有时候，那些看似微不足道的外力因素，就像隐藏在暗处的礁石，悄无声息地将婚姻的航船撞得支离破碎。

若想找到答案，看起来不容易，其实也是有迹可循的。

裁剪 | 苏建勋

2025年头，咱们了解到一件事，国内具身智能独角兽“智元机器东谈主”（便是B站闻名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？如何采？一系列疑忌涌上咱们心头，咱们决定去看一看。

天然了，在去之前，咱们对一家“数采厂”的责任过程，有一些特地刻板的念念象——在堆满就业器黑盒子的黑暗房间，挂着黑眼圈、发量堪忧的标准员，机械地敲着键盘输入代码……

错错错！当《智能表示》抵达智元机器东谈主位于上海浦东的数采厂，发现现实和咱们的念念象，迥然相异！

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；图源汇注

在这座3000闲居米的数采厂中，不同主题的房间占据了工场的绝大部分面积，每个房间都全心收复了现实生存的物件布局，机器东谈主就在不同的场景中实行不同任务。

在卧室中，机器东谈主乖巧地学习叠一稔。

机器东谈主学习叠一稔；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王人。

机器东谈主摆放餐盘；图源：《智能表示》拍摄

机器东谈主还要学会打餐千般菜肴，而且不会手抖。

机器东谈主正在用勺子舀鸡蛋；图源：《智能表示》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：《智能表示》拍摄

参不雅完了后，《智能表示》见到了数采厂稳健东谈主姚卯青，他亦然智元机器东谈主具身家具线总裁、征询院实行院长，稳健数据运转具身智能家具研发。

此前，姚卯青曾在Waymo、蔚来汽车等公司稳健研发感知算法、端到端大模子。

姚卯青告诉《智能表示》，机器东谈主每完成一个手脚，就相当于一条数据，数据将通过机器东谈主的主机上传至云霄，智元机器东谈主团队将愚弄这些数据试验机器东谈主的大模子，从而让机器东谈主信得过掌抓一项技巧，比如冲咖啡、熨一稔等。

为了让机器东谈主快速学习技巧，智元为它们安排了一双一教悔敦厚——数据采集员，他们都是年青有活力的小哥哥姑娘姐，为了更好地教机器东谈主完成手脚，采集员也需要肢体归拢，手脚模范。

数据采集员们手持开导，手把手地死一火机器东谈主完成抓、抓、放等手脚。随机他们也会头戴VR开导，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技巧，智元数据采集工场模拟了家庭、零卖、就业业、餐饮、工场五个场景。

在这里，你能发现商超内不仅有各样零食，还有葡萄酒、烟草，以致连蔬果的价格也标好了。

智元机器东谈主模拟的商超；图源：《智能表示》拍摄

也有一批机器东谈主散布在各自“工位”，在桌前学习绵薄地叠一稔等技巧。

机器东谈主们在工位学习不同技巧；图源：《智能表示》拍摄

据了解，数采厂面积还将增多1000闲居米，可增多更多场景的同期，也能字据客户需要定制化模拟场景。

不外，咫尺行业内有数打造如斯千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，这一过程是如何张开的？

为具身智能机器东谈主，打造数据养料场

关于大多量初创公司而言，将高额资金设立一座工场用于数据采集，风险无疑是重大的，而智元机器东谈主似乎莫得逗留，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资本打造数采厂，这背后，行业现有数据量在供给侧上的重大空缺。

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，这需要海量数据以试验大模子。

姚卯青告诉《智能表示》，机器东谈主通过数百条数据学会一个技巧，这些手脚每每都是长程任务，比如冲泡咖啡，熨一稔等。

他们曾试图寻找行业内的开源数据库，但发现高质地、和解状貌的数据险些不存在。即使行业内开源了百万条由着实机器东谈主网罗的试验数据集，但是这些数据实践上由不同公司、不同型号规格的机器东谈主采集，数据质地较低，够不上智元的条款。

姚卯青暗意，不同传感器和形态的数据相反过大，将减轻合座试验成果，比如一个六轴机械臂的数据在七轴灵敏手机器东谈主上险些无法复用，因此需要和解模范的数据。

而让智元下决心设立数采厂，这个过程也很绵薄。

姚卯青暗意，智元机器东谈主采集了几千条数据用于试验算法，固然能让机器东谈主班师完成某个手脚，但是无法泛化——要是篡改物体种类、情愫以致光泽，都将影响机器东谈主再次完成通常的手脚。因此智元机器东谈主决定设立工场大限制采集数据。

不临幸间的机器东谈主正在采集数据；图源：《智能表示》拍摄

数采厂改日将源远流长为机器东谈主学习提供数据养料。据了解，智元数据采集工场进入使用两个多月，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，一些疏淡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不测之喜：机器东谈主大要在未经试验的情况下，字据条款死一火倒水量；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——大要自主勾通东谈主类提醒和外部环境，并能稳妥复杂的环境。

智元但愿机器东谈主大要更换不同品牌、型号的咖啡机配件；图源：《智能表示》拍摄

夙昔数十年，机器东谈主的死一火每每依赖东谈主们的预设圭表，向机器东谈主输入情况态状以及芜俚阵势的圭表，机器东谈主在相应情况下完成操作。然则机器东谈主遭逢的情况风谲云诡，难以依靠提前输入圭表就能让机器东谈主芜俚总共情况。

在大模子应用爆发后，让机器东谈主从冰冷的躯体有了技艺，大要勾通寰宇和东谈主类。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，通用技艺更强且响应速率更快。

机器东谈主从采纳提醒到完成手脚常常有三个措施：感知外部环境，作念出有缱绻、死一火肢体实行任务，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，机器东谈主大要采纳东谈主类的复杂提醒，比如让机器东谈主从边远取来手机，或者从雪柜里拿一包薯片。这些提醒不仅熟悉着机器东谈主对任务的勾通技艺，还条款机器东谈主大要识别物体，并完成挪动到相应场地、取物，复返，提交物品。

但是达到这一景色并扼制易。姚卯青暗意，需要不休向大模子投喂数据，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。

《智能表示》了解到，机器东谈主需要软硬件纠合，仅有其中之一都难以让机器东谈主本事飞快发展。好意思国的硬件资本较高，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，纠合数据和自研的硬件，会让算法、硬件、软件快速迭代。

姚卯青投降，中国机器东谈主本事的合座程度已与好意思国不相高下，因为好意思国的东谈主工资本比国内最初十倍，还得从中国采购各样零部件。

智元机器东谈主用更低的资本和高效的迭代速率，拓展了场景模拟和数据采集限制，那些在好意思国机器东谈主公司看来“猴年马月”的本事，正在中国的数据采集工场不休流淌的数据中，少量点接近成为现实。