"百億規(guī)模的生意誰在布局？"

作者 | 簡安

編輯 | 盧旭成

中國的具身智能行業(yè)有多火？據(jù)不完全統(tǒng)計，開年至今總?cè)谫Y額已超300億元，估值超100億元的具身智能公司超20家。4月16日，它石智能宣布完成4.55億美元融資，成為這輪具身智能融資狂潮的最新案例。

這超300億融資中的大部分并沒有流向機(jī)器人本體制造。貝殼財經(jīng)曾報道，年內(nèi)超過半數(shù)投資都涌向“具身大腦”和“靈巧手”這兩個方向——一個決定機(jī)器人的智商，一個決定機(jī)器人的動手能力。

數(shù)據(jù)卡住了具身智能的脖子

目前，機(jī)器人最大的問題不是腿腳不好，而是腦子不夠聰明。也就是說，單純的機(jī)器人硬件制造已不是壁壘，如何獲取、處理和利用大規(guī)模、多模態(tài)的真實世界數(shù)據(jù)，成為決定具身智能模型能力上限和產(chǎn)業(yè)發(fā)展速度的關(guān)鍵。

目前來看，市場上絕大多數(shù)機(jī)器人還停留在模仿階段，只能完成單一的標(biāo)準(zhǔn)化任務(wù)。比如一臺機(jī)器人可能會疊衣服，但不一定會疊被子，它需要一個動作一個動作地學(xué)，做不到像人那樣舉一反三。

這種單點(diǎn)模仿的能力和通用智能相差甚遠(yuǎn)。造成這種困境的根本原因就在于：沒有足夠多高質(zhì)量的物理交互數(shù)據(jù)。要打破這個瓶頸，唯一的路徑就是用海量的數(shù)據(jù)喂養(yǎng)模型，讓機(jī)器人在無數(shù)次的交互中學(xué)會泛化能力。這個邏輯和大語言模型的進(jìn)化路徑一致，只是兩者需要的數(shù)據(jù)天差地別：大語言模型之所以聰明，是因為它消化了互聯(lián)網(wǎng)幾十年積累的海量文本數(shù)據(jù)，而機(jī)器人要變聰明，則需要真實物理世界中包括視覺、觸覺、運(yùn)動軌跡、空間位置等多維度的龐雜數(shù)據(jù)去喂養(yǎng)。

與自動駕駛面對的高標(biāo)準(zhǔn)場景如全國統(tǒng)一的交通規(guī)則、高度標(biāo)準(zhǔn)化的操控邏輯，因而數(shù)據(jù)采集相對規(guī)范統(tǒng)一不同，機(jī)器人面對的是家庭、商超、工廠等非標(biāo)準(zhǔn)化的場景，每一個場景、每一個物體、每一個動作都可能存在差異，這讓數(shù)據(jù)采集的難度指數(shù)級上升。數(shù)據(jù)荒，已經(jīng)成為制約整個具身智能行業(yè)發(fā)展的瓶頸。

覓蜂科技董事長及CEO姚卯青在接受藍(lán)鯊財經(jīng)社等媒體采訪時透露，ChatGPT5的訓(xùn)練數(shù)據(jù)達(dá)100億小時，具身智能的有效數(shù)據(jù)量只有50萬小時 ，差距達(dá)兩萬倍。如果說語言大模型已是大學(xué)生的話，那具身智能大模型就還是一個小嬰兒。所以很多機(jī)器人公司融到錢之后，最先做的一件事就是：買數(shù)據(jù)、采數(shù)據(jù)。

數(shù)據(jù)“賣水”人瞄準(zhǔn)了這一產(chǎn)業(yè)痛點(diǎn)。

4月16日，京東和智元機(jī)器人旗下的覓蜂科技各自拿出了一套關(guān)于具身智能（物理AI）數(shù)據(jù)的解決方案：京東在全球首推覆蓋“采、存、標(biāo)、訓(xùn)、評、仿、測”全鏈路的具身智能數(shù)據(jù)基礎(chǔ)設(shè)施；覓蜂科技要做“一站式物理AI數(shù)據(jù)服務(wù)平臺”。

