作者:彭堃方
编辑:吕鑫燚
出品:物理AI|研习社
在开始与简智机器人联合创始人朱雁鸣采访前,他刚刚结束与投资人的会谈。
距离简智机器人在月初拿下新一轮 1 亿美元融资,仅过去短短一周,投资人仍旧纷至沓来。朱雁鸣说,“有商业化闭环,确定性会更强一点”
站在 2026 年末,我们见证数据产业的野蛮生长,也看到了数据产业出现的冷静。
有投资人曾开玩笑说,数据元年是具身智能最短的叙事。
买卖双方的具体感受中也有类似的迹象。模型公司仍在寻找更多数据,采集设备与数据供给也越来越丰富,但社群里成批兜售的数据,与一些从业者口中“数据不好卖了”的感叹,同样真实。更多小时数能换来多少模型能力,过去买下的数据能否继续支撑训练,客户开始追问得更细。
数据有了生意,数据公司的确定性却仍在变化。
在朱雁鸣看来,过去一年里,行业已经从验证无本体数据是否有效,走到了追问如何让它更高效的阶段。客户需要哪些场景、哪些模态,对精度与多样性提出什么要求,都在随着模型演进重新调整。上一阶段能够卖出去的数据,未必还能满足下一阶段的训练。
简智的判断是,具⾝智能所需的数据产品正在经历两重升级: 一是从以视频为主的视觉模态,⾛向视觉、动作、触觉与任务结果构成的多模态物理交互闭环; 二是从单⼀视⻆的局部记录,⾛向对⼈类视野、⾝体动作与任务⾏为的完整描述。
换句话说,现在只有同时具备⼈类技能⼴度、物理交互完整性与机器⼈执⾏价值的数据,才更有可能满足下一阶段的训练需要。
简智近期发布的 DAS Ego 2.0 头戴式采集设备与 DEX 2.0 数据手套,提供了一个观察这种变化的切口。头戴设备扩展对人体动作和周围环境的记录,手套则通过自研半柔性电子皮肤,将触觉感知从局部指尖延伸至指腹、掌面等主要交互区域,捕捉抓握、承托和多指配合中的接触变化,再与视觉、动作同步。两款产品试图回答的是同一个问题:人类完成一项工作的经验,究竟应该怎样被记录,才能成为机器人可以学习的东西
而当通用模型、仿真生成和递归自我改进不断带来新的想象,数据公司还要回答另一个问题:哪些能力会被新技术接管,哪些真实经验仍然需要自己走进现场获取?带着这些问题,我们与朱雁鸣聊了聊数据需求的变化、产品选择背后的技术判断,以及这门生意更长远的边界。
朱雁鸣把今年的数据市场分成两个阶段。上半年,客户主要验证 Ego、UMI 等无本体数据对模型的提升效果,摸索它们与其他数据的配比和训练方式。相比围绕特定任务做后训练,大规模预训练需要更多算力、资金和体系化能力,创业公司对此仍然谨慎。数据采购中,也有一部分来自对新路线的试探,以及不愿在竞争中掉队的心理。
到了下半年,讨论开始深入。有客户买下五万、十万小时的数据,训练后发现提升慢于预期,继续采购的热情随之下降。朱雁鸣将其中一个重要原因归结于质量:缺乏管控、精度不足的数据,即使不断累加,也可能只能带来很小的增益。与此同时,模型方案还在变,供应商数量也在增加,“可能上半年大概能有几十家公司,现在估计几百家公司,这个规模肯定是比之前多了 10 倍”,过去能够成交的供给,开始遭遇新的筛选。
他举了一个来自海外客户的例子:一些前沿实验室下一季度的数据要求,已经与上一版本有很大不同,再拿上一阶段的数据去卖,对方可能直接拒绝。需求总量的增长,无法保证每一种数据的价值都同步增长。对供应商而言,更紧迫的事情是弄清楚,模型接下来需要学什么。
首先是多样性。它包含任务种类,也包含同一任务的执行环境、操作对象,以及成功与失败样本如何配置。将同一类数据放大十倍,并不能直接等同于获得十倍的学习价值。在朱雁鸣观察到的需求里,反复采集叠衣服、擦桌子,已经难以满足客户继续拓展能力的期待。他用“职业的价值”概括一种变化:当模型已经见过大量常见家务,人们会更希望获得熟练工人在专业场景中的操作经验,“数据底层逻辑就是蒸馏人”。
