文 | 田哲

編輯 | 蘇建勛

2025年初，我們了解到一件事，國內具身智能獨角獸“智元機器人”（就是B站知名UP主“稚暉君”當CTO的那家公司），在上海，建了一座“數據采集工廠”（簡稱“數采廠”）。

這是啥？為啥建？怎么采？一系列疑惑涌上我們心頭，我們決定去看一看。

當然了，在去之前，我們對一家“數采廠”的工作流程，有一些非常刻板的想象——在堆滿服務器黑盒子的昏暗房間，掛著黑眼圈、發量堪憂的程序員，機械地敲著鍵盤輸入代碼……

錯錯錯！當《智能涌現》抵達智元機器人位于上海浦東的數采廠，發現現實和我們的想象，截然不同！

毫不夸張地說，這完全是美國電影《星球大戰》的片場！

《星球大戰》電影海報；圖源網絡

在這座3000平方米的數采廠中，不同主題的房間占據了工廠的絕大部分面積，每個房間都精心還原了現實生活的物件布局，機器人就在不同的場景中執行不同任務。

在臥室中，機器人乖巧地學習疊衣服。

機器人學習疊衣服；圖源：智元機器人

在餐桌前，機器人把餐具挨個擺放整齊。

機器人擺放餐盤；圖源：《智能涌現》拍攝

機器人還要學會打餐各式菜肴，并且不會手抖。

機器人正在用勺子舀雞蛋；圖源：《智能涌現》拍攝

而在商超收銀臺前，機器人一只手拿掃碼器，另一只手拿著商品掃碼。

智元機器人正在學習商品掃碼；圖源：《智能涌現》拍攝

參觀結束后，《智能涌現》見到了數采廠負責人姚卯青，他也是智元機器人具身產品線總裁、研究院執行院長，負責數據驅動具身智能產品研發。

此前，姚卯青曾在Waymo、蔚來汽車等公司負責研發感知算法、端到端大模型。

姚卯青告訴《智能涌現》，機器人每完成一個動作，就相當于一條數據，數據將通過機器人的主機上傳至云端，智元機器人團隊將利用這些數據訓練機器人的大模型，從而讓機器人真正掌握一項技能，比如沖咖啡、熨衣服等。

為了讓機器人快速學習技能，智元為它們安排了一對一教學老師——數據采集員，他們都是年輕有活力的小哥哥小姐姐，為了更好地教機器人完成動作，采集員也需要肢體協調，動作標準。

數據采集員們手持設備，手把手地控制機器人完成抓、握、放等動作。有時他們也會頭戴VR設備，更精準地讓機器人模仿學習人類動作。

據了解，現在智元數據采集工廠投放了近百臺機器人，日均采集3-5w條數據。

而為了讓機器人更快在不同環境中掌握盡可能多的技能，智元數據采集工廠模擬了家庭、零售、服務業、餐飲、工廠五個場景。

在這里，你能發現商超內不僅有各類零食，還有葡萄酒、香煙，甚至連蔬果的價錢也標好了。

智元機器人模擬的商超；圖源：《智能涌現》拍攝

也有一批機器人分散在各自“工位”，在桌前學習簡單地疊衣服等技能。

機器人們在工位學習不同技能；圖源：《智能涌現》拍攝

據了解，數采廠面積還將增加1000平方米，可增加更多場景的同時，也能根據客戶需要定制化模擬場景。

不過，目前行業內少見打造如此多樣場景的機器人公司，一個問題隨之而來：智元機器人下決心打造數據采集工廠，這一過程是如何展開的？

為具身智能機器人，打造數據養料場

對于大多數初創公司而言，將高額資金建設一座工廠用于數據采集，風險無疑是巨大的，而智元機器人似乎沒有猶豫，僅僅用了一個多月就完成搭建數據采集工廠。

促使智元機器人不惜高成本打造數采廠，這背后，行業現存數據量在供給側上的巨大空白。

2024年6月，智元機器人決定研發機器人具身智能大模型，這需要海量數據以訓練大模型。

姚卯青告訴《智能涌現》，機器人通過數百條數據學會一個技能，這些動作往往都是長程任務，比如沖泡咖啡，熨衣服等。

他們曾試圖尋找行業內的開源數據庫，但發現高質量、統一格式的數據幾乎不存在。即使行業內開源了百萬條由真實機器人收集的訓練數據集，但是這些數據實際上由不同公司、不同型號規格的機器人采集，數據質量較低，達不到智元的要求。

