Os dados de treinamento de IA física apresentam uma lacuna de uma ordem de magnitude; a chave é converter ações humanas em dados utilizáveis por robôs
A Agibot lançou um mecanismo de dados para pré-treinamento de robôs. Testes mostram que ele pode multiplicar por mais de 40 os dados efetivos de treinamento. A Huayuan Securities considera que as barreiras competitivas dos provedores de dados vão se estender da coleta à conversão de ações e à infraestrutura de treinamento.
Fonte original：财联社Primeira publicação na Unhidea：Data da fonte original：
Ideia principal
O volume de dados do mundo real necessário para a IA física difere em uma ordem de magnitude dos dados de alta qualidade disponíveis atualmente. O valor dos provedores de dados depende de sua capacidade de coletar e converter dados a baixo custo em dados de ações utilizáveis por robôs.
Por que o treinamento de robôs precisa de mais dados do mundo real?
Segundo estimativas de instituições, os modelos fundacionais de inteligência incorporada precisam de pelo menos dezenas de milhões de horas de dados do mundo real para alcançar seu próprio “momento ChatGPT”. Atualmente, os dados do mundo real de alta qualidade disponíveis globalmente somam apenas centenas de milhares a milhões de horas, deixando uma lacuna de uma ordem de magnitude entre oferta e demanda.
À medida que empresas de modelos entram no campo da IA física, os dados de treinamento precisarão ser obtidos externamente ou desenvolvidos em conjunto com fabricantes de robôs. Assim, a coleta de dados pode gerar uma demanda externa que pode ser precificada de forma independente.
Como vídeos de operações humanas se tornam dados de treinamento para robôs?
O mecanismo de dados para diferentes plataformas robóticas “Chorus众行”, lançado pela Agibot, pode converter vídeos de operações humanas captados por diversos dispositivos em dados de pré-treinamento adaptados a diferentes plataformas robóticas. Testes mostram que ele pode multiplicar por mais de 40 os dados efetivos de treinamento de robôs.
A Huayuan Securities considera que obter grandes volumes de dados em primeira pessoa a baixo custo é apenas o primeiro passo; mais importante é converter operações humanas em dados de treinamento de ações que os robôs possam usar. Provedores com capacidades de reconstrução espacial 3D, extração de trajetórias de movimento e simulação física têm a oportunidade de expandir suas atividades da coleta para ativos de dados e infraestrutura de treinamento.
Como as empresas listadas se relacionam com esse negócio?
A Tianqi oferece soluções de inteligência incorporada para ambientes industriais, incluindo adaptação de sistemas robóticos completos, coleta de dados com robôs físicos em ambientes industriais reais e treinamento prático inteligente, além da personalização de algoritmos para áreas específicas de aplicação.
Os sistemas de captura óptica de movimento da LUSTER já são usados na coleta de dados de robôs humanoides e na inspeção da produção em massa, e a empresa colabora com fabricantes de robôs e centros de coleta de dados. A receita desses sistemas cresceu rapidamente em 2025, impulsionada pela demanda por inteligência incorporada, alcançando uma etapa inicial de comercialização.
