文 | 田哲

裁剪 | 苏建勋

2025岁首，咱们了解到一件事，国内具身智能独角兽“智元机器东谈主”（即是B站驰名UP主“稚晖君”当CTO的那家公司），在上海，建了一座“数据采集工场”（简称“数采厂”）。

这是啥？为啥建？怎么采？一系列猜疑涌上咱们心头，咱们决定去看一看。

天然了，在去之前，咱们对一家“数采厂”的责任历程，有一些相配刻板的念念象——在堆满事业器黑盒子的黑暗房间，挂着黑眼圈、发量堪忧的轨范员，机械地敲着键盘输入代码……

错错错！当《智能显现》抵达智元机器东谈主位于上海浦东的数采厂，发现实践和咱们的念念象，天差地远！

绝不夸张地说，这统统是好意思国电影《》的片场！

《星球大战》电影海报；图源汇集

在这座3000平日米的数采厂中，不同主题的房间占据了工场的绝大部分面积，每个房间都用心规复了实践生涯的物件布局，机器东谈主就在不同的场景中实施不同任务。

在卧室中，机器东谈主乖巧地学习叠衣裳。

机器东谈主学习叠衣裳；图源：智元机器东谈主

在餐桌前，机器东谈主把餐具挨个摆放整皆。

机器东谈主摆放餐盘；图源：《智能显现》拍摄

机器东谈主还要学会打餐种种菜肴，况兼不会手抖。

机器东谈主正在用勺子舀鸡蛋；图源：《智能显现》拍摄

而在商超收银台前，机器东谈主一只手拿扫码器，另一只手拿着商品扫码。

智元机器东谈主正在学习商品扫码；图源：《智能显现》拍摄

参不雅杀青后，《智能显现》见到了数采厂厚爱东谈主姚卯青，他亦然智元机器东谈主具身产物线总裁、商讨院实施院长，厚爱数据运行具身智能产物研发。

此前，姚卯青曾在Waymo、蔚来汽车等公司厚爱研发感知算法、端到端大模子。

姚卯青告诉《智能显现》，机器东谈主每完成一个手脚，就异常于一条数据，数据将通过机器东谈主的主机上传至云表，智元机器东谈主团队将愚弄这些数据磨真金不怕火机器东谈主的大模子，从而让机器东谈主确凿掌抓一项妙技，比如冲咖啡、熨衣裳等。

为了让机器东谈主快速学习妙技，智元为它们安排了一双一教授本分——数据采集员，他们都是年青有活力的小哥哥密斯姐，为了更好地教机器东谈主完成手脚，采集员也需要肢体相助，手脚轨范。

数据采集员们手持招引，手把手地杀青机器东谈主完成抓、抓、放等手脚。有时他们也会头戴VR招引，更精确地让机器东谈主效法学习东谈主类手脚。

据了解，当今智元数据采集工场投放了近百台机器东谈主，日均采集3-5w条数据。

而为了让机器东谈主更快在不同环境中掌抓尽可能多的妙技，智元数据采集工场模拟了家庭、零卖、工功课、餐饮、工场五个场景。

在这里，你能发现商超内不仅有种种零食，还有葡萄酒、烟草，致使连蔬果的价格也标好了。

智元机器东谈主模拟的商超；图源：《智能显现》拍摄

也有一批机器东谈主分布在各自“工位”，在桌前学习疏忽地叠衣裳等妙技。

机器东谈主们在工位学习不同妙技；图源：《智能显现》拍摄

据了解，数采厂面积还将加多1000平日米，可加多更多场景的同期，也能字据客户需要定制化模拟场景。

不外，目下行业内罕有打造如斯万般场景的机器东谈主公司，一个问题随之而来：智元机器东谈主下决心打造数据采集工场，这一过程是怎么张开的？

为具身智能机器东谈主，打造数据养料场

关于大多半初创公司而言，将高额资金确立一座工场用于数据采集，风险无疑是广博的，而智元机器东谈主似乎莫得夷犹，只是用了一个多月就完成搭建数据采集工场。

促使智元机器东谈主不吝高本钱打造数采厂，这背后，行业现有数据量在供给侧上的广博空缺。

2024年6月，智元机器东谈主决定研发机器东谈主具身智能大模子，这需要海量数据以磨真金不怕火大模子。

姚卯青告诉《智能显现》，机器东谈主通过数百条数据学会一个妙技，这些手脚频频都是长程任务，比如冲泡咖啡，熨衣裳等。

他们曾试图寻找行业内的开源数据库，但发现高质地、调治局面的数据险些不存在。即使行业内开源了百万条由确切机器东谈主采集的磨真金不怕火数据集，可是这些数据骨子上由不同公司、不同型号规格的机器东谈主采集，数据质地较低，够不上智元的条目。

