游戏评测分享 咱们去看了智元机器东说念主的「数采厂」, 等等! 这不是《星球大战》片场吗?
文 | 田哲
2025年头，咱们了解到一件事，国内具身智能独角兽“智元机器东说念主”（等于B站知名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”的责任经由，有一些相配刻板的思象——在堆满职业器黑盒子的灰暗房间，挂着黑眼圈、发量堪忧的表率员，机械地敲着键盘输入代码……
错错错！当《智能高傲》抵达智元机器东说念主位于上海浦东的数采厂，发现施行和咱们的思象，迥然相异！
绝不夸张地说，这十足是好意思国电影《星球大战》的片场！
《星球大战》电影海报；图源集会
在这座3000平常米的数采厂中，不同主题的房间占据了工场的绝大部分面积，每个房间都尽心复原了施行生存的物件布局，机器东说念主就在不同的场景中履行不同任务。
在卧室中，机器东说念主乖巧地学习叠穿着。
机器东说念主学习叠穿着；图源：智元机器东说念主
在餐桌前，机器东说念主把餐具挨个摆放整王人。
机器东说念主摆放餐盘；图源：《智能高傲》拍摄
机器东说念主还要学会打餐各样菜肴，况且不会手抖。
机器东说念主正在用勺子舀鸡蛋；图源：《智能高傲》拍摄
而在商超收银台前，机器东说念主一只手拿扫码器，另一只手拿着商品扫码。
智元机器东说念主正在学习商品扫码；图源：《智能高傲》拍摄
参不雅完满后，《智能高傲》见到了数采厂精采东说念主姚卯青，他亦然智元机器东说念主具身居品线总裁、商讨院履行院长，精采数据运行具身智能居品研发。
此前，姚卯青曾在Waymo、蔚来汽车等公司精采研发感知算法、端到端大模子。
姚卯青告诉《智能高傲》，机器东说念主每完成一个行为，就至极于一条数据，数据将通过机器东说念主的主机上传至云表，智元机器东说念主团队将诈欺这些数据考试机器东说念主的大模子，从而让机器东说念主着实掌持一项技巧，比如冲咖啡、熨穿着等。
为了让机器东说念主快速学习技巧，智元为它们安排了一双一教学憨厚——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说念主完成行为，采集员也需要肢体配合，行为模范。
数据采集员们手持开拓，手把手地截至机器东说念主完成抓、持、放等行为。偶然他们也会头戴VR开拓，更精确地让机器东说念主效法学习东说念主类行为。
据了解，目下智元数据采集工场投放了近百台机器东说念主，日均采集3-5w条数据。
而为了让机器东说念主更快在不同环境中掌持尽可能多的技巧，智元数据采集工场模拟了家庭、零卖、职业业、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。
智元机器东说念主模拟的商超；图源：《智能高傲》拍摄
也有一批机器东说念主踱步在各自“工位”，在桌前学习通俗地叠穿着等技巧。
机器东说念主们在工位学习不同技巧；图源：《智能高傲》拍摄
据了解，数采厂面积还将增多1000平常米，可增多更多场景的同期，也能把柄客户需要定制化模拟场景。
不外，目下行业内有数打造如斯万般场景的机器东说念主公司，一个问题随之而来：智元机器东说念主下决心打造数据采集工场，这一过程是如何伸开的？
为具身智能机器东说念主，打造数据养料场
关于大广阔初创公司而言，将高额资金缔造一座工场用于数据采集，风险无疑是雄伟的，而智元机器东说念主似乎莫得彷徨，只是用了一个多月就完成搭建数据采集工场。
促使智元机器东说念主不吝高老本打造数采厂，这背后，行业现有数据量在供给侧上的雄伟空缺。
2024年6月，智元机器东说念主决定研发机器东说念主具身智能大模子，这需要海量数据以考试大模子。
姚卯青告诉《智能高傲》，机器东说念主通过数百条数据学会一个技巧，这些行为时时都是长程任务，比如冲泡咖啡，熨穿着等。
