困扰马斯克的数据难题，这家公司给出了答案？

深网2025-12-19

图源:视觉中国文丨雅萱编辑丨叶锦言出品丨深网·腾讯新闻小满工作室今年8月，马斯克在X上公布“Optimus开始尝试通过人类视频学习任务”的消息引起具身智能领域的广泛关注。这意味着Optimus或已放弃动作捕捉与远程操作方案（遥操），转向纯视觉数据驱动的训练方式。长期以来，遥操和仿真合成都是具身智能领域获取物理交互数据的主要路径。然而实践表明，遥操面临着硬件成本高、采集效率低的瓶颈；而仿真数据虽可...

网页链接

免责声明：本文观点仅代表作者个人观点，不构成本平台的投资建议，本平台不对文章信息准确性、完整性和及时性做出任何保证，亦不对因使用或信赖文章信息引发的任何损失承担责任。

精彩评论

我们需要你的真知灼见来填补这片空白

发表看法

{"i18n":{"language":"zh_CN"},"isChannel":false,"data":{"share":"https://www.laohu8.com/m/news/2592150572?lang=zh_CN&edition=full","thumbnail":"","is_english":false,"pubTime":"2025-12-19 17:19","share_image_url":"https://static.laohu8.com/9a95c1376e76363c1401fee7d3717173","id":"2592150572","market":"hk","top_or_hot":-1,"title":"困扰马斯克的数据难题，这家公司给出了答案？","media":"深网","content":"<div>\n<p>图源:视觉中国文丨雅萱编辑丨叶锦言出品丨深网·腾讯新闻小满工作室今年8月，马斯克在X上公布“Optimus开始尝试通过人类视频学习任务”的消息引起具身智能领域的广泛关注。这意味着Optimus或已放弃动作捕捉与远程操作方案（遥操），转向纯视觉数据驱动的训练方式。长期以来，遥操和仿真合成都是具身智能领域获取物理交互数据的主要路径。然而实践表明，遥操面临着硬件成本高、采集效率低的瓶颈；而仿真数据虽可...</p>\n\n<a href=\"http://gu.qq.com/resources/shy/news/detail-v2/index.html#/?id=nesSN20251219172312a45f6ca1&s=b\">网页链接</a>\n\n</div>\n","source":"tencent","html":"<!DOCTYPE html>\n<html>\n<head>\n<meta http-equiv=\"Content-Type\" content=\"text/html; charset=utf-8\" />\n<meta name=\"viewport\" content=\"width=device-width,initial-scale=1.0,minimum-scale=1.0,maximum-scale=1.0,user-scalable=no\"/>\n<meta name=\"format-detection\" content=\"telephone=no,email=no,address=no\" />\n<title>困扰马斯克的数据难题，这家公司给出了答案？</title>\n<style type=\"text/css\">\na,abbr,acronym,address,applet,article,aside,audio,b,big,blockquote,body,canvas,caption,center,cite,code,dd,del,details,dfn,div,dl,dt,\nem,embed,fieldset,figcaption,figure,footer,form,h1,h2,h3,h4,h5,h6,header,hgroup,html,i,iframe,img,ins,kbd,label,legend,li,mark,menu,nav,\nobject,ol,output,p,pre,q,ruby,s,samp,section,small,span,strike,strong,sub,summary,sup,table,tbody,td,tfoot,th,thead,time,tr,tt,u,ul,var,video{ font:inherit;margin:0;padding:0;vertical-align:baseline;border:0 }\nbody{ font-size:16px; line-height:1.5; color:#999; background:transparent; }\n.wrapper{ overflow:hidden;word-break:break-all;padding:10px; }\nh1,h2{ font-weight:normal; line-height:1.35; margin-bottom:.6em; }\nh3,h4,h5,h6{ line-height:1.35; margin-bottom:1em; }\nh1{ font-size:24px; }\nh2{ font-size:20px; }\nh3{ font-size:18px; }\nh4{ font-size:16px; }\nh5{ font-size:14px; }\nh6{ font-size:12px; }\np,ul,ol,blockquote,dl,table{ margin:1.2em 0; }\nul,ol{ margin-left:2em; }\nul{ list-style:disc; }\nol{ list-style:decimal; }\nli,li p{ margin:10px 0;}\nimg{ max-width:100%;display:block;margin:0 auto 1em; }\nblockquote{ color:#B5B2B1; border-left:3px solid #aaa; padding:1em; }\nstrong,b{font-weight:bold;}\nem,i{font-style:italic;}\ntable{ width:100%;border-collapse:collapse;border-spacing:1px;margin:1em 0;font-size:.9em; }\nth,td{ padding:5px;text-align:left;border:1px solid #aaa; }\nth{ font-weight:bold;background:#5d5d5d; }\n.symbol-link{font-weight:bold;}\n/* header{ border-bottom:1px solid #494756; } */\n.title{ margin:0 0 8px;line-height:1.3;color:#ddd; }\n.meta {color:#5e5c6d;font-size:13px;margin:0 0 .5em; }\na{text-decoration:none; color:#2a4b87;}\n.meta .head { display: inline-block; overflow: hidden}\n.head .h-thumb { width: 30px; height: 30px; margin: 0; padding: 0; border-radius: 50%; float: left;}\n.head .h-content { margin: 0; padding: 0 0 0 9px; float: left;}\n.head .h-name {font-size: 13px; color: #eee; margin: 0;}\n.head .h-time {font-size: 11px; color: #7E829C; margin: 0;line-height: 11px;}\n.small {font-size: 12.5px; display: inline-block; transform: scale(0.9); -webkit-transform: scale(0.9); transform-origin: left; -webkit-transform-origin: left;}\n.smaller {font-size: 12.5px; display: inline-block; transform: scale(0.8); -webkit-transform: scale(0.8); transform-origin: left; -webkit-transform-origin: left;}\n.bt-text {font-size: 12px;margin: 1.5em 0 0 0}\n.bt-text p {margin: 0}\n</style>\n</head>\n<body>\n<div class=\"wrapper\">\n<header>\n<h2 class=\"title\">\n困扰马斯克的数据难题，这家公司给出了答案？\n</h2>\n\n<h4 class=\"meta\">\n\n\n2025-12-19 17:19 北京时间&nbsp;&nbsp;&nbsp;<a href=http://gu.qq.com/resources/shy/news/detail-v2/index.html#/?id=nesSN20251219172312a45f6ca1&s=b><strong>深网</strong></a>\n\n\n</h4>\n\n</header>\n<article>\n<div>\n<p>图源:视觉中国文丨雅萱编辑丨叶锦言出品丨深网·腾讯新闻小满工作室今年8月，马斯克在X上公布“Optimus开始尝试通过人类视频学习任务”的消息引起具身智能领域的广泛关注。这意味着Optimus或已放弃动作捕捉与远程操作方案（遥操），转向纯视觉数据驱动的训练方式。