这让场景进入的能力变得具体起来。目前国内有两种思路,一是 To C 的众包采集。通过“采手”触达更多日常场景。另一种是简智的做法,组建了专门负责 To B 数采运营的团队。朱雁鸣认为,众包比较容易触达的家庭和常见商业场景,与公司希望进入的工厂、专业作业环境,存在差别。这是简智对自身供给方向的选择,也提示了众包之外的一道门槛:设备可以分发给更多人,但进入生产现场、持续获得有价值的技能示范,需要另一套组织与协作能力。
其次,客户开始要求更完整地描述人的操作。在他的业务观察中,单目视频的吸引力正在下降,多视角、hand tracking(手部追踪)、甚至 CoT 标注,以及 wholebody 全身动作变得更受关注。拿 wholebody 来说,“大家上个阶段更多讨论是 hand tracking,但是手部追踪这件事情,如果你能够加入你的胳膊的变化,其实它的 reasonable 可解释性是更强的”。手最后到达同一个位置,胳膊可能沿着完全不同的路径绕过障碍物;只留下手的轨迹,就遗漏了这次动作为什么能够完成。随着模型开始学习腰部、肩部与手臂的协同,数据也要补上这些过程。
当然,需求并没有收敛成一份统一清单。朱雁鸣接触的国内客户,更常围绕特定场景和任务提出要求;海外一些希望训练基座模型的大公司,则更愿意购买新模态,探索整体精度与多样性的上限。数据公司既要看见这种差异,也要判断它将往哪里变化。
被问到为什么能够连续押中全身数据、触觉灵巧操作这些方向时,朱雁鸣把原因归于“主线意识”。
此前做智驾的经历给了他一个启发:学习方法不断变化,模型仍然要在能力和认知上接近人。放到机器人身上,如果希望它逐步承担人的工作,就需要理解人的观察、动作、接触与调整。产品设计也应当从这些学习需要出发。
沿着这条思路,数采头戴设备首先要解决“看见多少”的问题。DASEgo 2.0 采用六路同步摄像头,将水平视野从上一代的 270°扩大到 340°,补充人体上半身、周身及侧后方的视觉信息。据了解,其指尖追踪精度可达 4 毫米。更广的视野与更精细的追踪,分别服务于操作的上下文和动作细节:人在弯腰、转身、搬运时,手、身体和周围物体之间的关系,需要尽可能连续地保留下来。
到了手部,问题更复杂:采集设备会不会改变被采集的动作?过厚的结构占用抓握空间,关节轴线的偏差干扰运动,采集者就可能调整姿势来迁就设备。如果这种偏差被反复记录,模型学到的技能也会带上设备的痕迹。
DEX 2.0 因而把外骨骼主要结构移到手指侧面,释放指腹、掌面等交互区域,让机械关节更贴近人手运动轴;关节内置的磁编码器则直接读取局部转角,减少依靠图像或材料形变间接推算角度的环节。据了解,其单手配置 21 个独立关节编码器,角度分辨率为 0.2°。侧置结构与关节直测分别回应了两个要求:动作尽量自然发生,发生之后又能被准确描述。
触觉的取舍更能体现这种“以人为镜”、最大可能保留人的真实操作的思路
这项布局已经持续了一段时间。朱雁鸣回忆,团队在去年确定产品方向时,就把人的感知、操作以及多模态对齐作为主线。落到 DEX 2.0 这副手套上,投入精力最多的正是触觉方案,前后研发了大约九个月。团队起初尝试寻找现成方案,发现难以满足要求后,选择自研电子皮肤,将触觉作为手套研发中的一项重点投入。
具体来说,朱雁鸣的要求是:没有接触时尽量保持沉默,发⽣接触时准确定位,连续操作中稳定输出,并覆盖⼈⼿真实参与交互的主要区域。
基于这些考量,DEX 2.0 选择了自研半柔性压阻式电子皮肤,兼顾贴合手部的柔软性与传感结构的稳定性。其薄膜式压阻传感器可以贴合手指和掌面的弧度,减少织物在拉伸、滑移或起皱时产生的运动伪影;同时,团队通过优化传感单元和阵列结构,降低机械与电磁串扰,让接触发生的位置与记录的位置尽可能一致,做到单点按压对应单点响应。
在此基础上,DEX 2.0 将触觉覆盖从局部指尖扩展⾄⼈⼿主要交互区域,单⼿16 块触觉传感器,共 980 个触点,触觉空间分辨率 1mm,最⼩检测⼒ 0.1N。通过全掌覆盖,手部操作中的接触信息能够被更完整地记录下来。考虑到长期进入真实场景采集的需要,团队还着重提升了传感器的信号稳定性和耐久性,单片传感器可承受超过 100 万次法向按压和 10 万次弯折。
