雷峰網(wǎng)訊 高質(zhì)量數(shù)據(jù)正在成為具身本體性能突破和成本控制的瓶頸。在具身智能從技術演示走向規(guī)模落地的關鍵轉(zhuǎn)折期，對于數(shù)據(jù)的需求和爭論也變得越發(fā)火熱。從遙操作到UMI，從動捕到仿真數(shù)據(jù)，具身數(shù)據(jù)的未來在數(shù)采工廠，還是名為In-the-wild的美好愿景？

2025年12月13日，第八屆GAIR大會的數(shù)據(jù)&一腦多形專場，舉辦了主題為具身數(shù)據(jù)的圓桌論壇。圓桌主持人為英諾天使基金 ED，石麻筆記主理人王建明，并邀請了諾亦騰機器人創(chuàng)始人戴若犁，極數(shù)迭代CEO、深圳AIRS訪問研究員佟顯喬，鹿明機器人CTO丁琰，共同圍繞具身數(shù)據(jù)的質(zhì)量、采集以及數(shù)據(jù)飛輪等議題，展開了一場深度對話。

對機器人而言，什么是好的數(shù)據(jù)？王建明以數(shù)據(jù)質(zhì)量切入，幾位嘉賓就“以終為始”達成了共識，最終的模型性能、訓練中機器人的受益程度反映著數(shù)據(jù)的質(zhì)量。丁琰進一步指出，采集成本和各種數(shù)采方式對于不同場景和硬件的適配與否，都是決定數(shù)據(jù)質(zhì)量的關鍵環(huán)節(jié)。

未來的數(shù)據(jù)采集方式或?qū)⒆呦蚨嘣?。作為一家有?shù)據(jù)能力的創(chuàng)業(yè)公司，丁琰表示，鹿明機器人正在籌建自己的數(shù)采廠。出于成本考慮，現(xiàn)階段采用 UMI方式進行數(shù)據(jù)采集，但未來仍可能引進更多方案。“遙操作、 UMI（Universal Manipulation Interface）、動捕、仿真數(shù)據(jù)，存在即合理?！倍＄鼜娬{(diào)。

戴若犁就In-the-wild的數(shù)據(jù)采集方式發(fā)出了提醒，他指出這是一種高度考驗技術水平的方案，其落地需要先后克服軟硬件易用性、組織管理能力兩道難關，而在當前的時間節(jié)點，邁過前者的技術門檻無疑更為重要。

具體而言，在采集階段需要低摩擦、高精度、多模態(tài)的數(shù)采設備，野采數(shù)據(jù)的利用，還需要從稀疏原始數(shù)據(jù)中得到稠密信息的技術方案。戴若犁認為，一條可行的鏈路是通過世界模型進行先驗估計，輸出更豐富的模態(tài)及維度數(shù)據(jù)。相較之下，遠未到比拼人力組織能力的時間。

佟顯喬認為，數(shù)據(jù)采集行業(yè)仍處于早期階段，數(shù)據(jù)、本體、模型公司仍在相互磨合。不同的模型公司提出了不同的需求，這意味著數(shù)據(jù)公司不能停留于堆人力的體力活階段，而是要懂模型、給建議。“模型公司也需要你的knowledge”，佟顯喬強調(diào)，“一個個批次之后，大家才能一起做得更好?！?/p>

以下是此次圓桌討論的精彩分享，AI科技評論進行了不改變原意的編輯整理：

王建明：我們這個panel的話題是數(shù)據(jù)，所以我的第一個問題，是想請各位先定義一下，對于機器人來說什么是好的數(shù)據(jù)？請戴博先開始吧。

戴若犁：我覺得還是以終為始，最終在訓練模型、機器人的時候能夠獲得收益，而且收益比較高的數(shù)據(jù)是好數(shù)據(jù)。

佟顯喬：我覺得這一定是從最后的模型出發(fā)，什么數(shù)據(jù)最后能訓練出一個比較好的模型，就是好的數(shù)據(jù)。我們今天基本上是這樣定義，但是因為今天模型的狀態(tài)沒有收斂，用什么樣的數(shù)據(jù)能訓練出什么樣的模型，不知道，所以其實也很難定義哪個是好的數(shù)據(jù)。

