Los datos de entrenamiento de la IA física presentan una brecha de un orden de magnitud; la clave es convertir las acciones humanas en datos utilizables por robots
Agibot ha presentado un motor de datos para el preentrenamiento de robots. Las pruebas muestran que puede multiplicar por más de 40 los datos de entrenamiento efectivos. Huayuan Securities considera que las barreras competitivas de los proveedores de datos se extenderán desde la recopilación hasta la conversión de acciones y la infraestructura de entrenamiento.
Fuente original：财联社Primera publicación en Unhidea：Fecha de la fuente original：
Idea clave
El volumen de datos del mundo real que necesita la IA física difiere en un orden de magnitud de los datos de alta calidad disponibles actualmente. El valor de los proveedores de datos depende de su capacidad para recopilar y convertir datos a bajo coste en datos de acciones utilizables por robots.
¿Por qué necesita el entrenamiento de robots más datos del mundo real?
Según estimaciones de instituciones, los modelos fundacionales de inteligencia incorporada necesitan al menos decenas de millones de horas de datos del mundo real para alcanzar su propio «momento ChatGPT». Actualmente, los datos del mundo real de alta calidad disponibles a escala mundial solo suman entre cientos de miles y millones de horas, lo que deja una brecha de un orden de magnitud entre la oferta y la demanda.
A medida que las empresas de modelos entran en el campo de la IA física, los datos de entrenamiento deberán obtenerse externamente o desarrollarse conjuntamente con fabricantes de robots. Por ello, la recopilación de datos podría generar una demanda externa susceptible de fijar precios de forma independiente.
¿Cómo se convierten los vídeos de operaciones humanas en datos de entrenamiento para robots?
El motor de datos multiplataforma robótica «Chorus众行», presentado por Agibot, puede convertir vídeos de operaciones humanas captados por diversos dispositivos en datos de preentrenamiento adaptados a distintas plataformas robóticas. Las pruebas muestran que puede multiplicar por más de 40 los datos efectivos de entrenamiento de robots.
Huayuan Securities considera que obtener grandes volúmenes de datos en primera persona a bajo coste es solo el primer paso; más importante es convertir las operaciones humanas en datos de entrenamiento de acciones que puedan utilizar los robots. Los proveedores con capacidades de reconstrucción espacial 3D, extracción de trayectorias de movimiento y simulación física tienen la oportunidad de expandirse de la recopilación de datos a los activos de datos y la infraestructura de entrenamiento.
¿Cómo se relacionan con este negocio las empresas cotizadas?
Tianqi ofrece soluciones de inteligencia incorporada para entornos industriales, que abarcan la adaptación de sistemas robóticos completos, la recopilación de datos mediante robots físicos en entornos industriales reales y la formación práctica inteligente, así como la personalización de algoritmos para ámbitos de aplicación específicos.
Los sistemas de captura óptica de movimiento de LUSTER ya se utilizan para recopilar datos de robots humanoides y realizar inspecciones en la producción en serie, y la empresa colabora con fabricantes de robots y centros de recopilación de datos. Los ingresos de sus sistemas de captura óptica de movimiento crecieron con rapidez en 2025, impulsados por la demanda de inteligencia incorporada, y alcanzaron una fase inicial de comercialización.
