都会在结合契约和用度施展里，明确标注两边的职权包摄，咱们获得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，2026美加墨世界杯中国官方网页版自身不会触及过多个东谈主阴事数据。

雷峰网：众包莫得法度化经由，数据质料会不会错乱不皆，给后期处理带来压力？

朱雁鸣：因为咱们珍重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贫困完成任务。因此关键在于真值上传后，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，核心是把东谈主的步履和行动作念对皆，进行缜密化的标注、分类，而非判定东谈主的步履对错。还有质检设施，核心是对东谈主的操作步履作念分类，而非丢弃数据。咱们会别离高速高效完成的行动、有干涉场景下完成的行动、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，以适配模子不同老师阶段的需求。

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讳饰？

朱雁鸣：国外模子公司对数据的条款额外高，目下国外模子公司在模子老师上的进展举座快于国内，他们对触觉模态、老师数据的体量限制、千般性的条款额外严格，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：信服会有，但这件事咱们很早就有预判，因为数据飞轮的蹙迫要素即是"数据流转效力"，对此咱们从起源作念了三层贬责有打算：

第一，端侧的数据压缩与质检。咱们的每一台开发，在蚁集端就具备数据质检能力，能字据东谈主的步履、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，行业最初的无损压缩能力。咱们在压缩比例和对老师效力的影响上，作念到了行业轮廓最优。传统压缩有打算很难均衡压缩比和灵验信息亏损，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老师，老师的目的和效力基本不受任何影响。

第三，自动化的数据处理速率。存储老本主要来自两部分，一是蚁集后的原生数据恭候加工的暂存老本，二是加工后的制品数据存储老本。最容易被忽略的，是原生数据恭候加工的列队存储老本，这亦然咱们一定要用模子作念自动化处理的核心原因。东谈主工处理是线性增长的，只可靠加东谈主提高效力；而模子不错竣事指数级的效力提高，让存储老本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 的暴露，

大多还停留在浅层的第一视角图像

雷峰网：你们对不同数据阶梯，比如仿真、互联网视频、遥操若何看？

朱雁鸣：我个东谈主认为，不同数据阶梯，要荟萃模子的老师阶段来看，它们有不同的职责和想法，但高精度、质料、完整且泛化是通用性的条款。

来源，如果想构建具备通用能力的具身基座模子，让模子学到底层的物理环境领悟能力，那么对标对象一定是东谈主，核心是东谈主的 EGO（自我中心）视角起程的领悟。第三视角的领悟，无法变成步履因果的闭环。

比如开放雪柜拿可乐，东谈主开放雪柜看不到可乐，会先拿走挡住可乐的物品，再拿可乐。从第三视角，无法隐讳这些步履的完整逻辑，也无法闭环东谈主施行这些行动的因果链。因此，对于基座模子的预老师阶段，最蹙迫的即是大宗第一视角下，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要素快速弱化。一是模子要贬责的问题的复杂进度。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，核心难点不是端菜行动，而是短促过谈里避开宾客，宾客抬胳背的一忽儿作念出避开行动，这些来自真实活命的交互场景，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，这个过程中需要持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，仿真数据只在贬责拿、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，仿真的幻觉瑕瑜常严重的问题。物理 AI 对幻觉的容忍度极低，这和讲话模子完全不同。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，用户不会秉承机器东谈主有概率损坏家中财物。仿真的因果自身不真实，会产生大宗幻觉，让模子误以为罪状的逻辑是正确的，这亦然核心短板。

真机遥操数据在我看来更稳健用在评测和后老师过程中。模子老师的完整经由，应该是通过东谈主类数据完成预老师，再通过精选的东谈主类大家数据完成中间老师，临了基于评测赶走作念强化学习和后老师。真机遥操就发生在临了这个设施，基于模子前两个阶段的学习，在每个任务中的发达，找到需要强化的部分，反向驱动模子优化。与其说遥操是老师数据，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，且稳健第一性旨趣的，因为自然和东谈主的领悟对皆。