丁琰：第一數(shù)據(jù)必須要能訓練出一個模型，才是比較好的數(shù)據(jù)。第二點是數(shù)據(jù)收集成本要比較低，如果特別高，那整個行業(yè)還是接受不了。還有一點，就是數(shù)據(jù)的采集要適應場景、適應硬件。

王建明：剛才大家都提到，好的數(shù)據(jù)首先對于模型訓練要有好的效果，那么在這個前提下，數(shù)據(jù)公司怎么知道如何提供好的數(shù)據(jù)？

通常來說，這些數(shù)據(jù)都是提供給模型公司或者本體公司，模型效果掌握在客戶的手上。是客戶知道自己想要什么樣的數(shù)據(jù)，找到數(shù)據(jù)公司來定點運營，還是數(shù)據(jù)公司自己知道什么樣的數(shù)據(jù)對模型公司好，來反哺給模型公司？你們認為在整個具身智能的鏈路里，數(shù)據(jù)公司跟模型、本體或者應用公司之間，關于數(shù)據(jù)這件事情的認知，是一個什么樣的一個鏈路呢？

戴若犁：目前在前端商業(yè)實踐上，我看到的是反過來的。不是說模型公司想得特別透徹，就能夠給出命題作文，而是如果有足夠體量的數(shù)據(jù)，且里邊蘊含的信息足夠多，就能夠訓出效果。如果訓不出效果其實有很多原因，可能是模型架構(gòu)不對，可能訓練方法不對，這個鍋不一定是數(shù)據(jù)來背。所以我目前看到的是，如果你有足量且明確知道這一類數(shù)據(jù)里面蘊含足夠多的信息有待挖掘，那其實對于模型是有反向影響能力的。比如你有一個特別大體量的數(shù)據(jù)集，即使這個數(shù)據(jù)集的模態(tài)、維度、精度和傳感器的方式方法選擇跟模型方原本的期待并不一樣，他們也會愿意去改變訓練的方式，甚至于讓模型的架構(gòu)去適應數(shù)據(jù)集本身。

佟顯喬：我看到的其實跟戴總看到的比較類似，很多時候模型公司找到我們是說，這樣做行不行，那樣做行不行，他們其實也需要你的knowledge。在這個過程中，大家還有一個磨合，比如一開始說這樣采，很可能采完這一批次以后，下一批他說我覺得這樣做應該更好。

所以其實目前來看，可能因為行業(yè)還是早期階段，所以沒有一個統(tǒng)一的方式，大家都是在相互磨合。甚至你會發(fā)現(xiàn)不同模型公司，需求可能千差萬別，提的要求也很不一樣。所以作為一個數(shù)據(jù)公司，我覺得不能只是純粹做labor的工作，你還是要懂一些模型，你需要跟他們?nèi)ソ涣?，給他們建議，這樣大家才能一起做得更好。

丁琰：我還是比較認同佟博士的觀點，我認為就是做數(shù)據(jù)和做算法的公司是分不開的，數(shù)據(jù)和算法是不拆家的。到底什么是算法？你要搞一些非常高深的模型架構(gòu)，做一些很創(chuàng)新的探索，可能沒有到這種級別。但是你如果要把市面上常見的主流算法和數(shù)據(jù)模型全部玩熟，我覺得還是非常非常必要的。不然的話，你采出來的數(shù)據(jù)很多是很臟的，基本上不能用。

跟行業(yè)里的人進行交流的時候，我就發(fā)現(xiàn)很多公司沒有訓練基礎模型的能力，他們對于數(shù)據(jù)的理解是非常簡單的，認為只要按照指令把數(shù)據(jù)給采了就行。但其實這些數(shù)據(jù)往往是不能用的。

每個任務都需要進行一些特定的任務設計，比如大家都會疊衣服，但其實這里面技巧性非常強。你這個技巧怎么來的？其實是在采了一堆數(shù)據(jù)之后訓，發(fā)現(xiàn)有一些問題，然后再去改進采集技巧，再來訓，最終才能得到一個比較好的效果。在這個數(shù)據(jù)采集和算法迭代的過程中，你會獲得很多know-how和insight，這些東西是在數(shù)據(jù)公司是非常關鍵的，這些東西才是真正寶貴的價值，而不是只是把這個數(shù)據(jù)采完交付給客戶，客戶愛怎么訓怎么訓就得了。這個是完全不一樣的。

