杨哲轩:结构化语言才是具身数据对齐关键

资讯 腾讯网 作者:36氪 全文 4610 字 · 约 12 分钟读完 分类机器人

▲从一只瓷杯到可复用的数据资产——编译发生在每一次操作之后。 桌上摆着几只茶杯。采集者戴上头戴设备,把杯子逐一拿起、移开,再放回原位。设备记录了连续视频和惯性测量单元(IMU)数据。看上去,动作已经被完整保存。可一旦任务结束,这段经验通常也就结束了。它没有自然地变成下一次可以调用的能力。 但在杨哲轩看来...

所属频道 机器人与具身智能

一只瓷杯,也能沉淀成可复用的数据资产——编译就发生在每次操作完成之后。

桌面上放着几只茶杯。采集人员戴上头戴设备,逐一拿起杯子、挪开、再放回原处。连续视频被设备记录了下来。

杨哲轩的看法是,问题恰恰出在这里:动作被存下来,只是开头。视频能说明发生过什么,却没法告诉模型下一步该做什么。动力学、意图、空间关系,还有失败后如何恢复,这些它都没有。想让整理茶杯的一次动作变成可复用的智能,系统得先把任务拆成步骤,用结构化语言对齐,再把手的姿态、运动轨迹和动作意图补回去。

他的判断很明确:“我的判断,语言,特定地说,结构化的语言,才是唯一可以对齐的东西。”在杨哲轩看来,只有先把任务写成模型能理解、能检索、能复用的结构,物理世界里的动作才有可能从一次性经验变成下一次能调用的智能。

桌上摆着几只茶杯。动作被记录下来,只是开始。

放到行业里看,具身智能进入数据规模化阶段以后,采集量涨得快,高质量数据的缺口却还是很大。36氪今年5月曾援引行业共识称,要训练具备通用泛化能力的具身模型,至少需要千万小时级数据;而截至2026年初,全球高质量真实物理交互数据总量只有约50万小时,不到大语言模型训练数据的两万分之一。

杨哲轩在现场打了个更直白的比方:外购1000小时数据,筛完可能只剩约100小时能用。采集规模和有效供给之间,横着一道要靠工程能力填平的沟。

智域基石想做的,就是把这套结构补上。公司站在采集与模型训练中间,用

数据与模型学习需求的三重错位

杨哲轩认为,数据不会因为“采够了”就贬值。模型每往前走一步,新的短板就冒出来,数据需求也跟着变。好比考试总出新题,模型进入真实工作环节后,也会不断抛出新的问题。

真正的问题在于,现有数据和模型之间还有不少错位。

最直接的一种错位出在学习对象上。视频拍下了物体在哪、手动了什么,却未必包含模型要理解的物体状态变化、动作后果、操作顺序、失败恢复和接触关系。智域基石内部把模型在操作层面要掌握的能力归成十类。杨哲轩认为,模型在这些方面普遍欠缺,只记录画面的视频不会自动给出答案。

同一段经验被拆成画面、轨迹与接触关系,三份记录却常常对不齐。

第二种错位出在任务分布上。标准化采集场地最容易扩量:一个2000平方米的场地,按每个工位约10平方米算,能安排约200人。可模型在这里学会“怎么拿起一个物体”,换到商场、厨房或工厂,还是可能不知道该怎么办。杨哲轩说,这类场地容易起量,场景泛化性却很难给出来。

第三种错位来自本体差异。人与机器人、不同机器人之间,身体结构、动作空间、控制方式都不一样;人类数据要复用到机器人身上,得经过相机标定、任务Schema定义、动作映射和本体适配。Physical Intelligence去年12月的一项研究也发现,只有预训练数据在场景、任务和本体上足够多样,人类视频向机器人的迁移能力才会显现出来。

同一只杯子,人和机器看到的位置并不一样。

这也是智域基石正在重点关注和积极探索的方向:如何缩短human-to-robot的

杨哲轩的判断是,到今天为止,相对确定的一件事仍是scaling会继续发生。再往下细看,关键就在于寻找更陡峭的

所以两类数据的分工并不一样。人类第一视角数据容易规模化,主要服务预训练阶段在场景、任务和动作上的泛化;真机数据更贴近具体本体和执行反馈,适合特定任务的

杨哲轩当时聊的内容已超出单个模型或某次发布的范畴,落点在语言与数据结构怎样充当具身智能的底子。OpenAI 二度搭建机器人模型研究团队之后有哪些后续变动、Anthropic 发布 Fable 5.2 等消息,那阵子都还没对外公布。等到行业里的公开动作接连冒出来再回看,这更像一场抢在事前发生的行业预判。

