文 | 田哲

編輯 | 蘇建勛

2025年初，我們了解到一件事，國(guó)內(nèi)具身智能獨(dú)角獸“智元機(jī)器人”（就是B站知名UP主“稚暉君”當(dāng)CTO的那家公司），在上海，建了一座“數(shù)據(jù)采集工廠”（簡(jiǎn)稱(chēng)“數(shù)采廠”）。

這是啥？為啥建？怎么采？一系列疑惑涌上我們心頭，我們決定去看一看。

當(dāng)然了，在去之前，我們對(duì)一家“數(shù)采廠”的工作流程，有一些非常刻板的想象——在堆滿服務(wù)器黑盒子的昏暗房間，掛著黑眼圈、發(fā)量堪憂的程序員，機(jī)械地敲著鍵盤(pán)輸入代碼……

錯(cuò)錯(cuò)錯(cuò)！當(dāng)《智能涌現(xiàn)》抵達(dá)智元機(jī)器人位于上海浦東的數(shù)采廠，發(fā)現(xiàn)現(xiàn)實(shí)和我們的想象，截然不同！

毫不夸張地說(shuō)，這完全是美國(guó)電影《星球大戰(zhàn)》的片場(chǎng)！

《星球大戰(zhàn)》電影海報(bào)；圖源網(wǎng)絡(luò)

在這座3000平方米的數(shù)采廠中，不同主題的房間占據(jù)了工廠的絕大部分面積，每個(gè)房間都精心還原了現(xiàn)實(shí)生活的物件布局，機(jī)器人就在不同的場(chǎng)景中執(zhí)行不同任務(wù)。

在臥室中，機(jī)器人乖巧地學(xué)習(xí)疊衣服。

機(jī)器人學(xué)習(xí)疊衣服；圖源：智元機(jī)器人

在餐桌前，機(jī)器人把餐具挨個(gè)擺放整齊。

機(jī)器人擺放餐盤(pán)；圖源：《智能涌現(xiàn)》拍攝

機(jī)器人還要學(xué)會(huì)打餐各式菜肴，并且不會(huì)手抖。

機(jī)器人正在用勺子舀雞蛋；圖源：《智能涌現(xiàn)》拍攝

而在商超收銀臺(tái)前，機(jī)器人一只手拿掃碼器，另一只手拿著商品掃碼。

智元機(jī)器人正在學(xué)習(xí)商品掃碼；圖源：《智能涌現(xiàn)》拍攝

參觀結(jié)束后，《智能涌現(xiàn)》見(jiàn)到了數(shù)采廠負(fù)責(zé)人姚卯青，他也是智元機(jī)器人具身產(chǎn)品線總裁、研究院執(zhí)行院長(zhǎng)，負(fù)責(zé)數(shù)據(jù)驅(qū)動(dòng)具身智能產(chǎn)品研發(fā)。

此前，姚卯青曾在Waymo、蔚來(lái)汽車(chē)等公司負(fù)責(zé)研發(fā)感知算法、端到端大模型。

姚卯青告訴《智能涌現(xiàn)》，機(jī)器人每完成一個(gè)動(dòng)作，就相當(dāng)于一條數(shù)據(jù)，數(shù)據(jù)將通過(guò)機(jī)器人的主機(jī)上傳至云端，智元機(jī)器人團(tuán)隊(duì)將利用這些數(shù)據(jù)訓(xùn)練機(jī)器人的大模型，從而讓機(jī)器人真正掌握一項(xiàng)技能，比如沖咖啡、熨衣服等。

為了讓機(jī)器人快速學(xué)習(xí)技能，智元為它們安排了一對(duì)一教學(xué)老師——數(shù)據(jù)采集員，他們都是年輕有活力的小哥哥小姐姐，為了更好地教機(jī)器人完成動(dòng)作，采集員也需要肢體協(xié)調(diào)，動(dòng)作標(biāo)準(zhǔn)。

數(shù)據(jù)采集員們手持設(shè)備，手把手地控制機(jī)器人完成抓、握、放等動(dòng)作。有時(shí)他們也會(huì)頭戴VR設(shè)備，更精準(zhǔn)地讓機(jī)器人模仿學(xué)習(xí)人類(lèi)動(dòng)作。

據(jù)了解，現(xiàn)在智元數(shù)據(jù)采集工廠投放了近百臺(tái)機(jī)器人，日均采集3-5w條數(shù)據(jù)。

而為了讓機(jī)器人更快在不同環(huán)境中掌握盡可能多的技能，智元數(shù)據(jù)采集工廠模擬了家庭、零售、服務(wù)業(yè)、餐飲、工廠五個(gè)場(chǎng)景。