另外一點就是，說到底是數(shù)據(jù)決定，我認為現(xiàn)階段做算法的人和做數(shù)據(jù)的人要不斷地進行迭代，最后才能去完成這個東西。像我們公司就是，我們自己也做一些基礎模型的訓練，然后會對數(shù)據(jù)本身有一些 know-how 和insight，知道怎么采。但是我們自己得到的這些經(jīng)驗教訓，可能只能針對于部分任務，比如說pick and place，或者是針對于工業(yè)場景，因為我們還是做工業(yè)場景比較多。但如果是做精細化的任務，比如我今天跟客戶去聊，系鞋帶、疊衣服、疊紙盒子，這些任務就是另外一種 know-how和insight了?？赡艿酶蛻粢黄鸪砷L，才能獲得很好的know-how和積累。

王建明：據(jù)我自己觀察，行業(yè)其實階段性地對不同類型數(shù)據(jù)的側(cè)重點是不一樣的。比如從2023年下半年開始，同構(gòu)遙操這種數(shù)據(jù)采集范式被帶火了。 UMI這個工作是23年年末地，但實際上它近期被Sunday Robotics 還有 the generalist 帶火了。24年我覺得數(shù)采還是以同構(gòu)遙操為主，到了今年上半年，有一些動捕的數(shù)據(jù)采集范式也被帶火了，我感覺肯定也有一些北美進展的淵源。

就各位的觀察，目前中美在數(shù)據(jù)這個問題上面，你們覺得最大的非共識是什么？共識又是什么？你們或多或少跟北美的一些客戶有聯(lián)系，你認為他們現(xiàn)在重點的這個數(shù)據(jù)采集范式又是什么？

戴若犁：首先我覺得現(xiàn)在中美之間在機器人上完全沒有代差。他們不是開玩笑嗎，說Our Chinese better than your Chinese。我大概每兩個月在灣區(qū)待兩周，在灣區(qū)談生意需要說英文的時間還是挺少的，其實都是同一撥人，同學、朋友、師兄、師弟、學生，一起聊天。所以首先我沒有覺得中美有特別大的，共識方面的差異，大家其實都還挺一樣的。但我覺得中美在數(shù)據(jù)上面其實有一個特別大的區(qū)別，就是美國好像沒有地方政府的助力。數(shù)據(jù)這件事情，特別是數(shù)采廠，有地方政府助力，就會比較傾向于本體公司和地方政府合作，然后得到非常大的機會，拿到當期收入去建以遙操作為主的數(shù)采中心，也就比較少有機會孵化出來像 generative 或者Sunday 這樣In-the-wild或者 UMI的方式去采數(shù)據(jù)。

所以這個分水嶺我覺得很有意思。就是如果沒有這么多特別eager地想要幫助創(chuàng)業(yè)者，幫助企業(yè)招商引資的地方政府，可能就不會有這么多的數(shù)采中心用遙操作去采數(shù)據(jù)，可能也就會促使像 UMI這樣的方式早一點在中國落地。

這件事情完全不是因為技術的共識有差異或有代差導致的，我覺得反而是一種資源詛咒。我小時候打籃球，彈跳非常好，雙手隨便抓筐哐哐地扣，但是我技術非常差。我現(xiàn)在歲數(shù)大了，打球打得越來越差，被原來打球沒我打得好的人隨便過，我這就是資源詛咒，因為我小時候資源太豐富了。所以我覺得這就可能不是代差，而是資源詛咒。

王建明： UMI這樣的方式去年出來，我感覺當時可能也有一些人在關注，但實際上是今年有一些北美公司把它release出來，才受到更廣泛的關注。

戴若犁： UMI就是很合理呀。 UMI其實是human-centric，它只是末端執(zhí)行器end effector 被置換了的human-centric，所以說它就是很合理，它somehow可以跨本體。

王建明：丁博士， UMI是你之前一個比較著名的工作，可能在這種數(shù)據(jù)采集方式上面，你們應該是第一批關注，并且在這個基礎上去迭代做工程化的。可以聊聊你們對 UMI的看法嗎？

丁琰：這項工作其實我們在24年3月份就開始做了，當時在上海 AI Lab的時候就啟動了這個項目，做到現(xiàn)在一直沒有換過。我確實看到了數(shù)采方式從遙操作到 UMI，一路在迭代的過程。