中国信通院等机构8月发布的报告显示,到今年6月底,全国建成并启用的具身智能训练场已经超过70家。但中国信通院与清华大学电子工程系等单位10月发布的《具身智能发展报告(2026年)》同样提到,具身智能眼下还在往试点应用过渡。

判断数据有没有效,看的是它能不能覆盖模型要学的能力;采集时长本身不算判据。行业要争的,也从采得更多转向留下更有训练价值的部分。

数据编译:从观测记录到操作级资产

杨哲轩认为,观测级数据和操作级数据的核心区别,在于有没有一套结构化体系把数据对齐。缺的不是更多标签,而是一套能把不同信号放进同一坐标系的语言。用他的话说:“我的判断,语言,特定地说,结构化的语言,才是唯一可以对齐的东西。”所以智域基石选择用结构化语言组织任务,同时补充

还是拿整理茶杯来说。视频进入管线,先过数据质检这一关:丢帧的、IMU漂移的、关键动作被挡住的、操作不合规的片段都会被剔除,外部服务商产出的数据同样躲不过这道筛。之后进入数据底座重构,系统把便于写入的录制数据转成读写平衡的自研中间格式(▲编译管线:左端是未经整理的观测,右端是可检索、可交付的数据资产。

接下来才是核心的数据编译:任务被拆成多个步骤,并与语言对齐,手部姿态、

撑起这条管线的,是观测级数据输入、Physical AI DBMS

外界往往把数据生意归到劳动密集型那一类,杨哲轩不这么看:“数据其实是一个有高科技属性的制造业。”在他眼里,劳动密集是这门生意的特点,但不等于没有壁垒。高科技属性就体现在手部姿态生成和轨迹提取上——手挡住作业的关键区域时,信息提不出来,只能靠模型还原,而这需要大量无遮挡数据来训练,再拿真值去验证。“这个工作不是说我组织一大堆人就能解决,需要你有卡、有数据、有算法人才。”

制造业的那一面落在质检上。产品出厂前要质检,数据交付前也一样,自动化没法完全闭环。“很多同行都在宣称100%自动化标注与质检,这是做不到的。如果你能做到了,就意味着模型不需要你的数据了。”杨哲轩说。所以智域基石把自动化、多级质检和统计抽检放在同一条生产线上。说到底,数据编译是一门有技术门槛的制造业,不是简单清洗或贴标签,而是靠数据库工程、物理因果理解、算法和质量控制,把一次性的观测记录稳定加工成模型能用的数据资产。

数据编译的能力边界

经过编译,原始观测数据变成可训练、可评测的操作级数据资产。但这不代表数据已经能直接驱动机器人干活。杨哲轩强调,编译后的数据“还没有走到机器人层面”,不是能直接下发给任意机器人的控制指令。不同机器人在身体结构、动作空间和控制系统上各有差异,数据要进入具体机器人的训练和应用,还得做本体适配。

这也意味着,跨本体复用不是把同一份数据或动作指令直接复制到不同机器人上。真正能复用的,更多是任务定义、失败分类、观测规则、质量门禁和恢复模式这些方法与经验,它们能给不同本体的数据生产和训练提供参考;至于具体的数据处理与动作映射,仍要结合机器人自身的特点来完成。

除了本体差异,数据来源本身也决定了适用范围。人类第一视角数据记录的是人的操作过程,胜在场景和任务多样,主要支撑预训练阶段的泛化能力;真机数据更贴近特定机器人本体及其实际执行反馈,适合围绕具体任务开展

“我觉得我们公司,包括我的职业生涯、我的基因,应该是不会去大规模做预训练的。”杨哲轩说。他更希望公司未来在大规模

从一次性采集,走向持续的真实任务供给

数据编译要持续运转,就得不断拿到真实任务。智域基石在官网上提出了“

现阶段,公司同时采集真机数据和人类第一视角数据,外部服务商参与生产,内部团队负责任务定义、加工和验收。杨哲轩认为,做数据的难点不在雇多少人,而在于能不能站在模型训练的角度先把任务定义好——这也是公司坚持在真实场景中采集真实任务和动作的原因。硬件是另一项投入。智域基石自研了▲智域基石自研的

