ARTICLE · 1232054
物理AI和数据专家电话会
物理AI和数据专家电话会
Q: 专家所在公司的主要业务和核心产品技术路线是什么？ A: 公司主要负责Ego采集、SIM仿真合成生成及评测、真机回流等核心产品的技术路线和研发管理。通过统一数据标准和物理对齐，构建real to sim to real闭环体系，保证输出的数据评测基准可用且可复用，支撑具身大模型训练，并将客户需求转化为产品和数据方案进行技术交付落地。 Q: 公司在Ego采集、仿真合成、评测以及真机回流等核心产品上的具体操作流程和作用是什么？ A: Ego采集通过穿戴设备获取第一人称视角的RGB、深度图及手部关节等时序信号，进行结构化标注以学习交互逻辑；仿真合成利用真实样本反向标定物理参数，自动生成轨迹数据以补充长尾和边界场景；评测体系通过标准化任务基准测试模型成功率及容错边界，反向定位数据缺口；真机回流将运行中的失败和异常轨迹回流，用于补充失败样本和校准仿真物理参数。 Q: Ego、UMI和动捕三种数据获取方式在采集视角、信号及适用用途上有何差别？ A: Ego使用头戴和腕部相机获取第一人称视觉、深度及双手关节姿态，门槛低适合普通人采集；UMI通过手持带相机和力传感的模拟夹爪获取末端六维位置及夹爪开合等信号，贴近机器人映射损耗小，适合抓取和动态操作；动捕通过光学或惯性设备获取全身及手指关节的高精度空间坐标，动作真实最干净，适合灵巧手和双臂协同的高精度动作标定。 Q: Ego、UMI和动捕三种数据获取方式在未来的产业发展趋势和应用场景搭配是什么？ A: 数据获取方式的搭配取决于客户的模型阶段。预训练学习通用环境逻辑时以ALOHA为主；机械臂策略微调需要稳定sim-to-real迁移时加大UMI配比；灵巧手精密装配场景则搭配少量动捕进行高精度校准增值。 Q: 机器人在实验室阶段和几千台量产阶段分别以哪种数据为主，原因是什么？ A: 实验室阶段以Ego为主打底，UMI补操作，少量动捕增值，因为预训练阶段主要缺乏任务范式和样本多样性以建立环境理解；几千台量产阶段以真机回流数据加仿真合成数据为主，Ego和UMI变为补充，因为真机运行产生的失败、接管和异常轨迹最值钱，结合仿真批量生成变体可快速补齐边界并修复稳定性问题。 Q: 在数据获取和训练方式上，国内与海外硅谷的具身智能行业有什么差别？ A: 底层技术相通，但硅谷偏向仿真优先，算力充足，倾向于先用仿真生成大量数据再用少量真实数据对齐校准，追求通用泛化而对工业现场一致性要求不高，且头部团队倾向自建数据管线，外部供应商多做单点素材供给；国内客户更看重虚实搭配，仿真需求占比相对较高。 Q: Ego、UMI、动捕、仿真合成数据和真机回流数据在训练具身模型中分别适用于哪些场景？ A: Ego适合预训练学习环境理解、长任务规划和场景识别；UMI适合抓取、插接等末端操作策略和机械臂微调；动捕适合灵巧手精细操作的高精度真实标定和误差校准；仿真合成数据专门补充极端、带干扰、长尾和危险的边界场景；真机回流数据用于解决真实机器人落地中的未知故障和现场特有异常。 Q: 纯大模型公司对具身数据有什么要求，公司如何为其提供数据，这与机器人本体公司的要求有何不同？ A: 纯大模型公司核心目标是通用世界模型，要求统一时序标准和因果完整的大多样性交互轨迹，以Ego第一视角为主，看重完整上下文和物理常识，对单一工业定制需求不高，且对版权和可评测性要求严格。公司通过提供标准化标品数据授权、定向采集与仿真联合生成，并开放评测接口量化模型能力来满足其需求，这与本体公司更关注特定工业场景和真机操作数据的要求不同。 Q: 大模型公司如何评判供应商提供的具身数据的质量？ A: 大模型公司通过四个维度评判数据质量：一是静态质检，检查时序对齐、标注统一及版权合规；二是分布校验，评估场景、物体和干扰的多样性，避免数据偏科；三是小模型训练验证，通过消融实验微调模型看成功率是否提升；四是标准化评测基准打分，量化成功率和抗干扰能力，实现跨批次和跨数据源对比。 Q: 具身数据作为商品是如何定价的，标准品和定制品的定价模式有何区别？ A: 数据定价核心依据使用权限、生产成本和稀缺程度。通用场景的标准品按授权小时数和授权范围报价；客户专属场景的定制定向数据采用项目制报价，不对外二次售卖，其成本和报价相对更高。 