其實我感覺中美之間是有代差的，至少在模型，或者是引領具身智能發(fā)展方向上有，可能北美那邊的模型或者資源還是比較多。因為之前我們做 UMI的時候還是比較默默無聞的，沒有人關注，整個大陸好像只有我們一家公司，或者只有我們這一個團隊在做這件事，也是我們自己一直在迭代。直到Sunday Robotics發(fā)布出一個非常牛逼的模型，基本上全中國或者全世界的關注點才轉(zhuǎn)向 UMI。我們的產(chǎn)品剛好在這個時間點工程化出來了，基本上整個具身智能圈子的同行都在瘋狂地采購和咨詢，所以我覺得確實美國那塊的人還是在引領一些潮流和方向。特別是 UMI這個東西，如果只有我們一家公司來做，其實我很難想象到底什么時候能火起來。雖然我們自己很堅信 UMI，但是可能整個中國的同行并不是很堅信。很感謝美國的這些公司引領這些潮流。

然后關于非共識，在一些技術路線上其實是有一點點非共識，但是gap很小，可能很快就彌補上來了。等到Sunday Robotics出來之后，中國的公司就一擁而上地探索 UMI，很快就把這個非共識給填起來了。

我們自己在做 UMI的時候，其實也會有一些自己的know-how 和insight。舉個例子，Sunday Robotics其實更偏向于一種后處理的方式，它把設備分發(fā)給Airbnb那些工作人員，或者是眾包人員去采，采完之后再把它收集回來處理。我們覺得這種方式稍微有一點點不太合理，因為我自己在建數(shù)采廠的過程中，發(fā)現(xiàn)人員是非常難管理的。如果是通過這種方式去做，后續(xù)處理流程的時間和消耗是異常的巨大。所以我們自己是選取的前處理，前處理的意思就是把時間花在前面，不要花在后面，在采集過程中我就及時評估和反饋數(shù)據(jù)到底好還是不好，有什么問題當場就處理掉，最后收集起來的數(shù)據(jù)100％是合格的。

剛剛那個戴博士說的human-centric data其實有一點點像 UMI，但是 UMI又很特殊，它更多針對于二指夾爪這一塊。真正的human-centric更多地偏向五指，二指比較特殊，但是二指又是一個很重要的領域，因為整個中國使用二指夾爪的這個比例份額我認為還是大于99.9% 的，用五指靈巧手的份額目前來看偏少。主要是這個硬件本身不是特別穩(wěn)定，所以大家用起來，真正落地的還是二指為主， UMI就在這個生態(tài)里面占據(jù)了一個比較重要位置。雖然它屬于human-centric這個分支，但是它又跟五指有區(qū)別，這是我們對 UMI的認知。

當然 UMI其實還有很多問題，比如說active perception，要不要帶頭部視角？我們在跟客戶聊的過程中就會發(fā)現(xiàn)，因為原始的 UMI只有兩個夾爪，只有手部這兩個相機，這種configuration的配置它對硬件設計就會有一些要求，它會希望這個腕部相機的畫面是稍微比較大的，它可以獲得更多environment的feature，這樣就利于訓練嘛。

但是如果你加上一個頭部相機，那還需不需要這么大的一個畫面？這也是一個問題。你如果加上一個頭部的畫面，它又會引申出一些其他的問題。比如坐標系之間的對齊，或者是你用哪個坐標系。還有頭部要不要動？對于輪式雙臂來說，頭部一般是固定的，沒有這個自由度。如果你想引入一個active perception，有一些工作是在頭上加了一個小機械臂，把這個小機械臂上掛一個攝像頭，這就會彌補active perception所帶來的自由度問題。但是這樣又引發(fā)一些其他的問題，比如市面上沒有這種機器人，頭上還長一個機械臂，所以說這些問題其實都沒有被解決。這個 UMI的探索之路其實還是很長很長的，至少目前來說，我們覺得整個中國大陸或者全世界的具身智能圈子，對這方面的探索基本上屬于空白，或者說沒有做很多。我覺得在這方面，可能中美之間都會有一些這個共識或非共識在里面。

王建明：對。剛才戴博也說到了資源稟賦的問題，我確實也觀察到，北美它有很多配套模型公司的數(shù)采或者數(shù)據(jù)處理公司，或者設備公司，可能它們都是專門去服務某一些大公司的。那國內(nèi)的話，我們目前當然看到了有一些數(shù)據(jù)相關的創(chuàng)業(yè)公司，但更多的還是政府支持的數(shù)采工廠。