圖源：覓蜂科技CEO姚卯青

這兩家企業(yè)在同一天發(fā)布的方案，揭示了一個正在發(fā)生的事情：具身智能行業(yè)的核心瓶頸已經(jīng)從硬件本體（“小腦”）快速轉(zhuǎn)移到驅(qū)動智能決策的高質(zhì)量訓(xùn)練數(shù)據(jù)（“大腦”）。業(yè)內(nèi)人開玩笑說，賣機(jī)器人本體的企業(yè)不一定能快速實現(xiàn)盈利，但數(shù)據(jù)“賣水”的生意可能最先跑通。

圖源：網(wǎng)絡(luò)

具身智能數(shù)據(jù)生意市場規(guī)?；虺?00億元

數(shù)據(jù)標(biāo)注并不是什么新鮮生意，早在2014年前后深度學(xué)習(xí)、推薦算法興起的時候，就催生了一大批數(shù)據(jù)標(biāo)注工廠。

當(dāng)時它們主要給百度、抖音這樣的互聯(lián)網(wǎng)公司提供服務(wù)，通過人工標(biāo)注圖片和視頻來訓(xùn)練算法。也有影視和游戲類的公司，用動作捕捉設(shè)備采集人體動作數(shù)據(jù)，用來制作電影特效和游戲動畫。但這些早期的數(shù)據(jù)，無法滿足機(jī)器人訓(xùn)練的數(shù)據(jù)需求——傳統(tǒng)數(shù)據(jù)標(biāo)注大多用于內(nèi)容AI，與物理AI的訓(xùn)練邏輯不一定相同；影視動作捕捉則更多追求視覺效果，而不是讓機(jī)器人復(fù)刻動作。所以很多機(jī)器人公司發(fā)現(xiàn)，買回來的數(shù)據(jù)要么精度不夠、要么場景不匹配，不能直接用來訓(xùn)練具身智能大模型。

市場上沒有足夠多高質(zhì)量的數(shù)據(jù)，一些頭部機(jī)器人公司便親自下場做數(shù)據(jù)業(yè)務(wù)。比如智元機(jī)器人就拆分出覓蜂科技，專門打造一站式物理AI數(shù)據(jù)服務(wù)平臺；京東也發(fā)布了覆蓋“采、存、標(biāo)、訓(xùn)、評、仿、測” 全鏈路的具身智能數(shù)據(jù)基礎(chǔ)設(shè)施；還有一批從自動駕駛、人工智能實驗室出來的初創(chuàng)團(tuán)隊，也紛紛涌入這個賽道。

目前行業(yè)內(nèi)的機(jī)器人數(shù)據(jù)主要分為三類，各自的定價和用途也有明顯區(qū)別。其中，仿真數(shù)據(jù)在虛擬環(huán)境中生成，主要用來補(bǔ)充一些罕見的長尾場景，尚未形成大規(guī)模的流通市場，價格也不透明；通過穿戴設(shè)備采集人類動作數(shù)據(jù)的無本體數(shù)據(jù)，成本低也更易規(guī)模化，收斂狀態(tài)下價格大概是真機(jī)數(shù)據(jù)價格的三分之一到二分之一。

精度最高的是真機(jī)數(shù)據(jù)——實體機(jī)器人實際操作采集的數(shù)據(jù)，最適合用來訓(xùn)練落地場景的模型，市場價在每小時 500-1000 元之間。這個價格聽起來不算太貴，按這個價格測算，如全行業(yè)一年能產(chǎn)出100萬小時的有效數(shù)據(jù)，對應(yīng)的市場規(guī)模是10億元；如果有效數(shù)據(jù)產(chǎn)出提升到1000萬小時，就是100億元的市場規(guī)模。姚卯青告訴藍(lán)鯊財經(jīng)社，現(xiàn)在整個物理AI數(shù)據(jù)處于“有多少買多少”的供不應(yīng)求的狀態(tài)。

