文｜邱曉芬

編輯｜蘇建勛

一句話介紹

「智域基石」是一家致力于構(gòu)建具身智能時代數(shù)據(jù)入口與訓練輸入基礎設施的公司，其核心使命是將海量、雜亂的原始物理世界數(shù)據(jù)，精準編譯成直接面向機器人任務成功率的高質(zhì)量訓練輸入。

團隊介紹

「智域基石」CEO楊哲軒為前PingCAP核心成員，擁有大規(guī)模分布式系統(tǒng)與底層架構(gòu)設計的背景，也是連續(xù)創(chuàng)業(yè)者，負責多家公司商業(yè)化業(yè)務。

「智域基石」CTO徐良威有著騰訊、小鵬機器人的從業(yè)背景，是實戰(zhàn)經(jīng)驗豐富的機器人軟硬件專家，熟悉具身智能算法對于數(shù)據(jù)的需求，也有豐富硬件落地的經(jīng)驗。

「智域基石」COO為張計業(yè)，前華為地市總經(jīng)理，曾擔任具身智能公司「穹徹智能」生態(tài)負責人。

融資進展

完成數(shù)千萬元天使輪融資，資方包括四家機器人廠商，包括靈初智能、穹徹智能、浙江人形、智平方（拼音序）。

產(chǎn)品及業(yè)務

目前，「智域基石」計劃在全國建立起面積超一萬平方的真機數(shù)據(jù)采集工廠，工廠中機器人數(shù)量超400臺、異構(gòu)硬件形態(tài)超10種。

他們預計在2026年內(nèi)積累超過200PB異構(gòu)數(shù)據(jù)。在今年第二季度，「智域基石」將從真機數(shù)據(jù)生產(chǎn)，全面拓展至 Ego-Centric（第一人稱視角）領(lǐng)域，牢牢掌控模型的后訓練與預訓練的數(shù)據(jù)入口，通過數(shù)據(jù)編譯層，將原始數(shù)據(jù)加工成高質(zhì)量語料，可直接作為模型訓練輸入。

△ego centric 設備的概念圖

在數(shù)據(jù)生產(chǎn)和加工方面，「智域基石」團隊將大數(shù)據(jù)行業(yè)的技術(shù)理念和架構(gòu)，引入到了具身智能領(lǐng)域，搭建了一套打破“廢料堆砌”的自動化“數(shù)據(jù)編譯管線”，主要特點包括——

①數(shù)據(jù)質(zhì)檢環(huán)節(jié)：過往面對海量數(shù)據(jù)，其他類型公司往往采用傳統(tǒng)抽檢，導致高達95%的無效噪音混入訓練集。而「智域基石」引入了分布式計算與彈性伸縮架構(gòu)，對機器人采集的視覺、深度、關(guān)節(jié)位姿和力觸覺等多模態(tài)數(shù)據(jù)進行全量質(zhì)檢，在源頭直接剔除無效的“數(shù)據(jù)膨脹”。

②數(shù)據(jù)底座重構(gòu)（具身智能專屬的異構(gòu)湖倉）：真實物理世界的數(shù)據(jù)天然具有高熵、多源異構(gòu)以及采樣頻率嚴重異步（如視覺30Hz與關(guān)節(jié)控制500Hz的落差）的特征，傳統(tǒng)的簡單存儲極易讓數(shù)據(jù)淪為無法訓練的“多模態(tài)黑盒”。

為此，「智域基石」率先將成熟的數(shù)據(jù)湖倉（ Data Lakehouse ）架構(gòu)引入并深度改造為具身智能專屬底座。該架構(gòu)不僅實現(xiàn)了對超大規(guī)模非結(jié)構(gòu)化數(shù)據(jù)的統(tǒng)一納管，更依托自研的數(shù)據(jù)引擎，在底層完成了視覺、深度、力觸覺與關(guān)節(jié)位姿等復雜維度在毫秒級別的高精度"時空戳對齊"。

這一步直接跨越了模態(tài)間的時空錯位，將混沌的物理記錄徹底錨定為大模型可解析的高價值時序資產(chǎn)。

△數(shù)據(jù)管線示意圖

③數(shù)據(jù)編譯：這是最核心的“精煉”過程。不僅僅是去噪、增廣與重定向，系統(tǒng)會將非標數(shù)據(jù)進行“技能原子化”，提取出帶有明確動作意圖與物理約束的“語義片段”，并為數(shù)據(jù)建立版本號與血緣追蹤，確保資產(chǎn)可追溯。