所以我的一個問題是，這種這種政府支持的數(shù)采工廠是不是真的可以解決數(shù)據(jù)問題？在這個過程中，作為有一定數(shù)據(jù)能力的創(chuàng)業(yè)公司，你們覺得應該怎么跟這些數(shù)采工廠合作？或者有什么建議給到這些有資源稟賦的單位？

佟顯喬：我覺得中國這兩年，各個地方政府大量地建訓練廠，對行業(yè)肯定是有促進作用。但是現(xiàn)在建的大量訓練場都是用的遙操方式，那7這是不是正確的？這個也很難說。

再一個，政府肯定是滯后的。如果以后的方向變了，以這種In-the-wild的方式做數(shù)采，可能他也會改變。所以就剛才討論的這個問題，我覺得如果以后通用機器人的能力要到來的話，一定是需要In-the-wild這種方式的數(shù)據(jù)，因為首先它必定要跨本體，第二一定是要大量數(shù)據(jù)。那用任何一個本體去采，即使你有那么多訓練場，也不太可能達到這個目標。

各地訓練場是地方政府投資，然后買本體，給很多做本體的公司帶來了收入。政府肯定也不想做賠錢的生意，采完的數(shù)據(jù)要賣回去，那數(shù)據(jù)賣回去以后，大家拿數(shù)據(jù)訓練模型，可能是形成了這樣的一個小閉環(huán)，我覺得短期內(nèi)對這個行業(yè)肯定是有促進的作用。但這件事是從商業(yè)上的考量，是不是導致了技術的方向不一定一直在正確的方向上，也是有可能的。不過這個行業(yè)因發(fā)展很快，其實去年的方向和今年也不一樣，所以這個我覺得都是走一步看一步。

丁琰：其實我們鹿明公司自己也正在籌建數(shù)采廠，目前有兩個正在籌建過程中。我們自己是采用的 UMI這種方式，主要的原因還是在于成本?，F(xiàn)在的數(shù)采廠建設成本里，有70% ~ 80%可能都是買機器人硬件的花銷，這方面的成本會造成整個數(shù)據(jù)成本異常高昂。那有沒有人能消耗這些數(shù)據(jù)，其實還是有點未可知。因為這種大規(guī)模的批量建的數(shù)采廠，本身如果數(shù)據(jù)管理做不到位，數(shù)據(jù)基本上都是廢的，沒有人會買。我跟同行去交流，大家對這些數(shù)據(jù)的吐槽還是挺多的，主要就是在于精細化管理沒有做到位。

我覺得這也是前期的一種正常狀態(tài)，隨著后面的發(fā)展，可能會大家會對數(shù)據(jù)管理會更精細，或者引進不同的數(shù)采方式，彌補數(shù)采廠數(shù)據(jù)的多元化問題。我覺得不管是遙操作也好， UMI也好，動捕也好，仿真數(shù)據(jù)也好，存在即合理，只是不同份額的問題。我覺得未來的數(shù)采可能會更加多元化一點。

戴若犁：我在北京有辦公室，有團隊，在深圳也有，北京市和深圳市的領導來調(diào)研，我其實給他們都寫過這樣的建議。其實他們也很關心，到底應該怎么花錢，怎么幫助企業(yè)是最有價值的。我覺得其實就是要看最終數(shù)據(jù)的成本構(gòu)成。

比如我們說兩類數(shù)據(jù)。一種是數(shù)采工廠的，那個數(shù)據(jù)的成本大概有50%是設備的攤銷折舊。如果按照5年攤銷，大概有50%是人力的工時，剩下的都可以忽略。如果是剛才說的野采，大概60%是人力，大概40%是場景的協(xié)調(diào)，比如租500個Airbnb或者途家的房子去采生活服務，在這邊硬件攤銷又可以被忽略了。

所以我當時跟兩邊政府領導說的就是，不管是做數(shù)據(jù)的公司，還是做模型本體的公司，如果可以幫助他們在需要數(shù)據(jù)的時候，能夠在人力的補貼或者是場景的協(xié)調(diào)上降成本，或者在前置的設備投入上能夠幫助企業(yè)的話，那其實就直接在成本里頭幫助了大家。也可以考慮請我們這樣的數(shù)據(jù)服務公司，來采集一些普適的，可以跨本體的數(shù)據(jù)集，把這個數(shù)據(jù)集開放給大家，讓大家在早期試錯的時候不用每一家都自己花很多錢去做。這個可以幫助所有人，我是這么認為的。

