当马斯克正在担忧AI磨真金不怕火数据仍是消费的时候，具身智能企业正在濒临泼辣的数据存一火局：磨真金不怕火一个倒水算作需要一台超算运算千万亿次、第三方的数据“有毒”随时会让模子崩溃，仿真数据资本也正在攀升……

在这场决定改日机器东谈主进化速率和处所的隐形数据大战中，有具身智能企业正通过“反直观”的磨真金不怕火递次撕开冲破口，让机器东谈主在不干系的杂沓任务中统一物理律例，试图设立数据护城河。

当AI向物理空间延迟，数据极有可能成为重塑期间权力的环节。不外，机器东谈主念念要向上临界值，迎来具身大模子的GPT时刻，还需要料理数据质料、算法、算力等多方面的问题。毕竟，具身智能的结尾不会是单点期间的顺利，而是软件、硬件与贸易模式的系统战役。

克服“数据饥渴”

念念要磨真金不怕火一个机器东谈主的大模子，究竟需要若干数据？

“庸碌来讲，一台超等狡计机，每秒钟不错进行千万亿次到数百亿亿次浮点运算，而光是念念要模拟东谈主荡漾杯中的水这一个算作，所波及的狡计量可能就需要一台超等狡计机算绝顶钟。”

具身大模子企业自变量机器东谈主（X Square）的首创东谈主兼CEO王潜向第一财经记者举了上述例子，来证据念念要让机器东谈主竣事物理寰宇的复杂交互，需要若干多模态的着实和仿真数据提拔。“更抨击的是，关于一些复杂的算作，按照此前业界深广领受的分层模子逻辑，险些是无法竣事的事情。”王潜说谈。

分层模子，也曾被合计是机器东谈主领域的黄金律例：先建模、再野心、终末履行。但在履行经过中，王潜发现，跟着每一层模子的传递，模子在某一层产生的细小过失，将会在后续的环节呈现指数级的扩散。

每分出一个设施，就有可能给模子引入噪声。“若是一开动建模的过失在1%，那跟着分层模子的传导，在履行的最终落幕中，很有可能会出现几十倍的过失。”王潜说谈。因此，端到端的模子也缓缓成为了下一个发展处所。在端到端的模子假想里，径直连续输入与输出的“黑箱”特质，让具身大模子的自我修正成为可能。

期间旅途更替，海量的数据，永远是横亘在具身智能大模子眼前的天堑。王潜告诉第一财经记者，“数据饥渴”在行业中一直存在。“它的底层逻辑是，强化学习的旅途需要指数级增长的数据，而仿真数据又容易因为物理交互的复杂性难以移动到现实。”

这种数据饥渴一直到GPT-3的出现才有所缓解。“GPT-3的出现，其实带给咱们的是‘反东谈主类直观’的启示。”王潜解释，此前磨真金不怕火机器东谈主的某一算作模子，老是喂给其雷同的任务数据语料。“但GPT-3的底层逻辑是，通过多任务学习，模子被动索要跨任务的共性轨则，从而具备少样本以致零样本的学习智商。”

看似统统不干系的任务，能够阻抑具身大模子更快地学习物理寰宇的通用旨趣。王潜说，当模子同期学习倒水、换穿着等任务时，看似莫得径直关联，但大模子能通过无数的这些任务，学习何如处理访佛的摩擦，签订到“抓抓”“材质”等物理寰宇通用的逻辑。

一朝这条逻辑得到考据，那么妄语语模子少样本以致零样本的学习智商将有契机在具身智能大模子上重现，匡助机器东谈主向上数据的牺牲谷。

第三方数据需“排毒”

尽管GPT3的出现，给具身智能大模子带来了“解药”，但具身智能数据场中的隐形战役，仍未罢手。

Jerry是一家高校的助理诠释，亦然海外上最早一批商量具身智能数据的学者之一，他告诉第一财经记者，比拟于妄语语模子上的数据资源，具身大模子的数据资本会高许多。“当年很万古辰内，互联网仍是完成了东谈主类常识的千里淀，这些资源是一个新的动力，只是当年在底层，AI磨真金不怕火的时候被‘挖’了出来。”

他告诉记者，大模子的数据起首主要分为三块，第一块是当年由互联网完成了数字化千里淀的数据，它记载了东谈主类对这个寰宇的感知；第二块是嫁接了图文、3D等多种模态的数据；第三块则是通过不同传感器获取的数据。

“在磨真金不怕火机器东谈主大模子经过当中，咱们履行遭受的情况是，这个行业原来就没荒芜据资源，是以咱们需要冷启动，将数据收罗起来，能力履行鼓吹行业。”王潜说谈。

当年几年，东谈主工智能的火爆，令磨真金不怕火AI模子数据添加标签的Scale AI炙手火热，在机器东谈主领域是否也会出现访佛Scale AI的独角兽？

跟着机器东谈主行业的拓展，上游的数据供应商也不断显露。2023年前后，艾欧智能等国内第三方的具身智能机器东谈主场景数据供应商开动出现。2024年年底，智元机器东谈主晓谕开源 AgiBot World，智元称它是一个汇集百万着实机器东谈主数据的开源数据集。2025年1月，松灵机器东谈主推出全新通用数据网络有计算，配备了200°鱼眼相机、双目深度相机等传感器确保数据感知。