④智能檢索與組配：針對行業(yè)“按小時買數(shù)據(jù)”的價值錯位，團隊推出了自研的查詢引擎，用類似SQL的方式，對海量物理數(shù)據(jù)中的場景、技能、動作基元進行語義化調(diào)用。

例如，當客戶算法團隊提出特定的訓練需求時，摒棄傳統(tǒng)的盲目海選與人工拼湊，「智域基石」的數(shù)據(jù)交付專家只需在后臺輸入簡捷的代碼指令（如：精準調(diào)取“廚房場景”中“拿杯子”任務、且特定驗證成功率>95%的數(shù)據(jù)），系統(tǒng)即可快速響應，快速召回并組配出符合要求的結(jié)構(gòu)化技能流。這種將非標需求轉(zhuǎn)化為標準化系統(tǒng)指令的能力，極大提升了交付效率與準確度。

⑤標準化打包與彈性交付：在完成檢索與組配后，系統(tǒng)會自動將提取的結(jié)構(gòu)化片段，打包為帶有版本號（如v2.4.0）、開箱即用的標準化訓練數(shù)據(jù)集。

面對單次交付動輒高達數(shù)百TB的超大規(guī)模交易量級，「智域基石」構(gòu)建了彈性的交付體系：既支持兼容S3等云原生架構(gòu)的云端專線直連與授權(quán)調(diào)用，也支持針對極高數(shù)據(jù)安全要求的高吞吐線下物理陣列（硬盤）交付。這種靈活的資產(chǎn)分發(fā)模式，不僅實現(xiàn)了自動化交付，更徹底打通了從數(shù)據(jù)精煉廠到客戶算力集群的“最后一公里”。

通過構(gòu)建這套強大的自動化“數(shù)據(jù)編譯管線”，「智域基石」實現(xiàn)了商業(yè)模式上的關(guān)鍵躍升：雖然前端物理世界的高保真數(shù)據(jù)采集仍需依賴專業(yè)人力與真機工廠，但在核心的數(shù)據(jù)加工與海量交付環(huán)節(jié)，系統(tǒng)徹底實現(xiàn)了與傳統(tǒng)“人海戰(zhàn)術(shù)”的解耦。

商業(yè)模式

為了穩(wěn)步推進“數(shù)據(jù)精煉廠”的商業(yè)落地，智域基石規(guī)劃了三階段商業(yè)演進路線，逐步實現(xiàn)從數(shù)據(jù)生產(chǎn)，到數(shù)據(jù)精煉，再到行業(yè)基礎設施構(gòu)建的跨越：

第一階段（2026-2027）：核心目標是搶占高質(zhì)量物理數(shù)據(jù)入口。對標英偉達 EgoScale 路線，自研 Ego-Centric（第一人稱視角）穿戴設備以獲取稀缺的預訓練語料；同時聯(lián)合政企與頭部機器人廠商建設真機采集工廠，沉淀后訓練工業(yè)數(shù)據(jù)。目前，通過為頭部客戶提供定制化的結(jié)構(gòu)化訓練輸入，公司在手訂單已近億元。

第二階段（2027-2029）：隨著核心管線的打磨成熟，業(yè)務將從"數(shù)據(jù)生產(chǎn)和精煉"轉(zhuǎn)向"標準化資產(chǎn)訂閱"。將前期沉淀的通用動作與場景，提煉為開箱即用的行業(yè)標準數(shù)據(jù)集。通過長期框架協(xié)議與場景庫增量更新服務，實現(xiàn)單點數(shù)據(jù)資產(chǎn)的重復變現(xiàn)，大幅提升利潤率并覆蓋更廣泛的客戶群。

第三階段（2029+）：開放 API 與開發(fā)者生態(tài)，構(gòu)建通用基座，全面升級為具身智能通用數(shù)據(jù)基礎設施，構(gòu)建數(shù)據(jù)交易市場與開發(fā)者生態(tài)，最終以共建共享的姿態(tài)，實現(xiàn)數(shù)據(jù)資產(chǎn)的規(guī)模化分發(fā)與全生態(tài)復用。