王建明：現(xiàn)在很多賣本體的公司，他們經(jīng)常會有ToG這種銷售模式，其實很大一個點就是消耗他們的本體用來做數(shù)據(jù)采集。我覺得戴博提到的In-the-wild這個數(shù)據(jù)采集方式上，如果政府部門可以調(diào)動一些，比如國有的超市，或者政府部門能夠介入的一些人力操作的部分，讓In-the-wild這個數(shù)據(jù)采集的能力組織起來，其實不需要投入太多的這個資金，更多是資源的調(diào)度。這樣跟數(shù)據(jù)公司配合起來，可能會比購買一堆本體來得更直接，和對行業(yè)的推動會更有作用一點。

其實我們剛才也提到了，在工廠里面采集數(shù)據(jù)對量有一定的需求，但是可能更需要的是In-the-wild這個數(shù)量級的數(shù)據(jù)采集。各位在In-the-wild的數(shù)據(jù)采集上面有一些什么樣的觀察和思考？我先說說我的想法。我覺得In-the-wild這種數(shù)據(jù)，其實更多是運營能力的問題。那么是不是像美團、餓了么這一類公司，會更適合做這種數(shù)據(jù)的運營？作為數(shù)據(jù)公司來說怎么看這個問題？

戴若犁：In-the-wild的數(shù)據(jù)，分兩部分。一部分是你說的，美團、餓了么這種人力動員，高效卷人力的能力，另外一部分可能是設備能力，就是說你要有優(yōu)質(zhì)的、對于操作的摩擦很低的 low-friction 設備，而且能夠采到足夠的modality，就是模態(tài)和精度，那這是兩部分。另外一部分是數(shù)據(jù)的利用，In-the-wild采回來的數(shù)據(jù)最大的問題是稀疏，模態(tài)稀疏，維度也稀疏，信息也稀疏，那有沒有辦法從稀疏的數(shù)據(jù)里邊挖出來稠密的信息，甚至于增廣出稠密的信息？這也是很考驗水平的。比如世界模型，現(xiàn)在有一條鏈路就是稀疏性信息進到一個世界模型，通過大量的先驗估計出來更豐富的模態(tài)跟維度，這些其實都跟那個美團、餓了么的人力組織就不太相關了。

所以我覺得其實In-the-wild也是一個非?？简灱夹g水平的事情，如果只是靠人力組織的能力，那你的生意就是人力組織。到最后其實你拿出來什么能力，你賺到什么錢，這是非常公平的一個事情。

佟顯喬：我覺得In-the-wild在現(xiàn)在這個時間點其實屬于非常早期的階段，目前來看人力管理那部分還是第二步。第一步是怎么采集，硬件設備、軟件的易用性，和數(shù)據(jù)的處理，不管你是online處理還是后處理，都得先讓人可以很快地用起來。

這些東西成熟以后，后面拼的才是人力組織能力。這就有點像自動駕駛行業(yè)，現(xiàn)在數(shù)據(jù)標注就變成了標框了，但是早期階段，大家用不同的工具，標注的效率和數(shù)據(jù)采集效率其實是不一樣的。到后邊這個東西成熟以后，大家就變成比拼誰人力成本搞得低，誰組織得好，這個是第二步。所以In-the-wild在具身這塊，其實還是早期階段。目前來看還是從技術的角度，要把采集設備這些技術角度做得更好，才能到下一個階段。

丁琰：我跟那個佟博的想法還是比較一致的。Collect data In-the-wild 確實是一個很好的愿景，但是我估計大規(guī)模需求應該還是在明年下半年才會起來。因為現(xiàn)在整個模型的架構(gòu)還不是很清楚，對數(shù)據(jù)的探索，其實還在通過樣本數(shù)據(jù)或者是小批量數(shù)據(jù)去試驗的階段。大家雖然嘴上說collect data In-the-wild，但其實并沒有要那么多的數(shù)據(jù)，大部分數(shù)據(jù)應該還是出自于數(shù)采工廠。