还需强调的是,DEX 2.0 同时场景中的示范,后者结合不同本体的自由度、关节布局和控制接口,记录机器人执行与任务结果。两种模式共享测量、同步和数据接口,为跨本体适配与效果验证提供衔接。
上述的这两款设备统称为 DAS 2.0,协同之后可以输出更完整的原生、全模态手部监督。触觉要进入模型训练,还需要与视觉、动作对齐到同一个物理时刻。头部视觉提供环境信息,腕部相机补充近场观察,外骨骼和电子皮肤记录动作与接触。系统采用统一时基、硬件触发与曝光控制,据公开信息显示,其可实现 1 毫秒级头手时间对齐。对于快速抓取、插拔等操作,时序偏差可能让当前画面对应上错误的动作或触觉标签。同步则能保留观察、动作、反馈之间可信的先后关系。
在简智的数据体系里,这类实测触觉还承担着高质量监督标尺的作用。通过同步采集 Ego、腕部视觉与 Dex 数据,真实触觉可以为视觉模型提供配对训练依据。按公司的技术规划,后续有望让较轻量的双视角方案估计接触区域和强弱变化。
如果数据需求会随模型变化,那么通用模型能力的快速提升,会不会直接改变数据公司的生意?谈到 GPT-6 Astra 以及更强的仿真生成能力,朱雁鸣的回答很直接:“没什么影响。”他的判断指向一个具体边界:生成式方法可以扩增环境与外观变化,但真实操作中的接触经验,仍然有独立价值
例如手拿起物体时,皮肤怎样形变、施力怎样变化,这些细节不能仅凭画面足够逼真就被视为准确。朱雁鸣对仿真替代这类数据持谨慎态度。
但这也与简智自己使用生成模型并不矛盾:公司用它来对齐、重建已经采集的经验,而原始的动作、接触和反馈,仍要从真实交互中获得。关键在于模型接手了数据生产的哪一步,以及最终留下的训练信号是否可信。
对于 RSI 这一火热的标签,有一种路径是“RSI of Data”,让模型自己生产高质量数据。对于这个充满想象力的话题,朱雁鸣没有把它直接理解成外部数据需求的终结。
他把人的学习分成两部分:一部分来自自己试错,另一部分来自观察他人。
小孩摔倒后可以调整动作,但面对一台没有说明书的复杂机器,单靠试错往往要付出很大代价。任务越复杂,借助他人经验的价值就越明显。在他的判断里,自我改进能够减少部分加工环节和基础任务的数据需求,也会提出新的数据需求;Human Data 则继续承担把他人经验带入学习过程的作用。
近期海外关于“数据公司转向部署公司”的讨论,认为数据公司会在与场景的深度链接中,助力模型的部署。坦白说,只有当基础模型足够成熟,场景中的知识、操作经验与反馈,才可能成为推动落地的关键增量。对拥有场景数据和采集运营能力的公司而言,这是一条值得关注的延伸路径;现阶段,模型本身仍有许多问题需要解决。
此外,一些数据公司已经开始宣称可以反过来指导模型训练,但我们听到的克制是:一方面不能把数据行业简单看成“客户要什么,就交付什么”,最后只用卖了多少小时、赚了多少钱评价公司。另一方面,模型与数据都在迭代,尚未出现一方足够成熟、另一方只需跟随的局面
这种谨慎,也伴随着一个更激进的长期判断:朱雁鸣认为,今天预训练、中间训练、后训练的工程化划分,可能并非终局。他期待模型具备更强的端到端学习能力,看过人的行为以后,能够理解并举一反三。不过在他的估计中,具身模型走向收敛仍可能需要五年,甚至更久。
回到采访开始时的“确定性”,数据已经拥有客户和收入,这给了创业公司一条相对清晰的商业路径。但模型要学习的内容还在扩展,昨天有效的数据配方,也会遇到新的边界。
人类经验没有因为被记录过一次,就被机器完整地学会。更聪明的模型会改变学习方法,也会让过去看不清、用不上的经验变得有价值。数据公司的机会,将存在于这两者不断接近的过程中;它们需要做的,是让每一次接近,都有真实、准确的经验可以依凭。
热门跟贴