因此，京東和覓蜂都把千萬小時級產(chǎn)能定為目標(biāo)。姚卯青表示，2026年覓蜂將實現(xiàn)千萬小時級數(shù)據(jù)產(chǎn)能，目標(biāo)在2030年達(dá)成百億小時級數(shù)據(jù)產(chǎn)能，共建全球最大物理AI數(shù)據(jù)生態(tài)。京東也表示，要構(gòu)建全球規(guī)模最大的具身智能數(shù)據(jù)集采中心，在兩年內(nèi)積累1000萬小時人類真實場景視頻數(shù)據(jù)。

為了快速放大產(chǎn)能，京東和覓蜂都采用輕資產(chǎn)的眾包模式，這和美團(tuán)、滴滴搭建的騎手和網(wǎng)約車司機(jī)平臺的運(yùn)營邏輯相似。

京東推出了自研的可穿戴式超高清采集終端JoyEgoCam，計劃發(fā)動最多60萬人進(jìn)行“人類史上規(guī)模最大的數(shù)據(jù)采集行動”。這個目標(biāo)完成起來不難，京東集團(tuán)2025年員工數(shù)超90萬，只要京東創(chuàng)始人劉強(qiáng)東一聲令下就可以給京東的快遞小哥、外賣騎手等提供一個增收的副業(yè)。

圖源：京東黑板報

覓蜂不自己大規(guī)模建設(shè)數(shù)據(jù)采集中心，但有一個1-200人團(tuán)隊，負(fù)責(zé)打造數(shù)據(jù)采集“樣板間”，同時給合作伙伴提供統(tǒng)一的標(biāo)準(zhǔn)、系統(tǒng)和運(yùn)營管理模板，吸引各地合作伙伴加盟。合作伙伴在全國自建團(tuán)隊、采購設(shè)備完成數(shù)據(jù)采集，覓蜂科技負(fù)責(zé)派發(fā)訂單、管控質(zhì)量和對接客戶。這種模式，不僅能讓覓蜂科技迅速擴(kuò)張產(chǎn)能，還能推動智元機(jī)器人硬件的銷售——合作伙伴要采集真機(jī)數(shù)據(jù)，需要采購智元的機(jī)器人和相應(yīng)的設(shè)備。

姚卯青透露，千萬小時目標(biāo)級的具身智能優(yōu)質(zhì)數(shù)據(jù)需要鋪設(shè)1萬臺采集終端。如此，光是覓蜂的合作伙伴就能幫智元機(jī)器人多賣1萬臺機(jī)器人（宇樹科技2025年才賣出5500臺人形機(jī)器人）。這個模式跟比亞迪新能源汽車一開始主要賣給出租車公司類似。

圖源：覓蜂科技

不過，這個快速發(fā)展的行業(yè)，依然還面臨很多挑戰(zhàn)。如機(jī)器人場景的非標(biāo)準(zhǔn)化，導(dǎo)致數(shù)據(jù)采集的質(zhì)量參差不齊；很多地方的數(shù)采中心存在重復(fù)采集、低效運(yùn)營的問題；無本體數(shù)據(jù)雖然采集效率高，但天生存在精度不足的缺陷；整個行業(yè)也還沒有形成統(tǒng)一的數(shù)據(jù)標(biāo)準(zhǔn)，不同平臺采集的數(shù)據(jù)很難跨平臺復(fù)用……但這些痛點(diǎn)也恰恰是這門數(shù)據(jù)生意的壁壘。

姚卯青表示，現(xiàn)在的具身智能就像是大模型2017年、2018年剛出現(xiàn)時的狀態(tài)，大家已經(jīng)看到一條路徑，但還沒有看到完整的智能涌現(xiàn)的雛形，機(jī)器人要實現(xiàn)真正的通用智能，至少還有四五年的路要走。這也意味著，行業(yè)對優(yōu)質(zhì)數(shù)據(jù)的需求會長期存在，而且會越來越旺盛。