Q: 目前Ego、UMI、仿真合成和动捕等各类具身数据的大概价格范围是多少？ A: 目前Ego第一人称普通通用标品价格大概在200到300元之间；UMI基本在200多到400元之间；仿真合成数据大概在五六十元区间；动捕数据最贵，基本在1000多元；客户定制数据的价格则需要在上述标准品价格基础上乘以2。 Q: 国内头部玩家智源对真实和仿真数据的年需求量及采购情况是怎样的？ A: 智源今年整体的数据目标是1000万小时，包括200万小时高质量真机数据和800万小时Ego数据，其中无本体采集和仿真主要由其旗下的蜜蜂团队完成。智源对外采购更多属于定制化需求，只购买少部分定制场景数据，整体外购量不大。 Q: 宇树科技在具身数据方面的采购和获取情况是怎样的？ A: 宇树科技主要购买Ego和真机遥操作等数据，其主打自身基因，更依赖机器人直接产生的交互数据。 Q: 海外公司如Figure和特斯拉是如何获取具身智能数据的？ A: Figure主要通过第三方采买，大量依赖Scale等供应商进行数据获取；特斯拉则优先采用工厂真机数据飞轮模式，不走大众众包路线，而是将大批Optimus机器人部署在自家产线作业，边运行边产生回流数据。 Q: 国内大模型公司和机器人本体厂商在采购具身数据方面有何不同？ A: 纯大模型VLA和世界模型团队是核心客户，看重数据多样性，基本购买标准化Ego和UMI做预训练，特定工业场景会外购定制；而智元、宇树等本体加模型头部一体的机器人本体厂优先自建数据能力，仅在购买第三方数据以覆盖自身无法覆盖的长尾场景和小众任务。 Q: 纯大模型公司和人形机器人本体公司相比，哪类企业的具身数据采购量更大？ A: 纯大模型公司的采购数据量更大，采购小时数更多。因为他们进行预训练需要海量的仿真数据，基本几十万小时起步。 Q: 公司下游客户中，大模型公司、人形本体厂商和产业落地客户的营收占比分别是多少？ A: 公司下游客户中，大模型和世界模型类客户占比最大，约为60%；人形本体厂商占比约为30%；剩下的10%为工厂和车企等产业落地类客户。 Q: 采购具身数据对大模型公司和人形本体厂商而言是否属于庞大的开支？ A: 对大模型公司而言是较大开支，因其无本体硬件，模型迭代高度依赖外购数据和算力，百万小时级别的一年数据采购需大几千万支出；对人形本体厂商而言，最大开支是机器人硬件和产线，外购数据仅用于补缺口，预算弹性较大，资金紧张时可压缩外购依靠真机回流。 Q: 具身数据行业在2025至2026年的增长情况如何，未来两三年的发展趋势和预期是什么？ A: 2025年多为试点和POC验证阶段，2026年需求将呈百倍级增长，百万小时订单成为常态，订单从零散POC转为大量年度框架协议和复购。未来一年将维持较高增长；中期两年左右驱动力转向产业落地，客户更看重整套闭环，行业开始分化，低质量纯视频降价而高标准数据抗跌；长期通用标品增速回落，工业专属数据和仿真基建需求周期更长，数据将成为常态化基础设施支出。 Q: 具身数据公司的核心技术壁垒和护城河体现在哪些方面？ A: 核心技术壁垒包括：一是构建real to sim to real闭环体系，实现多元数据时序和标注的统一，可混入同一训练集；二是具备仿真评测的物理校准能力，用真实样本反推物理参数解决sim-to-real迁移问题；三是评测闭环形成数据生产负反馈指挥链，反向指导定向采集和生成；四是长期积累大量标准化物理资产和失败样本库，保证数据具备稳定的学习信号。 Q: 具身数采设备是否属于技术难点，需要哪些类型的设备以及投入情况如何？ A: 数采设备本身不算壁垒难点，难点在于硬件配套的时序对齐和多传感器融合采集标注管线。硬件多为外购标准件加自研固件，单套采集件几千到3万元，UMI一两万元，动捕棚几十万元。前期硬件投入较大但折旧周期长，相比整机遥操作投入较低，而更大的投入在于搭建采集场地、人力标注以及仿真算力。 Q: 公司标准级数据集、专属定制数据以及评测订阅业务的利润率分别在什么水平？ A: 标准级可复售数据集利润较好，毛利率能做到50%到60%；客户专属定制数据因不能复售，毛利率大概在30%左右；RoboFinals评测订阅业务的毛利大概在40%到50%之间。 