他们曾试图寻找行业内的开源数据库，但发现高质料、和解神色的数据险些不存在。即使行业内开源了百万条由竟然机器东说念主采集的考试数据集，关联词这些数据骨子上由不同公司、不同型号规格的机器东说念主采集，数据质料较低，够不上智元的条目。
姚卯青默示，不同传感器和形态的数据各异过大，将收缩举座考试效劳，比如一个六轴机械臂的数据在七轴智谋手机器东说念主上险些无法复用，因此需要和解模范的数据。
而让智元下决心缔造数采厂，这个过程也很通俗。
姚卯青默示，智元机器东说念主采集了几千条数据用于考试算法，天然能让机器东说念主顺利完成某个行为，关联词无法泛化——要是转换物体种类、情态以致光辉，都将影响机器东说念主再次完成一样的行为。因此智元机器东说念主决定缔造工场大边界采集数据。
不临幸间的机器东说念主正在采集数据；图源：《智能高傲》拍摄
数采厂明天将滚滚无间为机器东说念主学习提供数据养料。据了解，智元数据采集工场参预使用两个多月，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，一些衰败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。
探寻机器东说念主的Scaling Law
在采集数万条机器东说念主重迭行为后，智元机器东说念主得益了一些不测之喜：机器东说念主大略在未经考试的情况下，把柄条目截至倒水量；只教了机器东说念主几十次，就能学会叠裤子。
这恰是智元机器东说念主思要打造的机器东说念主——大略自主结合东说念主类教导和外部环境，并能相宜复杂的环境。
智元但愿机器东说念主大略更换不同品牌、型号的咖啡机配件；图源：《智能高傲》拍摄
畴昔数十年，机器东说念主的截至时时依赖东说念主们的预设章程，向机器东说念主输入情况描述以及支吾款式的章程，机器东说念主在相应情况下完成操作。有关词机器东说念主碰到的情况变化多端，难以依靠提前输入章程就能让机器东说念主支吾统共情况。
在大模子应用爆发后，让机器东说念主从冰冷的躯体有了武艺，大略结合天下和东说念主类。而智元机器东说念主正在研发的，是具备端到端大模子的机器东说念主，通用智力更强且响应速率更快。
机器东说念主从摄取教导到完成行为频频有三个武艺：感知外部环境，作念出有贪图、截至肢体履行任务，信息在这一链条传递中可能出现失真，从而影响机器东说念主完成行为。
但端到端大模子，不需要分模块，更不依赖精确测量，就像东说念主类超车前，不会下车测量两车之间的距离，再进行超车。
智元机器东说念主对端到端大模子机器东说念主的设思是，机器东说念主大略摄取东说念主类的复杂教导，比如让机器东说念主从远方取来手机，或者从雪柜里拿一包薯片。这些教导不仅锻练着机器东说念主对任务的结合智力，还条目机器东说念主大略识别物体，并完成转移到相应场所、取物，复返，提交物品。
关联词达到这一情景并攻击易。姚卯青默示，需要不断向大模子投喂数据，数据量越大，大模子在某一场景深化会更接近东说念主类，他预估的数据量为几千万条到1亿条，机器东说念主的Scaling Law远未到来。
《智能高傲》了解到，机器东说念主需要软硬件汇聚，仅有其中之一都难以让机器东说念主工夫赶紧发展。好意思国的硬件老本较高，因此好意思国机器东说念主初创公司大多只研发算法。中国已有供应链上风，汇聚数据和自研的硬件，会让算法、硬件、软件快速迭代。
姚卯青确信，中国机器东说念主工夫的举座进程已与好意思国不相高下，因为好意思国的东说念主工老本比国内向上十倍，还得从中国采购各样零部件。
智元机器东说念主用更低的老本和高效的迭代速率，拓展了场景模拟和数据采集边界，那些在好意思国机器东说念主公司看来“驴年马月”的工夫，正在中国的数据采集工场不断流淌的数据中，少许点接近成为施行。