雷峰网：EGO 本年才火起来，关联词你们前年 10 月就开动往这个场地作念居品了，为什么会这样早进入EGO赛谈？

朱雁鸣：一方面来自智驾训诫。智驾已进入深水区，单纯增多数据量无法指数级提高目的，诓骗和老师场景额外泛化。因此智驾的老师核心照旧变成了强化模子的领悟能力，世界杯竞猜网站也即是想维链（COT）能力。

具身智能也相同。遥操本质上即是最基础的师法学习，行业里许多 demo，都是在交流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方式复现操作。但模子学到的仅仅表层的轨迹，莫得真实暴露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，只消 EGO centric 的数据能提供，非 EGO 视角的老师，费劲了对模子深层领悟的监督，只可监督轨迹和图像，无法监督模子面临问题时的贬责有打算，也无法获得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限制用EGO Centric？

朱雁鸣：因为前年环球都在用 VLA。VLA 的 Backbone 是讲话模子，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 闲散不了物理全国条款，是以开动追溯到导入大宗东谈主作念事的方式进行老师。

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 的暴露，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 就开动蚁集数据，但这仅仅第一视角的视频，只靠视频无法闭环东谈主的步履和感知，存在严重的信息缺失。

第一，真实的 EGO 数据，应该是多模态的，而不仅仅视频这一个单一模态。东谈主完成操作，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蚁集。历久来看，具身模子一定需门径略触觉，才能和东谈主类的步履对皆，单一视觉的 EGO 数据，无法闲散模子的历久老师需求。

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 数据对关键精度、感知精度有自然的高条款，真实有价值、能被模子大宗量学习的，是多模态、高精度的 human data，而非低质料的第一视角视频。低质料数据老师出来的模子，需要极高的二次调优老本，就像 OpenAI 早期用互联网语料老师，临了发现大宗问题，只可雇佣大宗东谈主员生成高质料的东谈主类对话数据再行老师。

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：普通消费级开发无法闲散 EGO 数据的蚁集需求，这里有几个底层的技能条款。

第一，视角高精度蚁集，对视线有硬性条款。目下行业里有激光雷达、红外、纯视觉三条技能阶梯，纯视觉是最合理的，因为它的鲁棒性最高，也具备限制化能力，激光雷达受硬件赶走无法大限制铺开。而纯视觉有打算，对录像头的数量和视线有明确条款。

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同转头、动弹眼球，因此蚁集开发的视线需要远超 150 度。咱们的 EGO 蚁集开发作念到了 270 度视线，不错完整隐讳东谈主手的总计行动范围，保证因果链的完整。

第二，精度需要多录像头差分来竣事。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 蚁集开发需要定制化的多录像头有打算，传统的单录像头手机，无法闲散精度条款。

雷峰网：是以"原装"的开发才是最优的贬责有打算？

朱雁鸣：对，因为开发是反推数据需求来遐想的，如真是的这样唐突，咱们也不会参预这样多老本去作念自研。

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：难度额外高。来源是通信与时期对皆的条款，手部开发的图像、触觉蚁集有固定频率，头戴开发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延伸问题，平直影响数据的灵验性。

当今咱们作念到了毫米级定位。咱们最终要产出东谈主在实足空间下的实足步履和轨迹，需要先竣事头和手的高精度相对定位，再以头为核心，竣事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，莫得平直的测量方式，只可通过多相机视觉竣事，这对相机路数、云霄数据处理能力都有极高的条款。同期，在田园、大型商超级大空间场景中，东谈主在空间里的实足定位也有很高难度，需要多传感器组合有打算才能保证数据精度。

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照旧并行关系？

朱雁鸣：是并行关系，本质上是不同诓骗场景的适配。许多场景下，两根手指的夹爪就裕如了，比如工业场景、基础物流场景，只需要捡箱子、翻动物品，两指就能闲散需求；五指结构则是面向更贤达的操作场景。