谁在为操作级数据付费

智域基石目前的客户主要有三类:国内外专注预训练的基础模型公司、头部具身智能企业,以及有预训练需求的机器人本体厂商。这些客户看重的不是采集时长,而是来自真实场景、能进入训练和评测流程的数据资产。

数据的定价逻辑也跟着变了。杨哲轩的看法是,价格之所以被一压再压,根子在于有效率太低。“我从你这儿买了1000小时,最后要花人去质检、花人去处理,筛选下来可能就10个小时,所以你只能无限地去压这个价格。”另一边,模型公司的查重能力在不断增强,重复的数据基本带不来什么提升。

模型团队为什么还要找第三方?自建团队当然做得成,可要跨任务、跨本体长期持续产出,投入不是一天两天的事。更难的一关是:下一步该要什么数据,得有人判断得准。

杨哲轩打了个比方:“数据这个事情特别像服装行业。大家都卖衣服,但是有些衣服流入大卖场,有些衣服进到高档商场,想做到后者,需要提前预判下一季流行什么。”这话的意思是,团队自己得懂模型,摸得清模型能力的边界,也看得见它往后往哪走。

第三方能提供的价值,是把这些真正要紧的能力做成可以持续交付的服务。从行业观察看,手握垂直场景和敏感数据的大型产业方,未必乐意对外开放。杨哲轩的判断是,它们更可能在自己的体系里把数据闭环跑完。

智域基石眼下选择从项目切入,这一做法来自对客户的深入观察:按客户的训练需求划定任务、组织采集,再把编译好的任务数据集和评估资产依客户要求打包,直接送到客户算力所在的地方。杨哲轩把这种关系概括为“数据跟着算力走”。

不过,交付数据并不是公司的终点。任务和数据越积越多之后,智域基石打算再往前走一步,下场参与模型部署,围绕真实场景开展大规模

这些事最终都指向同一个目标:物理世界里的动作经验能被模型继承下来,具身智能借此重新进入真实世界,成为能承担具体任务的劳动力。

数据竞争的下一阶段

具身智能的数据赛道刚经历一轮快速扩张,接下来要变的地方,可能有好几个层面。

最先动的或许是采购方式。模型团队对数据有没有效的判断越来越成熟,采购会从按采集小时计价,慢慢转向看任务覆盖、看数据质量、看训练价值。

采购逻辑一变,供给结构也跟着调整。人类第一视角、真机和仿真数据会围绕不同的训练阶段互相补位,数据供给不再依赖单一采集方式,而是走向多源协同。

再往后,产业分工也可能被重新划定。专业第三方的数据编译服务,和大型场景方内部的データ闭环,很可能长期并行;数据基础设施则会慢慢成为连接真实任务与模型训练的关键环节。

▲下一阶段比拼的不是采得更多,而是斜率更陡。

这些判断还得靠时间检验。智域基石正在做的,是把物理世界里的每一次操作,都变成模型能学习、能评测、能持续复用的资产。具身智能的数据竞争已经进入下一阶段,比的或许不再是谁采得多,而是谁能真正把数据编译成智能。

本文由本站编辑组整理与排版,内容基于公开信息核实后归纳发布,与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态,力求信息准确、表述清晰;文中涉及的名称、价格与功能细节可能随官方调整而变化,请以官方最新说明为准。如发现疏漏或表述有误,欢迎通过站内渠道反馈指正。

相关推荐 按相关度与热度排序

全部资讯 →
  1. 戴士钦离开英伟达:黄仁勋辞职令他格外失望

    IT之家 11 月 16 日消息,英伟达机器人学习工程师戴士钦(Darrell Dai)昨日发文,宣布将离开公司。戴士钦表示,他眼中的黄仁勋不只是英伟达 CEO,他钦佩黄仁勋投资那些一下子看不到明确前景的未来技术。在深度学习热潮到来之前,黄仁勋就已投入 CUDA,并在人工智能成为所有人关注焦点之前布局 AI 领域。这些