不外，另一位使用过第三方提供数据的具身智能从业者告诉第一财经记者，就大模子的磨真金不怕火条目来说，第三方的数据使用率可能不及1%。“咱们经常遭受的情况是，买了100万条数据，经过严格的质料筛选后，履行参加使用的数据量可能惟有1万条以致更少。”

上述从业者向记者解释，不消的数据，不单是是对模子无匡助，更可能是有毒；有毒的数据多了，模子就会崩溃。

在这场隐形的数据战役中，高质料的数据也许会成为将来具身智能企业的中枢壁垒。“改日，数据集的护城河也许比算法更深。”Jerry说谈。

模拟数据也要讲性价比

比拟具身智能大模子，妄语语模子走得更前也更快，一些数据问题仍是披露了出来。

马斯克在本年酬酢媒体X上的一场直播中提到，东谈主工智能数据磨真金不怕火仍是消费。他暗示：“咱们基本上仍是用尽了东谈主类常识的积聚总数来进行AI磨真金不怕火，这种情况简易在昨年就仍是发生了。”昨年12月，OpenAI 的前首席科学家 Ilya Sutskever 也在一次共享中说起，尽管现存的数据仍能鼓吹东谈主工智能的发展，但这个行业里称得上可用的新数据仍是接近短缺。

“关于大模子的预磨真金不怕火来说，咱们所用到的数据确切仍是接近峰值。”明月（假名）是国内头部妄语语模子的数据标注师，她合计，东谈主类生成的优质内容占比正不才降。“况兼当今妄语语模子磨真金不怕火仍是走向了垂直领域，公用数据资源更少。以医疗领域来例如，正当、公开的数据是很有限的。”

因此，合成数据又成为了“救命稻草”。明月告诉第一财经记者，合成数据在大模子磨真金不怕火中的占比走高，这是行业中默许的规定。“然而否会生成幻觉，会生成若干幻觉，业内也还在沟通中。”

关于具身智能而言，合成数据并不一定比着实数据“合算”。王潜告诉第一财经记者，模拟不同景象物体所需要的数据量不同。“因为咱们不成能用一个超算中心狡计10分钟来精准模拟荡漾一杯水这一几秒钟的算作。是以模拟器的精度在合成数据时，咱们经常都会诞生得比较低。”

因此，一般在模拟器中磨真金不怕火出的模子移动到现实寰宇会遭受严重的终止，也等于所谓的泛化性不高。要念念磨真金不怕火出泛化性高到不错在现实寰宇中部署的模子，一种常见的作念法是在模拟器中模拟出不同物理轨则的寰宇，并将大模子放在这些环境中磨真金不怕火。“若是它在这些环境中都能够取得很好的效能，那么表面上，它再滚动到现实寰宇中去就很肤浅了。”

王潜向记者例如，若是念念要磨真金不怕火出一个能够操作六个解放参数目的刚体模子，那需要模拟的数目级可能在十的六次方。“但若是是一个柔性的物体，它也许有100个参数，模拟环境数目的量级可能就会大许多，资本和期间难度都太高了。”王潜说谈。

“在GPU里跑模拟数据亦然需要资本的，因此在稍稍复杂少许的任务上，模拟器其实仍是有很显着的舛错了。”王潜判断，改日机器东谈主聪敏的手部操作，无法隧谈靠模拟器数据作念出来。

具身智能发展于今，一些大模子也缓缓浮出水面。星动纪元在昨年12月发布了原生端到端机器东谈主大模子ERA-42；合并时期，灵初智能也发布了基于强化学习的端到端具身模子Psi R0；星河通用也在本年1月发布了基于仿真合成大数据的具身模子GraspVLA。

不外第一财经记者注视到，这些大模子在演示中大多都招引隆起了一些肤浅的手部姿势，算作招引在拿放，大模子的泛化性和输出持重性何如均未有明确展示。

举报 第一财经告白互助，请点击这里此内容为第一财经原创，著述权归第一财经统共。未经第一财经籍面授权，不得以任何步地加以使用，包括转载、摘编、复制或设立镜像。第一财经保留讲求侵权者法律包袱的职权。 如需取得授权请掂量第一财经版权部：021-22002972或021-22002335；banquan@yicai.com。 文章作家

乔心怡

干系阅读 500万起投，投资东谈主疯抢，宇树老股火了

“只消能投进去，其他都是后话。”

1153 02-21 21:10 东谈主形机器东谈主办法接续火热，多家上市公司请示交游风险

东谈主形机器东谈主板块接续活跃，适度收盘，江苏雷利20%涨停，杭齿前进8连板。

311 02-21 20:51 站在DeepSeek肩上，具身智能“起跳”

若是能够讹诈Align-R1-V的跨模态穿透智商竣事机器东谈主Action领域的穿透，大致机器东谈主端到端大模子板块的终末一块拼图，将会被很快补皆。

229 02-06 18:12 蔡司在沪购地自建大中华区总部园区，浦东掀新一轮招商引资飞扬

2025年，浦东首要设立技俩年度投资鸿沟1692亿元，络续保持稳步增长。其中，科技产业类投资鸿沟进一步扩大，年度投资1212亿元，占比71%。

160 02-06 13:06 Figure AI与OpenAI“仳离”，东谈主形机器东谈主公司与大模子公司从头端正界限

一些东谈主形机器东谈主厂商此前走上与大模子公司互助的谈路kaiyun开云官方网站。

313 02-05 11:40 一财最热 点击关闭