长期以来，遥操和仿真合成都是具身智能领域获取物理交互数据的主要路径。然而实践表明，遥操面临着硬件成本高、采集效率低的瓶颈；而仿真数据虽可...</p>\n\n<a href=\"http://gu.qq.com/resources/shy/news/detail-v2/index.html#/?id=nesSN20251219172312a45f6ca1&s=b\">网页链接</a>\n\n</div>\n\n\n</article>\n</div>\n</body>\n</html>\n","isBrief":false,"type":0,"news_type":1,"symbol":"BK1613","symbol_name":"DeepSeek概念股","start_time":0,"source_url":"http://gu.qq.com/resources/shy/news/detail-v2/index.html#/?id=nesSN20251219172312a45f6ca1&s=b","article_id":"2592150572","we_media_id":null,"thumbnails":[],"rights":{"source":"tencent","url":"http://gu.qq.com/resources/shy/news/detail-v2/index.html#/?id=nesSN20251219172312a45f6ca1&s=b","rn_cache_url":null,"customStyle":"body{padding-top:10px;}#news_title{font-weight:bold;#titleStyle#;}#news_description span{font-size:12px;#descriptionStyle#;}.footer-note{#statement#}","selectors":".mod-LoadTzbdNews, body","filters":".relate-stock, .hot-list, .recom-box, .wx-sou","directOrigin":true},"url":"https://stock-news.laohu8.com/highlight/detail?id=2592150572","pubTimestamp":1766135956,"columns":[],"sourceInfo":{"source_id":"tencent","name":"腾讯"},"weMediaInfo":null,"summary":"行业已有共识，真机数据的极度匮乏，已成为制约具身智能发展的核心障碍。商汤科技联合创始人、执行董事、大晓机器人董事长王晓刚称。除具身智能数据采集困局外，王晓刚还从世界模型与VLA的技术路径差异出发，深入剖析了具身智能未来的发展方向。大晓此次提出以“以人为中心”的ACE范式，通过采集人在真实环境中的行为数据来训练世界模型。","collect":0,"end_time":0,"defaultTopTitle":"qq.com","property":[],"viewcount":null,"language":"zh","relate_stocks":{"80020":"商汤-WR","BK1613":"DeepSeek概念股","00020":"商汤-W","BK1109":"应用软件","BK1615":"港股-互联网"},"translate_title":"Does this company give the answer to the data problem that plagues Musk?","themeId":null,"isJumpTheme":false,"ttsUrl":null,"symbols_score_info":{"80020":0.6,"00020":0.9},"content_text":"图源:视觉中国文丨雅萱编辑丨叶锦言出品丨深网·腾讯新闻小满工作室今年8月，马斯克在X上公布“Optimus开始尝试通过人类视频学习任务”的消息引起具身智能领域的广泛关注。这意味着Optimus或已放弃动作捕捉与远程操作方案（遥操），转向纯视觉数据驱动的训练方式。长期以来，遥操和仿真合成都是具身智能领域获取物理交互数据的主要路径。然而实践表明，遥操面临着硬件成本高、采集效率低的瓶颈；而仿真数据虽可批量生成，却难以还原真实世界的复杂物理规律，导致“仿真到现实”的迁移效果大打折扣。行业已有共识，真机数据的极度匮乏，已成为制约具身智能发展的核心障碍。以智能驾驶为例，在世界模型与仿真系统的加持下，特斯拉FSD V14每天的训练量相当于人类驾驶员积累400万小时（约等于456年）的驾驶经验；而在具身智能领域，真实机器人操作数据总量仅约10万小时。“这样悬殊的差距表明，未来具身智能的研发无法继续延续传统模式，必须在研发范式上进行根本性革新才能获得发展机会。”商汤科技联合创始人、执行董事、大晓机器人董事长王晓刚称。