姚卯青暗示，不同传感器和形态的数据各别过大，将减轻举座磨真金不怕火后果，比如一个六轴机械臂的数据在七轴聪慧手机器东谈主上险些无法复用，因此需要调治轨范的数据。

而让智元下决心确立数采厂，这个过程也很疏忽。

姚卯青暗示，智元机器东谈主采集了几千条数据用于磨真金不怕火算法，天然能让机器东谈主凯旋完成某个手脚，可是无法泛化——如若更正物体种类、面孔致使后光，都将影响机器东谈主再次完成一样的手脚。因此智元机器东谈主决定确立工场大界限采集数据。

不临幸间的机器东谈主正在采集数据；图源：《智能显现》拍摄

数采厂畴昔将绵绵逼迫为机器东谈主学习提供数据养料。据了解，智元数据采集工场插足使用两个多月，就采集了超百万量级真机数据集，采集任务超一千种，每个任务都包含几百条数据，一些非常难的长程任务可达几千条。

“不久后咱们将领有超千万条数据。”姚卯青笑着说。

探寻机器东谈主的Scaling Law

在采集数万条机器东谈主重叠手脚后，智元机器东谈主得益了一些只怕之喜：机器东谈主大约在未经磨真金不怕火的情况下，字据条目杀青倒水量；只教了机器东谈主几十次，就能学会叠裤子。

这恰是智元机器东谈主念念要打造的机器东谈主——大约自主瓦解东谈主类提醒和外部环境，并能相宜复杂的环境。

智元但愿机器东谈主大约更换不同品牌、型号的咖啡机配件；图源：《智能显现》拍摄

已往数十年，机器东谈主的杀青频频依赖东谈主们的预设端正，向机器东谈主输入情况描写以及搪塞时势的端正，机器东谈主在相应情况下完成操作。相关词机器东谈主遭遇的情况鬼出神入，难以依靠提前输入端正就能让机器东谈主搪塞系数情况。

在大模子应用爆发后，让机器东谈主从冰冷的躯体有了才能，大约瓦解宇宙和东谈主类。而智元机器东谈主正在研发的，是具备端到端大模子的机器东谈主，通用能力更强且反馈速率更快。

机器东谈主从汲取提醒到完成手脚频繁有三个行动：感知外部环境，作念出决议、杀青肢体实施任务，信息在这一链条传递中可能出现失真，从而影响机器东谈主完成手脚。

但端到端大模子，不需要分模块，更不依赖精确测量，就像东谈主类超车前，不会下车测量两车之间的距离，再进行超车。

智元机器东谈主对端到端大模子机器东谈主的设念念是，机器东谈主大约汲取东谈主类的复杂提醒，比如让机器东谈主从远方取来手机，或者从雪柜里拿一包薯片。这些提醒不仅考验着机器东谈主对任务的瓦解能力，还条目机器东谈主大约识别物体，并完成迁徙到相应处所、取物，复返，提交物品。

可是达到这一气象并阻截易。姚卯青暗示，需要逼迫向大模子投喂数据，数据量越大，大模子在某一场景推崇会更接近东谈主类，他预估的数据量为几千万条到1亿条，机器东谈主的Scaling Law远未到来。

《智能显现》了解到，机器东谈主需要软硬件赓续，仅有其中之一都难以让机器东谈主手艺马上发展。好意思国的硬件本钱较高，因此好意思国机器东谈主初创公司大多只研发算法。中国已有供应链上风，赓续数据和自研的硬件，会让算法、硬件、软件快速迭代。

姚卯青笃信，中国机器东谈主手艺的举座进程已与好意思国不相险阻，因为好意思国的东谈主工本钱比国内向上十倍，还得从中国采购种种零部件。

智元机器东谈主用更低的本钱和高效的迭代速率，拓展了场景模拟和数据采集界限，那些在好意思国机器东谈主公司看来“驴年马月”的手艺，正在中国的数据采集工场逼迫流淌的数据中，少许点接近成为实践。