Первоисточник：财联社Первая публикация на Unhidea：Дата первоисточника：
Главный вывод
Объем реальных данных, необходимых для физического ИИ, на порядок отличается от объема имеющихся высококачественных данных. Ценность поставщиков данных определяется их способностью недорого собирать и преобразовывать данные в сведения о движениях, пригодные для использования роботами.
Почему для обучения роботов требуется больше реальных данных?
По оценкам исследовательских организаций, базовым моделям воплощенного интеллекта для достижения собственного «момента ChatGPT» требуется как минимум несколько десятков миллионов часов реальных данных. Сейчас во всем мире доступно лишь от нескольких сотен тысяч до нескольких миллионов часов высококачественных реальных данных, поэтому спрос и предложение различаются на порядок.
По мере выхода компаний, разрабатывающих модели, в сферу физического ИИ обучающие данные придется закупать извне или создавать совместно с производителями роботов. Поэтому сбор данных может сформировать внешний спрос, для которого возможно отдельное ценообразование.
Как видео действий человека превращается в данные для обучения роботов?
Представленный Agibot движок данных «Chorus众行» для разных робототехнических платформ может преобразовывать видео действий человека, снятые различными устройствами, в данные предварительного обучения, адаптированные к разным роботам. Испытания показали, что он позволяет увеличить объем эффективных данных для обучения роботов более чем в 40 раз.
По мнению Huayuan Securities, недорогое получение больших объемов данных от первого лица — лишь первый шаг; важнее преобразовать действия человека в данные о движениях, пригодные для обучения роботов. Поставщики, обладающие возможностями 3D-реконструкции пространства, извлечения траекторий движения и физического моделирования, могут расширить деятельность от сбора данных до создания информационных активов и инфраструктуры обучения.
Как с этим бизнесом связаны публичные компании?
Tianqi предлагает решения в области воплощенного интеллекта для промышленности. Ее деятельность включает адаптацию комплектных робототехнических систем, сбор данных с помощью физических роботов в реальных промышленных условиях и интеллектуальное практическое обучение, а также настройку алгоритмов для специализированных областей применения.
Системы оптического захвата движений LUSTER уже применяются для сбора данных о человекоподобных роботах и контроля при серийном производстве; компания также сотрудничает с производителями роботов и центрами сбора данных. Выручка от систем оптического захвата движений в 2025 году быстро росла благодаря спросу на воплощенный интеллект, что ознаменовало начальный этап коммерциализации.