我覺得collect data In-the-wild 肯定是要做的，但是這樣對于數(shù)采設備會提出更高的要求。舉個例子，我們便攜版本和全功能版本之間的區(qū)別就是，便攜版本沒有激光。因為激光沒有辦法在野外進行采集，它不可能隨時隨地給你提供一個電源和基站，并且激光可能還會受強光、紅外線等等的影響，還有遮擋之類的各種情況，其實就相當于有些設備In-the-wild是完全不能用的，所以怎么去設計一個數(shù)采設備是重中之重，這是第一步。

第二步是，我覺得野外采集并沒有想象中那么簡單，不是說你隨便雇一個工人，他拿著設備亂采，這個數(shù)據(jù)就能用了。我們對于數(shù)據(jù)質(zhì)量的要求始終是很高的，如果數(shù)據(jù)量非常非常大的話，可能數(shù)據(jù)質(zhì)量臟一點也無所謂，但是如果你的數(shù)據(jù)量還沒有達到一定級別，其實數(shù)據(jù)質(zhì)量要比數(shù)據(jù)數(shù)量重要得多得多。所以怎么在In-the-wild這個過程中保證數(shù)據(jù)的質(zhì)量，怎么培訓這些工人，其實也不是那么簡單的。

像美團或餓了么，他們有大量的場景和普通的工人，但我覺得他們并不能在一開始就作為主力軍去采集數(shù)據(jù)，至少在很長一段時間里是不可能的。前期階段應該還是以一些比較well train的，有很多采集技巧的工人，拿著這個合格的數(shù)采設備在野外進行采集為主。

王建明：我還有最后兩個問題。剛才也提到，除了工廠的數(shù)據(jù)采集，In-the-wild的數(shù)據(jù)采集，其實還有一種是有模型能力并且解決場景問題的公司，自己去做數(shù)據(jù)采集。舉個例子來說，主機廠自己有數(shù)據(jù)處理能力和模型能力，我感覺這一類公司確實也有趨勢，最近一段時間有可能是受北美一些公司的影響，他們可能在解決場景的問題的過程中同時積累數(shù)據(jù)和模型，把自己的小飛輪滾起來。一個一個場景解決了之后，就由小飛輪變成大飛輪。那你們覺得在這個過程中，這類公司會不會更容易積累數(shù)據(jù)？這些數(shù)據(jù)跟數(shù)據(jù)公司沒有什么關系，這會讓你們覺得很擔憂嗎？

戴若犁：我覺得這是一個很好的期待，但很大的問題就是，是不是真的能夠落地。我親身經(jīng)歷了好幾個很大的革命，比如說自動駕駛、大語言模型， AR、VR。坦白來說，具身智能現(xiàn)在每年是 200 億美元、300 億美元的錢撒到這個行業(yè)，但是如果跟之前的AR、VR、大語言模型和自動駕駛相比，百億級別的錢進到這個行業(yè)的時候，那三個行業(yè)的成熟度比現(xiàn)在具身智能的成熟度要高非常非常多。大家想想看，百億規(guī)模的錢進到 VR 行業(yè)的時候，Oculus已經(jīng)可以做成一個350美元的設備賣給你，你回家可以玩過山車了，但現(xiàn)在是沒有這樣的機器人的。然后自動駕駛，07年的時候，美國的DARPA挑戰(zhàn)賽就有六支隊伍可以完全無人干預地完成幾十英里的自動駕駛，那是18 年以前。

所以具身智能現(xiàn)在的狀態(tài)，其實我覺得很奇怪。建明也是投資人，為什么你們?nèi)雸鰰@么早？投資都投到大學教授里面去了。這其實是很奇怪的一件事情，我是高度懷疑，包括國內(nèi)的一些公司，真的能夠進到人類的家庭，讓小飛輪轉(zhuǎn)起來嗎？我特別希望可以，但是我不信。

佟顯喬：我的觀點也是。舉個例子，從最早的深度學習去做感知，到后來感知的范式變成了BEV，再到后來的端到端、VLA，其實具身就是處在一個非常早期的階段，最后是什么樣？很難說。像你說的一些垂直領域的機器人，可能它們干的活相對比較簡單。比如到車廠里邊去擰螺絲，訓一個這樣的小模型。也許以今天的能力，他們自己采數(shù)據(jù)就能解決，但這可能也不是具身機器人的最終追求。到底是哪條路能先來？這個事其實很難判斷，但我們肯定都是沖著那個最大的，或者是終極階段去的。從數(shù)據(jù)的角度來說，不管你是垂直領域還是通用領域，你采的數(shù)據(jù)，你需要的東西和訓的模型結(jié)構(gòu)其實還是那些?，F(xiàn)在這個早期階段，大家也只能follow著正確的方向走，我覺得很難判斷最后哪個能成。