2025年12月18日，大晓机器人正式发布三大核心成果：行业首创的“ACE研发范式”、首个开源且支持商业落地的“开悟世界模型3.0”（Kairos 3.0），以及赋予机器人自主空间感知能力的“具身超级大脑模组A1”。其中，ACE范式通过“环境式数据采集”，可在真实工作场景中实现一年千万小时级的数据积累；而开悟世界模型3.0则能高效放大真实数据的价值，等效训练规模可达上亿小时。在王晓刚看来，单纯让机器“看视频学习”也存在局限性，比如缺乏对三维物理世界的力学规律、物理属性和动作意图的理解，在某种意义上是在为难机器。相比之下，ACE范式另辟蹊径，不再依赖遥操或被动模仿，而是将人类日常行为自然转化为高质量训练数据。除具身智能数据采集困局外，王晓刚还从世界模型与VLA（视觉-语言-动作）的技术路径差异出发，深入剖析了具身智能未来的发展方向。在他看来，只有以世界模型为“大脑”、以可扩展的真实数据为“养料”的技术路线，才能突破当前具身智能的瓶颈，实现从演示走向规模化落地的关键跃迁。以下是与王晓刚交流的精编，在不改变原意的基础上有所删节：问：与传统的遥操或仿真数据采集相比，环境式数据采集在成本上能降低多少？数据质量又能提升多少百分比？王晓刚：成本方面，遥操不仅需要购买动辄几十万元的机器人，还要专门雇佣人员在实验室里操作，人力和设备投入都很高。而环境式采集是在真实的工作或生活场景中进行的——比如闪购仓的员工佩戴轻量设备，在正常作业的同时自动采集数据，完全不干扰原有流程，省去了专用硬件和额外人力。这种方式不仅效率更高，更重要的是具备极强的可复制性和规模化潜力。正因如此，我们的数据规模才能从最初的十万小时快速跃升至千万小时，实现两个数量级的增长。这就像特斯拉依靠百万辆量产车在真实驾驶中持续回传数据，而不是靠自建采集车队——只有融入真实场景，才能实现数据的指数级积累。问：环境式数据采集也需要佩戴深度相机、触觉手套、传感器等硬件设备，这些设备的成本高吗？王晓刚：有一定的成本，这些随着规模化量起来了以后，这些传感器跟机器人相比，机器人的规模没有起来，摄像头本身例如AI眼镜都是现有的，这个成本是能够降下来的。问：开悟世界模型3.0选择开源，如何平衡开源生态与商业化收益？王晓刚：开悟世界模型分为两部分。一是基于云服务的云产品平台。用户通过网页就能上传数据、生成视频、配置机械臂参数等，进行机器人数据的创作与训练。这个平台集成了算力、存储和协作功能，我们还和腾讯云等合作，支持用户之间共享和复用数据，形成一个共创生态。另一方面，我们开源的是世界模型的核心能力，目的是降低行业门槛，让更多人能基于我们的技术做软硬件适配和二次开发。就像DeepSeek开源后，国产芯片厂商能更方便地优化支持，反过来也提升了模型的影响力和生态价值。对我们来说，开源不是损失，而是加速反馈和迭代的重要手段——用户在真实场景中上传第一张图片、下达任务指令，这些都能帮助世界模型不断进化。更重要的是，在当前国产芯片快速崛起的背景下，开源模型的战略价值愈发凸显。过去在英伟达主导时代，模型天然适配其硬件；如今，谁的开源模型影响力大，就越能吸引国产芯片厂商主动适配，从而提升芯片本身的竞争力和市场估值。因此，开源不仅不会损害商业利益，反而通过构建技术生态，带来更长期、更广泛的价值回报。问：目前具身智能赛道尚未形成头部格局，很多机器人还在做导览这类工作。您认为这类导览机器人是行业发展必经的阶段性产物，还是会成为未来一种成熟、可持续的产品形态？王晓刚：导览机器人确实是一种产品形态，但它的市场规模相对有限。比如一家公司展厅可能只需要一两台，更多是作为技术展示或研发平台使用。不过，在行业早期，这类产品非常重要，起到了“普及教育”的作用，让公众和企业能直观接触机器人，了解它能做什么、不能做什么。这就像人工智能发展初期，很多技术也是先通过演示性应用（POC）进入大众视野。但要真正走向规模化，关键在于能否算清投入产出比（ROI）。当技术从“拿来玩一玩”转向“用起来能赚钱”，才具备量产和落地的基础。因此，导览机器人是行业发展过程中的必要阶段，但不是终点。未来的成熟产品，必须建立在可验证的经济价值之上。问：大晓的具身超级大脑模组A1集成了芯片、摄像头、传感器等多种硬件，用于机器人巡航等功能。目前行业不少厂商已推出集成激光雷达、摄像头等的轻量化模组，功能也有重叠。为什么大晓选择从头打造这样一个“大而全”的硬件，而不是采用更轻量、现成的方案？王晓刚：我们设计A1模组的核心出发点是满足真实场景的功能需求。团队曾测试过市面上多款现有机器人，发现其硬件存在明显短板——比如传感器视野狭窄（通常仅120度），导致机器人无法有效感知周围环境，跟随功能容易丢失目标，甚至在复杂环境中无法自主决策路径。我们要做的是360度UWB信号，在任何地方要走，它（机器人）都能够跟随你。而且大晓的具身超级大脑模组 A1并非最终形态，而是软硬一体、场景驱动下的阶段性解决方案。比如我们会考虑采用国产化芯片等方式降低成本，或者想办法进一步优化功耗等，先解决能力问题，再解决成本与形态问题。问：目前行业对VLA（视觉-语言-动作）路线存在分歧，认为其技术收敛路径不够清晰。大晓此次提出以“以人为中心”的ACE范式，通过采集人在真实环境中的行为数据来训练世界模型。