姚卯青表示，不同傳感器和形態的數據差異過大，將削弱整體訓練效果，比如一個六軸機械臂的數據在七軸靈巧手機器人上幾乎無法復用，因此需要統一標準的數據。

而讓智元下決心建設數采廠，這個過程也很簡單。

姚卯青表示，智元機器人采集了幾千條數據用于訓練算法，雖然能讓機器人順利完成某個動作，但是無法泛化——如果改變物體種類、顏色甚至光線，都將影響機器人再次完成同樣的動作。因此智元機器人決定建設工廠大規模采集數據。

不同房間的機器人正在采集數據；圖源：《智能涌現》拍攝

數采廠未來將源源不斷為機器人學習提供數據養料。據了解，智元數據采集工廠投入使用兩個多月，就采集了超百萬量級真機數據集，采集任務超一千種，每個任務都包含幾百條數據，一些特別難的長程任務可達幾千條。

“不久后我們將擁有超千萬條數據。”姚卯青笑著說。

探尋機器人的Scaling Law

在采集數萬條機器人重復動作后，智元機器人收獲了一些意外之喜：機器人能夠在未經訓練的情況下，根據要求控制倒水量；只教了機器人幾十次，就能學會疊褲子。

這正是智元機器人想要打造的機器人——能夠自主理解人類指令和外部環境，并能適應復雜的環境。

智元希望機器人能夠更換不同品牌、型號的咖啡機配件；圖源：《智能涌現》拍攝

過去數十年，機器人的控制往往依賴人們的預設規則，向機器人輸入情況描述以及應對方式的規則，機器人在相應情況下完成操作。然而機器人遇到的情況千變萬化，難以依靠提前輸入規則就能讓機器人應對所有情況。

在大模型應用爆發后，讓機器人從冰冷的軀體有了智力，能夠理解世界和人類。而智元機器人正在研發的，是具備端到端大模型的機器人，通用能力更強且反應速度更快。

機器人從接受指令到完成動作通常有三個步驟：感知外部環境，做出決策、控制肢體執行任務，信息在這一鏈條傳遞中可能出現失真，從而影響機器人完成動作。

但端到端大模型，不需要分模塊，更不依賴精準測量，就像人類超車前，不會下車測量兩車之間的距離，再進行超車。

智元機器人對端到端大模型機器人的設想是，機器人能夠接受人類的復雜指令，比如讓機器人從遠處取來手機，或者從冰箱里拿一包薯片。這些指令不僅考驗著機器人對任務的理解能力，還要求機器人能夠識別物體，并完成移動到相應地點、取物，返回，提交物品。

但是達到這一狀態并不容易。姚卯青表示，需要不斷向大模型投喂數據，數據量越大，大模型在某一場景表現會更接近人類，他預估的數據量為幾千萬條到1億條，機器人的Scaling Law遠未到來。

《智能涌現》了解到，機器人需要軟硬件結合，僅有其中之一都難以讓機器人技術迅速發展。美國的硬件成本較高，因此美國機器人初創公司大多只研發算法。中國已有供應鏈優勢，結合數據和自研的硬件，會讓算法、硬件、軟件快速迭代。

姚卯青相信，中國機器人技術的整體進度已與美國不相上下，因為美國的人工成本比國內高出十倍，還得從中國采購各種零部件。

智元機器人用更低的成本和高效的迭代速度，拓展了場景模擬和數據采集規模，那些在美國機器人公司看來“遙不可及”的技術，正在中國的數據采集工廠不斷流淌的數據中，一點點接近成為現實。