    来源 腾讯网
  2. 小鹏IRON人形机器人明年二季度对外开售,何小鹏预告科技日亮相

    IT之家 11 月 16 日消息,据蓝鲸新闻报道,今日晚间在小鹏集团 2026 年 Q3 财报电话会上,其董事长、CEO 何小鹏预告,在接下来的小鹏科技日和广州车展,最新版本的小鹏 IRON 将会公开亮相,将展示一系列与众不同的能力。何小鹏透露,明年一季度,量产的首批机器人将进入小鹏的部分门店开启试用;明年二季度,小鹏

    来源 腾讯网
  3. 蚂蚁灵波具身大模型挑战赛:15支战队48小时教机器人做家务

    一只机械臂夹着小刷子,另一只夹着黄色簸箕。绿色桌面上散落着红黄纸团,旁边摆着收纳筐。两名选手站在设备旁,低头操作,其中一人俯下身,看着面前的机械臂。这是首届蚂蚁灵波具身大模型挑战赛留下的一张现场照片。比赛要求机器人把桌面垃圾扫进簸箕,再倒进筐里。选手的手边摆着笔记本电脑,身前是机械臂和线缆,桌上则是...

    来源 腾讯网
  4. 马斯克披露星舰V4细节:箭体约70米,发动机增至9台

    马斯克此次披露的核心信息包括:星舰V4箭体长度将增至约70米,推进剂装载量提升超过60%,发动机数量增至9台,并新增3台猛禽真空版发动机。尺寸上,V3星舰长度约为52米,V4增至约70米,增幅约40%;推进剂装载量提升超过60%,意味着单次飞行可携带更多推进剂进入轨道。此次披露发生在SpaceX近期一次星舰试飞之后,该

    来源 TechWeb
  5. 马斯克披露星舰V4方案:70米箭体、9台发动机,运力再升级?

    马斯克此次披露的核心信息包括:星舰V4箭体长度将增至约70米,推进剂装载量提升超过60%,发动机数量增至9台,并新增3台猛禽真空版发动机。尺寸上,V3星舰长度约为52米,V4增至约70米,增幅约40%;推进剂装载量提升超过60%,意味着单次飞行可携带更多推进剂进入轨道。此次披露发生在SpaceX近期一次星舰试飞之后,该

    来源 TechWeb
  6. 机器人装上双摄却不会用?G3VLA给VLA模型补几何课

    你有没有想过,给机器人装上两个摄像头,到底能带来什么好处?直觉上答案很简单:两个角度看世界,当然比一个角度看得更清楚。可现实是,现在主流的机器人大脑,也就是那些视觉语言动作模型,拿到两个摄像头的画面后,居然把它们当成两张毫无关系的照片分别处理。这就好比你有一双眼睛,但大脑从不把左右眼看到的画面拼起来...

    来源 腾讯网
  7. 退货仓里的机器人:从搬箱子到直接分拣衣服

    双11结束了,退货仓里的忙碌才刚刚开始。过去,自动化设备已经接手了不少工作。如今,双臂机器人又开始直接抓取、识别和分拣退回来的商品。一场围绕退货处理的人机分工变化,正在仓库里发生。

    来源 AI 行业观察
  8. 埃里克·特朗普背书机器人公司欠薪停摆,CEO曾挪用资金买豪宅

    一家曾以“机器人士兵”概念吸引资本、并获得埃里克·特朗普背书的机器人初创公司,近日被曝未能按时发放员工工资,濒临倒闭。而就在一年前,其CEO被指挪用公司资金购置豪宅。这起事件不仅暴露了明星初创企业的治理失序,也为火热的国防科技投资敲响警钟。

    来源 AI 科技快讯
  9. 机器人会选工具,但会用吗?一个让人工智能露馅的新考场

    你有没有想过,如果给机器人一把锤子和一个苍蝇拍,让它去砸碎一块冰,它能分清哪个管用吗?这听起来像个幼儿园智力测验。但当研究者真的让当下最先进的机器人策略做这道题时,结果却没那么乐观。有些模型抓起了那个软趴趴的苍蝇拍,像模像样地挥向冰块,完全没意识到这玩意儿压根敲不碎任何东西。这就是韩国首尔大学联合谷...

