Pertama diterbitkan di Unhidea:Tarikh sumber asal:
Inti utama
Permintaan data untuk AI fizikal mempercepat peluang perolehan bagi peralatan pengumpulan dan sensor, tetapi manfaat kepada syarikat bergantung pada hubungan pembekalan tertentu, peningkatan volum pesanan dan realisasi hasil perkhidmatan data.
Mengapa tumpuan penyelidikan beralih kepada pengumpulan data?
Bahan ini mengalihkan kekangan utama AI fizikal daripada badan robot kepada data: penerapan model besar mungkin memerlukan data berkualiti tinggi pada skala puluhan bilion jam, sedangkan set data sumber terbuka sedia ada hanya pada skala jutaan rekod dan jam. Oleh itu, skala dan kualiti bekalan data menjadi kekangan kepada pengembangan keupayaan latihan.
Sebuah institusi menganggarkan permintaan pengumpulan data robot global akan meningkat daripada kira-kira 10.8 juta jam pada 2027 kepada 2.925 bilion jam pada 2031, dengan saiz pasaran yang sepadan meningkat daripada 7.8 bilion yuan kepada 824 bilion yuan. Unjuran ini bergantung pada pertumbuhan berterusan permintaan latihan serta keupayaan pengumpulan, pelabelan dan pemprosesan yang berkembang seiring; bahan ini menyatakan bahawa kapasiti pelabelan dan perkakasan pengumpulan berketepatan tinggi masih terhad.
Apakah masalah yang diselesaikan oleh data kos rendah dan data robot sebenar masing-masing?
Empat laluan pengumpulan merangkumi teleoperasi robot sebenar, pengumpulan tanpa badan robot menggunakan UMI dan Ego, simulasi sintetik serta penjanaan model dunia. Laluan tanpa badan robot lebih murah dan mudah dilaksanakan lebih awal, manakala data robot sebenar berperanan sebagai “standard emas” untuk pengesahan latihan; kedua-duanya memenuhi keperluan pada peringkat berbeza.
Perbezaan kos menentukan gabungan data: harga data visual Ego sekitar 120–500 yuan sejam, manakala data robot sebenar dan teleoperasi sekitar 500–2000 yuan sejam; data simulasi dan sintetik menjadi pelengkap kos rendah. Institusi itu menjangka visual Ego menjadi kategori terbesar, diikuti peningkatan volum data sentuhan dan robot sebenar.
Seni bina teknikal juga mempunyai pembahagian tugas. Bahan ini berpandangan bahawa model besar serba guna mengendalikan perancangan dan pemahaman semantik, VLA menukar maklumat visual dan bahasa kepada kawalan tindakan, manakala model dunia meramalkan akibat tindakan. Manipulasi halus dan koordinasi sentuhan masih memerlukan latihan kawalan khusus, maka permintaan data merangkumi pelbagai dimensi termasuk visual, postur dan sentuhan.
Bahagian manakah yang mungkin menyaksikan perolehan lebih awal?
Tinjauan industri memberikan urutan berikut: jika pesanan pengeluar peralatan pengumpulan data meningkat dalam 2027, mereka perlu membeli IMU secara pukal lebih awal. IMU mengesan postur pergerakan dan trajektori ruang, maka perolehan sensor mungkin mendahului penghantaran peralatan akhir; syarat utamanya ialah pesanan peralatan berkembang mengikut jadual.
Orbbec telah melancarkan platform perkakasan pengumpulan data tanpa badan robot pada Julai 2026, yang meliputi perspektif orang pertama, operasi genggam, interaksi pergelangan tangan dan penyegerakan peranti. Pelanggannya termasuk penyedia perkhidmatan pengumpulan data, pembangun model besar dan syarikat robotik. Titik hubungan perniagaannya ialah pembelian perkakasan apabila pelanggan tersebut membina sistem pengumpulan.
Contoh yang lebih hampir kepada tahap jualan ialah Skyworth Digital: bahan ini memetik maklumat interaksi syarikat yang menyatakan produk pengumpulan data siri EGO-nya telah mencatat jualan di dalam dan luar negara. Pelancaran produk, penyertaan pelanggan dan jualan sebenar berada pada tahap berbeza; penilaian kemajuan syarikat perlu merujuk kepada tahap yang khusus.
Data sudah terkumpul, tetapi sejauh mana lagi sebelum menghasilkan hasil?
Pusat pengumpulan data industri dan latihan praktikal yang dikendalikan oleh Tianqi telah mengumpul hampir 20 ribu jam data multimodal, menggunakan lebih seratus robot dan meliputi senario pembuatan automotif, bateri dan 3C. Titik hubungannya ialah gabungan senario industri sebenar, peralatan pengumpulan dan sistem pengurusan pelabelan yang mampu menghasilkan set data latihan.
Pengkomersialan dalam bidang simulasi berada pada tahap lebih awal. Fengyuzhu telah memasuki bidang simulasi fizikal, latihan Sim2Real dan data sintetik ruang melalui sebuah usaha sama yang dikawalnya, tetapi belum mendedahkan hasil bagi perniagaan AI fizikalnya; bahan ini mengaitkan potensi peningkatan perniagaannya secara langsung dengan realisasi pesanan Fengying Technology. Antara pengembangan pasaran industri dan pertumbuhan hasil sebuah syarikat masih terdapat tahap penukaran peluang kepada pesanan.