在這里，你能發(fā)現(xiàn)商超內(nèi)不僅有各類(lèi)零食，還有葡萄酒、香煙，甚至連蔬果的價(jià)錢(qián)也標(biāo)好了。

智元機(jī)器人模擬的商超；圖源：《智能涌現(xiàn)》拍攝

也有一批機(jī)器人分散在各自“工位”，在桌前學(xué)習(xí)簡(jiǎn)單地疊衣服等技能。

機(jī)器人們?cè)诠の粚W(xué)習(xí)不同技能；圖源：《智能涌現(xiàn)》拍攝

據(jù)了解，數(shù)采廠面積還將增加1000平方米，可增加更多場(chǎng)景的同時(shí)，也能根據(jù)客戶需要定制化模擬場(chǎng)景。

不過(guò)，目前行業(yè)內(nèi)少見(jiàn)打造如此多樣場(chǎng)景的機(jī)器人公司，一個(gè)問(wèn)題隨之而來(lái)：智元機(jī)器人下決心打造數(shù)據(jù)采集工廠，這一過(guò)程是如何展開(kāi)的？

為具身智能機(jī)器人，打造數(shù)據(jù)養(yǎng)料場(chǎng)

對(duì)于大多數(shù)初創(chuàng)公司而言，將高額資金建設(shè)一座工廠用于數(shù)據(jù)采集，風(fēng)險(xiǎn)無(wú)疑是巨大的，而智元機(jī)器人似乎沒(méi)有猶豫，僅僅用了一個(gè)多月就完成搭建數(shù)據(jù)采集工廠。

促使智元機(jī)器人不惜高成本打造數(shù)采廠，這背后，行業(yè)現(xiàn)存數(shù)據(jù)量在供給側(cè)上的巨大空白。

2024年6月，智元機(jī)器人決定研發(fā)機(jī)器人具身智能大模型，這需要海量數(shù)據(jù)以訓(xùn)練大模型。

姚卯青告訴《智能涌現(xiàn)》，機(jī)器人通過(guò)數(shù)百條數(shù)據(jù)學(xué)會(huì)一個(gè)技能，這些動(dòng)作往往都是長(zhǎng)程任務(wù)，比如沖泡咖啡，熨衣服等。

他們?cè)噲D尋找行業(yè)內(nèi)的開(kāi)源數(shù)據(jù)庫(kù)，但發(fā)現(xiàn)高質(zhì)量、統(tǒng)一格式的數(shù)據(jù)幾乎不存在。即使行業(yè)內(nèi)開(kāi)源了百萬(wàn)條由真實(shí)機(jī)器人收集的訓(xùn)練數(shù)據(jù)集，但是這些數(shù)據(jù)實(shí)際上由不同公司、不同型號(hào)規(guī)格的機(jī)器人采集，數(shù)據(jù)質(zhì)量較低，達(dá)不到智元的要求。

姚卯青表示，不同傳感器和形態(tài)的數(shù)據(jù)差異過(guò)大，將削弱整體訓(xùn)練效果，比如一個(gè)六軸機(jī)械臂的數(shù)據(jù)在七軸靈巧手機(jī)器人上幾乎無(wú)法復(fù)用，因此需要統(tǒng)一標(biāo)準(zhǔn)的數(shù)據(jù)。

而讓智元下決心建設(shè)數(shù)采廠，這個(gè)過(guò)程也很簡(jiǎn)單。

姚卯青表示，智元機(jī)器人采集了幾千條數(shù)據(jù)用于訓(xùn)練算法，雖然能讓機(jī)器人順利完成某個(gè)動(dòng)作，但是無(wú)法泛化——如果改變物體種類(lèi)、顏色甚至光線，都將影響機(jī)器人再次完成同樣的動(dòng)作。因此智元機(jī)器人決定建設(shè)工廠大規(guī)模采集數(shù)據(jù)。

不同房間的機(jī)器人正在采集數(shù)據(jù)；圖源：《智能涌現(xiàn)》拍攝

數(shù)采廠未來(lái)將源源不斷為機(jī)器人學(xué)習(xí)提供數(shù)據(jù)養(yǎng)料。據(jù)了解，智元數(shù)據(jù)采集工廠投入使用兩個(gè)多月，就采集了超百萬(wàn)量級(jí)真機(jī)數(shù)據(jù)集，采集任務(wù)超一千種，每個(gè)任務(wù)都包含幾百條數(shù)據(jù)，一些特別難的長(zhǎng)程任務(wù)可達(dá)幾千條。