    来源 腾讯网
  10. 港中文团队Orchestra:机器人执行长指令,难点不在动作生成

    你有没有想过,如果让一个机器人去厨房帮你准备早餐,它需要做哪几件事?拿面包,放进烤面包机,等烤好,再放到盘子里。听起来简单到不值一提,对吧?但如果你把这个任务拆开仔细看,会发现里面藏着一个大坑:机器人得知道自己做到了第几步,得记住哪些东西已经处理过了,还得在场景变化之后依然认得出面包在哪儿、盘子在哪...

    来源 腾讯网
  11. 蚂蚁灵波挑战赛落幕:TARS战队真机评测82.5分夺冠

    11月16日,蚂蚁灵波首届具身大模型挑战赛总决赛结果出炉。 来自福田实验室、西北工业大学、普渡机器人、天津大学的五位选手组成的“TARS”战队获得一等奖;华中科技大学、清华大学深圳研究院、湖北元一智能的三位选手组成的“EVA”战队,以及天津大学、北京大学、中国科学院自动化研究所三位选手组成的“SST

    来源 AI 开发者社区
  12. TARS战队:00后带队夺蚂蚁灵波具身大模型赛最高分

    11月16日,蚂蚁灵波首届具身大模型挑战赛总决赛结果出炉。 来自福田实验室、西北工业大学、普渡机器人、天津大学的五位选手组成的“TARS”战队获得一等奖;华中科技大学、清华大学深圳研究院、湖北元一智能的三位选手组成的“EVA”战队,以及天津大学、北京大学、中国科学院自动化研究所三位选手组成的“SST”战队获得二等奖;“

    来源 AI 行业观察
  13. 太空起源:跳过二级回收,中国商业航天另辟蹊径?

    人类航天史里程碑式突破。SpaceX星舰第15次飞行全球瞩目,二级飞船在顺利入轨并部署卫星后,成功实现塔架捕获。这是人类历史上第 一次把一枚轨道级二级飞船以塔架机械臂捕获的方式实现回收,标志着全复用运载系统的闭环打通,未来将彻底改写太空运输格局。国内,航天界同样注视着一幕。中国商业航天过去十年,火箭领域的技术关键词几乎

    来源 腾讯网
  14. 蚂蚁灵波首届具身大模型挑战赛收官:TARS战队82.5分夺冠

    11月16日,蚂蚁灵波首届具身大模型挑战赛总决赛结果出炉。“TARS”战队获一等奖,成员来自福田实验室、西工大、普渡机器人、天津大学;“EVA”战队(华科、清华深研院、湖北元一智能)和“SST”战队(天大、北大、中科院自动化所)获二等奖;“Vida”“FDU_SONIC”“ai-robot”获三等奖。

    来源 AI 产业速递
  15. 马斯克披露星舰V4细节:箭体加长约40%,推进剂载荷提升超60%

    IT之家 11 月 16 日消息,在 SpaceX 首次成功用发射塔机械臂捕获星舰飞船上面级的第二天,埃隆 · 马斯克(Elon Musk)公布了下一代星舰 V4 版的升级计划。新版本飞船长度将增加约 40%,推进剂装载量提升超过 60%,发动机数量也将从 6 台增加到 9 台。 马斯克当地时间周日晚间在 X 平台发文

    来源 AI 行业观察
  16. 具身智能融资466起1245亿:机器人离干活还差什么

    2026年,资本、模型和制造同时加速,机器人开始批量走下生产线,但下线不等于交付,演示不等于胜任。具身智能能否真正跨越产业之门,取决于技术能否被组织成稳定工作的系统,并在真实场景中持续创造价值。

    来源 AI 行业观察
  17. 消息称黄仁勋离职后参与遴选接班人;OpenAI再度解散独立机器人团队;格罗方德美国新晶圆厂动工 | 新闻速递

    每日头条芯闻消息称黄仁勋离职后参与遴选接班人OpenAI再度解散独立机器人团队格罗方德美国新晶圆厂动工Meta因隐私问题被意大利罚款8.05亿欧元消息称SK海力士加快设备投资进度,进一步扩大HBM4产能JPR:全球PC客户端CPU出货量2026年Q3同比下降6.5%消息称科技界预期黄仁勋将在硅谷“东山再起”,业内高管称

    来源 腾讯网
向下滚动自动加载更多