丁琰：其實我是很羨慕和佩服那些公司的。比如說剛剛提到一個例子是Dyna，我們公司肯定沒有他們那種資源，他們是可以完成一個數(shù)據(jù)采集、數(shù)據(jù)訓練，反哺反饋，然后再落地的整個閉環(huán)，有點像一個獨立的王國在運行這件事。他們的know-how和insight的積累速度是非?？斓?。

絕大部分公司不能比擬這個過程。但是他們也會有一個小問題，就是除非資源非常多才能把整套邏輯和這個王國搭建起來，不然資源太分散的話可能搞不定。比如有些公司可能把90%資源全部投來訓模型，但如果每個環(huán)節(jié)都想做，你又想采數(shù)據(jù)，又想訓模型，又想去真機部署，那你得花費很多的資源去布置每一個陣地，這是很累的。他們?nèi)绻苁氐米?，那肯定是最好，但?shù)據(jù)公司的一個缺陷就是，他對于模型的理解肯定沒有別的公司強，如果你不是大量地訓模型，這個know-how和insight總歸還是會比模型公司少。

但是他還有個活下去的路徑。比如你做一個疊衣服的任務，那個know-how和insight 是針對于疊衣服這個任務本身而言的。但是對于其它任務，比如系鞋帶，這個know-how就沒有了。他不可能把所有的場景、所有的小任務、小場景全給搞定，他不可能有那么大的know-how。

但是做數(shù)據(jù)的公司就會有一條活路，這是我突然想出來的。我們是不是可以在和不同客戶打交道地過程中，有些客戶是疊衣服的，有些客戶是系鞋帶的，有些客戶是做飯的，幫助他們?nèi)カ@取know-how。他們自己可能也沒有那么多資源，所以我們聯(lián)合起來，做數(shù)據(jù)的公司和做模型的公司拼在一起，就可以把每個小場景做閉環(huán)。這可能也是一個數(shù)據(jù)公司活下來的一個途徑之一

王建明：最后一個問題。各位可以說說在機器人這個行業(yè)，個人的vision、你們創(chuàng)辦公司的vision，以及你們覺得大概到什么時間點，這個vision是可以夠得著的嗎？

戴若犁：我們公司的slogan叫做 we don' t make robots，we make them Intelligent。我們這個機器人公司不造機器人，我最大的期待，也不是vision，就是期待真的造機器人的那些杰出的企業(yè)和人，他們能活得好，他們能夠融到大錢，做大生意，這樣我們好好地做個配角就行了。

佟顯喬：我說一下我的vision。為什么做具身數(shù)據(jù)這個行業(yè)，我覺得從數(shù)據(jù)切入是在這個不確定的行業(yè)里邊，最確定性的一件事情。今天這個行業(yè)還在早期階段，最后是什么樣？long way to go?？赡苁?，可能20年，在這個過程中，我覺得數(shù)據(jù)是唯一確定的事情，而且數(shù)據(jù)積累的know-how，實際就是模型積累的。所以為什么我和深圳AIRS一起去做這件事情？也是因為覺得，從數(shù)據(jù)的角度切入，去follow最先進的方向，做具身智能這件事，是一個長期偏確定性的創(chuàng)業(yè)機會。

丁琰：機器人的場景非常非常多，我們鹿明就希望守住自己這一塊地，在這一塊地里做到top1的級別。我們自己在做 UMI數(shù)據(jù)的時候，目前來說還是最快的一家，我們想守住自己的陣地，把各種東西探明白、搞清楚，然后服務大家。我們的理解是， UMI這塊還有好多問題沒有解決，甚至沒幾家能夠把它真正用起來，還有比較長的路要走。另外從在工廠里采到在野外采數(shù)據(jù)，又是另外一個跨越。在工廠里采，采完下一步其實就到要實現(xiàn)落地的階段了，這可能還是一個比較長的過程，要在兩到三年之內(nèi)完成，這是我個人和公司的愿景。

王建明：謝謝各位嘉賓，那么數(shù)據(jù)環(huán)節(jié)的探討就先到這里。

雷峰網(wǎng)文章