如果从层级关系来看，五指是比两指更表层的贬责有打算，更具备历久价值。如果模子基于五指数据学会了东谈主类的基础领悟和能力，未来即便诓骗本质是两指、三指结构，也不需要很高的迁徙老本，这即是行业常说的跨本质迁徙问题。跨本质迁徙的底层，是模子的领悟深度，以及是否变成了完整的因果闭环，而非依赖固定的硬件形势。

雷峰网：那当今 UMI 夹爪在你们的居品体系里，定位是什么？

朱雁鸣：UMI 当今的定位，主要服务两类需求。一类是适配特定的诓骗场景，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 有打算；第二类是适配客户的居品需求，有些客户现阶段落地的居品即是两指类本质，反向需要两指类的数据闲散老师条款，咱们也会提供对应的 UMI 有打算。

另外，传统 UMI 的构型，需要东谈主操作开发完成行动，步履不当然，蚁集效力低，还会因为操作熟练度产生脏数据。咱们当今作念了新款的 Fingers 居品，构型更接近东谈主的两根手指，相称于从五指居品中去掉三根手指，只保留关键的两根，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：你们的客户对高质料数据的条款有哪些？

朱雁鸣：条款大约有四点。

一是极高的千般性条款，这小数可能反知识，即便客户只聚焦一个诓骗场景，在模子老师阶段，也需要千般的步履、空间暴露能力，来提高模子的鲁棒性和泛化能力。

二是完整的模态，模子老师本质上是监督学习的过程，监督的关键，即是模态与赶走的对皆是否完整，因此总计和行动赶走关连的模态，都必须完整隐讳，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，是模子老师效力的基础保险。

四是完整的想维链，这小数量下行业还莫得泛泛计划，但它是机器东谈主竣事长程任务的关键数据条款。比如拖地这个长程任务，拖过的地方不需要再拖、什么进度需要清洗拖布，都莫得固定的法度，东谈主类施行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，是让模子暴露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，模子无法暴露背后的逻辑，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，是高质料数据的核心特征。

04

机器东谈主厂商不会限制化数采，

就像汽车厂商不会我方建电板厂

雷峰网：前年许多公司喊出"百万小时数据"想法，你以为竣事起来难不难？

朱雁鸣：额外难，因为对咱们来说，这百万背后，不是单纯的堆量，而是高质料的数据围聚。来源从东谈主力角度来看，一个东谈主一天灵验产出数据的时期大约只消 5-6 小时，受膂力等要素赶走，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，也需要持续运营 3 个月以上，才能竣事这个想法，而这仅仅东谈主力层面的难度。

更关键的是，这背后需要配套海量的蚁集开发、极强的模子自动化处理能力、畅达的数据链路。总计这个词经由就像漏斗，任何一个设施出问题，都会产生层层折损，最终能转变的灵验数据比例会大幅裁减。

从咱们的角度来看，要竣事这个想法，有三个核心门槛：第一，是否有能闲散高质料数据条款的开发；第二，开发能否竣事众包限制化落地；第三，是否具备大限制数据的自动化链路处理能力。本年咱们有信心产出朝上500万以上的高质料数据，这亦然咱们体系化能力栽植后的快速增长能力。

当今咱们有信心、也照旧和其中大部分企业建树历久结合。喊标语没专门旨，关键要看是否真实落地了关连的开发、团队和体系化能力。

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？你们未来会不会切入模子赛谈？

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，核心是细目竣事历久想法的技能范式；产业阶段，范式明确后，用工程化的方式加快落地；买卖阶段，面向录用、老本、买卖化目的优化。

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贬责，当今行业里的居品，很难在某一个专职事情上作念到和东谈主相同的水平。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，我额外招供 Generalist，他们是一家额外纯正的公司。他们一直相持用 scaling law 的方式，提高具身智能的发达，这是他们的底层驱动。