Founder思考

①具身智能數(shù)據(jù)存在核心矛盾

在「智域基石」CEO楊哲軒看來，當前具身智能賽道正面臨一場隱蔽的"供給危機"：行業(yè)有龐大的訓練需求，也不缺乏海量的原始數(shù)據(jù)，但真正稀缺的是將混沌的物理記錄，穩(wěn)定、高效地"編譯"為高信噪比訓練輸入的基礎設施能力。大量未經(jīng)深度結(jié)構(gòu)化處理的多模態(tài)采集記錄，往往淪為消耗模型算力的"數(shù)據(jù)廢料"。

這一現(xiàn)象的底層矛盾，源于具身智能數(shù)據(jù)處理天然處于“交叉學科的空白地帶”?，F(xiàn)階段，機器人算法團隊雖然深刻理解模型對物理規(guī)律、動作約束與任務語義的精細需求，卻往往受制于工程瓶頸，難以建立工業(yè)級的大規(guī)模數(shù)據(jù)流水線；而傳統(tǒng)的AI數(shù)據(jù)標注廠商，盡管具備勞動力密集型的規(guī)模化生產(chǎn)經(jīng)驗，卻由于缺乏對機器人運動學、力觸覺反饋以及多模態(tài)時空對齊等底層邏輯的認知，其產(chǎn)出質(zhì)量難以滿足大模型走向真實場景的苛刻標準。

隨著具身智能數(shù)據(jù)量級正迎來指數(shù)級的躍升，這種“懂算法的不懂工程量產(chǎn)，懂量產(chǎn)的不懂機器人硬件”的結(jié)構(gòu)性錯位，不僅推高了行業(yè)的試錯成本，更成為了制約具身大模型跨越物理鴻溝的最大掣肘。

②人力密集型的數(shù)采工廠沒有壁壘

要在具身智能數(shù)據(jù)業(yè)務上建立真正的商業(yè)壁壘并實現(xiàn)規(guī)?；?，單純依靠傳統(tǒng)的人力密集型管理優(yōu)化是行不通的，必須通過技術(shù)架構(gòu)重構(gòu)，系統(tǒng)性地降低數(shù)據(jù)加工的綜合成本。

「智域基石」CEO楊哲軒指出，人力成本具有天然的剛性，且隨著規(guī)模擴張，管理效率必將觸及上限。面對大模型日益龐大的PB級數(shù)據(jù)吞吐需求，僅靠“堆人頭”的傳統(tǒng)模式無法形成長期的核心競爭力。真正的商業(yè)解法在于，依托高度自動化的“數(shù)據(jù)管線”來實現(xiàn)加工流程的規(guī)模化，這是攤薄固定成本、提升邊際收益的最優(yōu)路徑。

客觀預期下，隨著這套管線工程化與自動化能力的不斷迭代，未來「智域基石」在核心數(shù)據(jù)加工環(huán)節(jié)的人力需求有望降低至少50%。楊哲軒認為，通過硬核的技術(shù)手段，實事求是地達成數(shù)據(jù)產(chǎn)能與人力投入的有效解耦，才是企業(yè)真正走向高毛利基礎設施的立足之本。

③2026年是具身智能跨越商業(yè)鴻溝的關(guān)鍵檢驗節(jié)點

伴隨2023年以來的投本體，投模型，投零部件的浪潮，當前具身智能落地的卡點已經(jīng)形成共識：“數(shù)據(jù)是瓶頸”。楊哲軒判斷，2026年，隨著數(shù)據(jù)方向的創(chuàng)業(yè)公司如雨后春筍一般產(chǎn)生，具身智能領(lǐng)域的數(shù)據(jù)量也預計將增長數(shù)十倍以上，達到千萬小時級別。

為此，今明兩年正是一個關(guān)鍵檢驗節(jié)點——當數(shù)據(jù)總量的瓶頸被大幅緩解后，若大模型在真實場景中的任務成功率與泛化能力依然無法取得實質(zhì)性突破，整個行業(yè)將面臨嚴峻的信心重估與生存大考。

而跨越這一節(jié)點的關(guān)鍵，已不再是粗放的數(shù)據(jù)堆砌，而是如何將海量物理記錄真正"編譯"為高效的訓練輸入。智域基石將自己定義為這個"編譯器"——具身智能時代的數(shù)據(jù)基礎設施建造者。

end

end