但真实世界场景和动作近乎无穷，这种路径是否真的具备清晰的技术收敛性？又能否真正覆盖如此庞大的多样性？王晓刚：VLA本质上是以机器为中心的范式——它不关心世界本身的物理规律，只追求“输入指令、输出动作”，因此训练出的模型高度依赖特定机器人本体，泛化能力弱，难以迁移。而世界模型的目标是理解物理世界本身，在与真实环境的交互中产生通用智能。这正是具身智能的核心价值所在。虽然人类行为和场景确实极其多样，看似无法穷举，但关键不在于“穷尽所有”，而在于构建一个可扩展、可复用的通用大脑。只要这个大脑足够强大，就能泛化到未见过的任务和环境中。在ACE范式中，当有一千人、一万人在各自真实场景中自然工作并回传数据时，系统就能持续积累高质量、高多样性的真实经验。问：行业有提到世界模型未来可能取代VLA，成为机器人的“具身大脑”。那么在世界模型的推动下，机器人能力在未来会有哪些关键性的突破或演进步骤？王晓刚：在世界模型的加持下，机器人对物理世界的理解将显著提升，尤其体现在复杂、长程任务的执行能力上。比如同时涉及移动与精细操作、包含多个步骤的连续行为，这类任务目前VLA架构很难胜任。另外，在任务泛化能力上也将实现突破。以前置仓为例，场景中涉及数万个SKU，传统VLA方法通常只能覆盖几十到上百种物体，难以规模化扩展；而基于世界模型的新范式，有望通过统一的世界理解框架，实现对上万类物品和多样化任务的泛化支持，真正迈向通用具身智能。问：大晓进入具身智能领域后，重点瞄准哪些具体场景？在当前行业较为浮躁的背景下，您作为技术负责人如何看待未来3–5年真正能落地并产生实际价值的应用方向？这些场景会以怎样的路径和规模发展？王晓刚：目前机器人落地主要集中在提供“情绪价值”的场景，比如跳舞、打拳、表演等，但这类应用基本不涉及与物理世界的复杂交互。目前，搭载了新一代“大脑”模组的四足机器人，因其硬件平台相对成熟稳定，叠加我们的空间感知与自主决策能力后，已跨过工业应用的基本门槛。未来2–3年，我们最看好的是商业服务场景中的前置仓、闪购仓和零售仓储。这些场景标准化程度高、需求迫切、增长迅速，具备大规模复制的条件，有望率先实现万台甚至十万台级部署。相比之下，柔性工业场景虽然潜力大，但落地难度更高。因为工厂产线数据敏感，部分不愿开放，而且一个场景做通后，很难复制到其他工厂，通用性受限，商业回报不确定。如果要走进家庭服务场景，至少需要5年甚至更长时间。","kind":"news","is_publish_news":true,"is_publish_highlight":false,"is_publish_live":false,"is_publish_wemedia":null,"editions":null,"column":"","sentiment":"0","news_tag":"","news_rank":0,"isVideo":false,"video":null,"symbols":[],"gpt_button":0,"need_auth":false,"need_login_tip":false,"code":"91000000","status":"200"},"commentList":[],"isCommentEnd":true,"newsSizeData":{"likeSize":0,"commentSize":0,"repostSize":0,"favoriteSize":0,"likeStatus":false,"favoriteStatus":false},"APP":{"userAgent":"Mozilla/5.0 AppleWebKit/537.36 (KHTML, like Gecko; compatible; ClaudeBot/1.0; +claudebot@anthropic.com)","isDev":false,"isTTM":false,"tenantId":"TBCN","deviceId":"web-server-community-laohu8-v3","version":"4.42.0","shortVersion":"4.42.0","platform":"web","vendor":"web","appName":"laohu8","isIOS":false,"isAndroid":false,"isTiger":false,"isTHS":false,"isWeiXin":false,"isWeiXinMini":false,"isWeiBo":false,"isQQ":false,"isBaiduSwan":false,"isBaiduBox":false,"isDingTalk":false,"isToutiao":false,"isOnePlus":false,"isHuaWei":false,"isXiaomi":false,"isXiaomiWebView":false,"isOppo":false,"isVivo":false,"isSamsung":false,"isMobile":false},"href":"/m/news/2592150572","isCrawlerRequest":true}