- 发布日期:2026-11-17 11:17 点击次数:148

封面新闻记者 欧阳宏宇
“2026年是具身智能数据鸿沟化的元年。”7月18日,在WAIC2026上,光轮智能合股首创东说念主兼总裁杨海波在继承记者采访时默示,当具身智能从实验室demo确凿走向工场和家庭,数据和评测正在成为决定产业发展速率的要津基础设施。“具身智能行业对数据的需求将从客岁几百小时到本年上百万小时的百倍乃至千倍跃升。”
这场数据争夺战,已拉开帷幕。在WAIC2026上,京东初次系统展示了面向物理寰宇的具身智能数据布局,优必选、智元等头部企业也已落地鸿沟化数据收麇集心。行业正在从“造实践”转向“建地基”。但即便头部企业纷繁入场,面临行业举座的数据缺口仍显杯水舆薪。可见,数据的供给才能,正在成为决定具身智能产业化进度的要津变量。

具身智能激越下
为何无数据可用?
从上个世纪末互联网波浪兴起,事实上,大谈话模子已有互联网千里淀数十年的文本数据,可为何到了具身智能元年就莫得现成的数据可用?
根底原因是,具身智能面临的是鬼出神入的非结构化场景,需要收集视觉、力觉、触觉等多维度的物理交互信息。行业普遍的共鸣是,要终了可用的具身智能,行业至少需要1000万小时量级的多模态交互数据,而面前人人灵验数据积聚尚不及需求的5%。
面临广大的数据缺口该怎么办?杨海波以为,仿真数据能提供具身智能企业渴求的“鸿沟化数据”。
所谓仿真数据,便是用规划打算机步履在虚构环境里生成的东说念主工数据,用来师法真实寰宇系统的行为,而不是径直从现实测量收集来的。这些数据不错在短时期内生成海量场景和任务组合。
“能快速切换自便环境,这是真机收集无法相比的放浪。”杨海波谈到,仿确切中枢难点不在于画面是否传神,而在于受力、搏斗、形变、摩擦等物理层面的准确性,这些才是决定数据是否可用的要津。
跟着具身智能插足鸿沟化落地阶段,决定机器东说念主执续进化的,已不仅是模子自己,更是缓助其执续学习的数据、仿真、评测与部署反馈基础设施。在本届 WAIC上,光轮智能也对外展示了围绕“数据—评测一部署反馈”构建的物理A1执续学习系统,包含底层仿真基础设施,提供东说念主类教训,筹商才能鸿沟,王人集部署反馈等组件。
“这像是东说念主学手段时相似的。”对此,杨海波谈到,之是以要构建该系统,机器东说念主部署在场景中的每一个手脚、每一次反映,亦然最珍惜的数据。“这些数据回文到通盘这个词数据体系,不错执续锻练、评测、培植,周而复始,进而变成一个执续学习的闭环,才是具身智能确凿走向产业化的要津。”
发展具身智能
为何数据如斯攻击?
那么,什么样的仿真数据才确凿有价值?杨海波用三个要津词来概述:高质地、大鸿沟、种种性。
这不仅因为具身数据不仅仅视频素材,还要大量包含无缺的物理交互信息。而种种性,恰正是最容易被残暴却又至关攻击的维度。
他举了一个例子,在业内,有企业安闲花更高的价钱收购“不行功的数据”,即初始作念错、其后校正的数据。原因是,造作和校正自己就在补充种种性,在不同场景和任务,不同东说念主的手型、力度、习尚实足不同,这些各异自己便是珍惜的锻练素材。
更进一步而言,由于具身智能很难在真实场景中反复测试,因此仿真评测简直是唯独解。“毕竟,莫得搭救的任务界说、测试过程和评价标的,企业很难判断模子是否确凿逾越,场景方也很难判断机器东说念主是否具备部署条目。”杨海波说。
谈及我国现在仿真数据领域的发展近况,杨海波也坦言,中国在仿真领域的对外依赖度不弱于芯片。他以为,算力处理的是“算得动”,仿真处理的是“在那边学、怎么试错、怎么评测,两者同等攻击,但后者始终被残暴”。
不外,行业已出现积极的变化。据先容,界说物理AI两大海外标准的Newton仿真本领委员会和EgoVerse东说念主类数据委员会中,凭借对“仿真下物品标准、环境标准、任务标准”等的界说,光轮智能已成为与英伟达、谷歌DeepMind、迪士尼扣问院等比肩的唯独一家中国企业。这标识着中国在数据和仿真标准层面的话语权正在竖立。
“改日物理AI需要的是‘10亿级’的数据生成器。确凿决定模子泛化才能的尊龙体育网,不是它见过某个标准谜底,而是见过弥散丰富的变化。”他说。