Q: 华为、小米、字节等大厂自建数据能力对第三方具身数据供应商是挤压还是增量？ A: 长期看整体是增量，局部会挤压简单的单点采集素材外包商。大厂自建主要绑定自家硬件和核心私有数据，但依然缺乏跨本体通用基准数据集以及长尾、危险工业场景数据，需要定向找供应商补充，且自产数据也需要标准化评测体系。大厂下场带动了赛道共识，养活了大量无能力自建闭环的中小原生模型团队，为全链路基础服务商带来更大机会。 Q: 真机遥操作数据的综合成本及标注成本占比是多少，未来价格走势将如何分层？ A: 规模化稳定运行后，真机遥操作的综合成本大概在200元左右每小时，其中标注成本占整体的40%左右。长期价格走势将分层，低质量的裸视频价格会降得很低，而带物理校准和可评测的高标准数据具有抗跌性，不会陷入严重的价格内卷。 Q: 具身模型训练数据量从100小时增加到数千小时，对模型成功率的提升效果及边际收益有何变化？ A: 数据量增加对成功率的提升存在边际递减效应。0到500小时提升最明显，成功率可从50%冲到65%；500到1000小时涨幅变小，一般在65%到75%区间；1000小时以上单纯堆叠重复的示范类数据提升非常缓慢。成功率的提升不仅取决于小时数，更取决于新增数据是否为模型缺乏的失败和边界样本。 Q: 公司通用可复卖数据与专项定制数据的业务比例大概是多少？ A: 公司通用可复卖数据的比例大概占到60%，专项定制数据的比例大概占到30%到40%。 Q: 纯大模型厂商和机器人本体厂商在具身数据外购与自产的比例上分别是多少？ A: 纯大模型厂商外购比例较大，约占60%到70%，自产约30%用于内部试点和特殊对照；机器人本体厂商大部分依靠自产，自产比例约80%，外购仅占20%左右甚至低至10%，主要用于覆盖自身无法覆盖的长尾场景和定制化需求。 Q: 未来机器人本体厂商和纯大模型厂商在具身数据采购比例及客户结构上会呈现怎样的变化趋势？ A: 本体厂商普遍使用大模型架构，但核心真机数据坚持自建，外购比例维持在20%左右，外部采购品类会增多；纯大模型厂商短期是第一大客户，但长期会逐步建立自有采集能力，营收占比将稳住甚至小幅回落。未来两三年客户结构中，大模型占比可能降至50%，本体占20%多，产业场景占10%几，本体和产业端增速将稍快。 Q: 公司今年和明年的预期收入体量分别是多少？ A: 公司今年的整体收入体量大概在十几亿元区间，去年大概20万，明年预期基本实现逐年翻倍增长。 Q: 公司后年的预期收入体量大概是多少？ A: 公司后年实现翻倍增长可能有难度，预期收入体量大概在20多亿到30多亿，即30亿到40亿元之间。 Q: 国内具身数据行业增速相比美国Scale AI等公司较慢的原因是什么？ A: 主要原因在于路线偏好和客户结构不同。硅谷物理AI爆发主打Ego第一视角，基本不做仿真，而国内以仿真为主、Ego为辅，客户更看重虚实搭配。此外，美国头部公司10倍增长是单家公司赶上标杆模型集中放量的结果，国内并非需求弱，而是客户结构、预算逻辑和路线选择存在差异。 Q: 国内具身数据采集供应商的竞争格局如何，头部大模型厂商的主要供应商有哪些？ A: 国内数据采集平台第一梯队主要包括光轮、智源旗下的蜜蜂以及鹿鸣，单点配套玩家有诺亦腾和帕西尼。头部大模型和世界模型厂商一般购买仿真及少量Ego数据，仿真方面光轮具优势，真机和触觉交互数据则是蜜蜂、帕西尼和鹿鸣的主要市场，整体市场尚未形成垄断。 Q: 具身数据行业的发展以及京东等大厂的大规模采集项目，是否会带动触觉手套、触觉传感和3D相机等上游硬件的需求增长？ A: 会带动一定增长。世界模型和VLA缺乏手部物理交互及接触力、摩擦力等材质反馈，Ego只能看懂场景，需要触觉手套、触觉阵列及腕部3D相机补充交互模态。京东重点布局物流分拣，其千万小时级别的大规模人手示教采集项目将直接推动上游触觉手套及配套3D相机等硬件订单的增长。
* 若侵犯到您的权益，请联系公众号处理今天就聊这么多，感兴趣的请关注公众号，有更多策略、教程和工具，等着你。
目前星球覆盖内容有：PDF纪要，音频纪要，白名单电话会，行业/个股动态点评，行业数据库，外资投行报告/深度研报/投研框架，盘中实时发布等。下方星球可获取（一手调研纪要！）
