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、異構硬件形態(tài)超10種。

他們預計在2026年內積累超過200PB異構數(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)的技術理念和架構，引入到了具身智能領域，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，對機器人采集的視覺、深度、關節(jié)位姿和力觸覺等多模態(tài)數(shù)據(jù)進行全量質檢，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（具身智能專屬的異構湖倉）：真實物理世界的數(shù)據(jù)天然具有高熵、多源異構以及采樣頻率嚴重異步（如視覺30Hz與關節(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 ）架構引入并深度改造為具身智能專屬底座。該架構不僅實現(xiàn)了對超大規(guī)模非結構化數(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構化技能流。這種將非標需求轉化為標準化系統(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)會自動將提取的結構化片段，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」構建了彈性的交付體系：既支持兼容S3等云原生架構的云端專線直連與授權調用，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”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)基礎設施構建的跨越：

第一階段（2026-2027）：核心目標是搶占高質量物理數(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構化訓練輸入，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)?；职l(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)深度結構化處理的多模態(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”的結構性錯位，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)?；瑔渭円揽總鹘y(tǒng)的人力密集型管理優(yōu)化是行不通的，必須通過技術架構重構，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)?；@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