“不久后我們將擁有超千萬(wàn)條數(shù)據(jù)。”姚卯青笑著說(shuō)。

探尋機(jī)器人的Scaling Law

在采集數(shù)萬(wàn)條機(jī)器人重復(fù)動(dòng)作后，智元機(jī)器人收獲了一些意外之喜：機(jī)器人能夠在未經(jīng)訓(xùn)練的情況下，根據(jù)要求控制倒水量；只教了機(jī)器人幾十次，就能學(xué)會(huì)疊褲子。

這正是智元機(jī)器人想要打造的機(jī)器人——能夠自主理解人類(lèi)指令和外部環(huán)境，并能適應(yīng)復(fù)雜的環(huán)境。

智元希望機(jī)器人能夠更換不同品牌、型號(hào)的咖啡機(jī)配件；圖源：《智能涌現(xiàn)》拍攝

過(guò)去數(shù)十年，機(jī)器人的控制往往依賴人們的預(yù)設(shè)規(guī)則，向機(jī)器人輸入情況描述以及應(yīng)對(duì)方式的規(guī)則，機(jī)器人在相應(yīng)情況下完成操作。然而機(jī)器人遇到的情況千變?nèi)f化，難以依靠提前輸入規(guī)則就能讓機(jī)器人應(yīng)對(duì)所有情況。

在大模型應(yīng)用爆發(fā)后，讓機(jī)器人從冰冷的軀體有了智力，能夠理解世界和人類(lèi)。而智元機(jī)器人正在研發(fā)的，是具備端到端大模型的機(jī)器人，通用能力更強(qiáng)且反應(yīng)速度更快。

機(jī)器人從接受指令到完成動(dòng)作通常有三個(gè)步驟：感知外部環(huán)境，做出決策、控制肢體執(zhí)行任務(wù)，信息在這一鏈條傳遞中可能出現(xiàn)失真，從而影響機(jī)器人完成動(dòng)作。

但端到端大模型，不需要分模塊，更不依賴精準(zhǔn)測(cè)量，就像人類(lèi)超車(chē)前，不會(huì)下車(chē)測(cè)量?jī)绍?chē)之間的距離，再進(jìn)行超車(chē)。

智元機(jī)器人對(duì)端到端大模型機(jī)器人的設(shè)想是，機(jī)器人能夠接受人類(lèi)的復(fù)雜指令，比如讓機(jī)器人從遠(yuǎn)處取來(lái)手機(jī)，或者從冰箱里拿一包薯片。這些指令不僅考驗(yàn)著機(jī)器人對(duì)任務(wù)的理解能力，還要求機(jī)器人能夠識(shí)別物體，并完成移動(dòng)到相應(yīng)地點(diǎn)、取物，返回，提交物品。

但是達(dá)到這一狀態(tài)并不容易。姚卯青表示，需要不斷向大模型投喂數(shù)據(jù)，數(shù)據(jù)量越大，大模型在某一場(chǎng)景表現(xiàn)會(huì)更接近人類(lèi)，他預(yù)估的數(shù)據(jù)量為幾千萬(wàn)條到1億條，機(jī)器人的Scaling Law遠(yuǎn)未到來(lái)。

《智能涌現(xiàn)》了解到，機(jī)器人需要軟硬件結(jié)合，僅有其中之一都難以讓機(jī)器人技術(shù)迅速發(fā)展。美國(guó)的硬件成本較高，因此美國(guó)機(jī)器人初創(chuàng)公司大多只研發(fā)算法。中國(guó)已有供應(yīng)鏈優(yōu)勢(shì)，結(jié)合數(shù)據(jù)和自研的硬件，會(huì)讓算法、硬件、軟件快速迭代。

姚卯青相信，中國(guó)機(jī)器人技術(shù)的整體進(jìn)度已與美國(guó)不相上下，因?yàn)槊绹?guó)的人工成本比國(guó)內(nèi)高出十倍，還得從中國(guó)采購(gòu)各種零部件。

智元機(jī)器人用更低的成本和高效的迭代速度，拓展了場(chǎng)景模擬和數(shù)據(jù)采集規(guī)模，那些在美國(guó)機(jī)器人公司看來(lái)“遙不可及”的技術(shù)，正在中國(guó)的數(shù)據(jù)采集工廠不斷流淌的數(shù)據(jù)中，一點(diǎn)點(diǎn)接近成為現(xiàn)實(shí)。