回到 GEN1 的发达，我认为有三个核心亮点。第一，竣事了并吞模子的多任务施行能力。当今行业里许多公司的模子，本质上是狭义的零散模子，比如专门作念叠穿着的模子，换个任务发达就会很差，但 G1 在多任务场景下的发达，照旧得到了考据。

第二，模子从千般数据中，真实学到了东谈主类的纠错能力。从他们发布的视频能看到，模子第一次施行任务失败后，能快速字据罪状完成雠校；面临刻意的干涉，也能实时给出贬责有打算，这小数额外珍贵。

第三，照旧开动探索长程任务的竣事。他们照旧在尝试 3-5 分钟完成一个完整的复杂任务，而非并吞个行动重迭十几次，这是行业里额外少有的探索，也贴合具身智能的真实落地需求。

雷峰网： Generalist 老师用的数据，主要亦然 EGO 数据吗？

朱雁鸣：他们当今主要照旧用 UMI 夹爪，但也照旧在探索ego场地，因为umi存在我方的上限，尤其是移动机器东谈主场景，UMI 会更难适配。

雷峰网：Generalist 与国内具身智能公司有哪些互异？

朱雁鸣：来源是理念上的互异。Generalist 与其说像一家公司，不如说更像一家科研机构，团队只消二十几个东谈主，莫得买卖化想法，融资也不以买卖化作念核心诉求，额外纯正，专注于通过底层篡改迭代技能自身。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，很难作念到这种纯正。

其次是勇气，现阶段东谈主类数据作念基座模子、大限制预老师是需要参预额外多资源，况兼存在巨大不细目性的事情。Generalist 的底层篡改，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，这个过程额外漫长，需要花费大宗的算力和数据，后期的花费只会更大。

雷峰网：未来国内数据赛谈的方法会是若何的？

朱雁鸣：会是有头部也有散播的生态。因为第一这个阛阓的盘子裕如大，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，会有大宗垂类需求，数据和算法是绑定的垂类关系，不可能有一家公司的一套有打算，能齐全适配总计场景，一定会有企业在细分垂类里作念得更适配。

因此，最终会变成的方法是：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，是一个多元的阛阓气象。在通用场景下，行业会缓缓趋同，会出现有打算、价钱都有显然上风的头部供应商。

雷峰网：整机厂商未来一定要买第三方数据吗？这种数据依赖是持续性的吗？

朱雁鸣：本质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，但跟着行业熟悉，产业链单干会越来越明确，各方的范围也会越来越清澈。

第一，数据全链条的复杂度，远超讲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、单独的模子和运营能力爱戴，况兼数据的价值是历久的。机器东谈主老师新模子，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，这需要持续的、大限制的数据蚁集和处理能力。

第二，全链条的体系化能力，会变收效力和老本的壁垒。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居品；历久来看，即是老本的竞争，体系越熟悉、效力越高，限制化后的老本上风就越显然。

我时时用一个类比，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，老本也不低，但当今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，在老本、效力上都比我方作念更高，从零到一自建反而收之桑榆。

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，自动化能力。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，自动化能力越强，数据录用的效力越高、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，谁就掌捏了核心竞争力。

第二，硬件模态研发能力。当今大多数数采公司，都莫得专注作念硬件的底层研发，要么用开源有打算，要么用消费级居品凑合，这种凑合出来的有打算，产出的数据看似可用，但 3-5 个月后就会被证伪，无法赞成模子的历久老师。硬件模态的研发，还要兼顾低老本，只消细目了可限制化、低老本的模态有打算，才能谈第三个核心竞争力。

第三，真实的限制化能力。自动化水平高、模态全、老本低，才能竣事最佳的限制化。限制化的核心，是构建敏捷的数据链条，竣事老本的非线性增长。如果 10 万条数据的老本，只比 1 万条翻了一倍，而非 10 倍，才能络续提高业务的天花板，这才是可持续的买卖模式。