出品/全天候科技

撰文/王小娟

3月16日，京東一紙關(guān)于建成全球規(guī)模最大、場景最全的具身智能數(shù)據(jù)采集中心的宣發(fā)，在被龍蝦搶去風(fēng)頭、沉寂了一段時間的機器人賽道砸下重音。

某種意義上，這是一場帶有強烈工業(yè)互聯(lián)網(wǎng)色彩的數(shù)據(jù)大生產(chǎn)運動。

此次動員涵蓋內(nèi)部超10萬員工、外部最多50萬各行業(yè)人員，甚至在宿遷一地就動員超10萬市民——這種史無前例的人海戰(zhàn)術(shù)，試圖用規(guī)�；�的暴力美學(xué)，強行擊穿具身智能當(dāng)前最致命的軟肋：數(shù)據(jù)荒。

在模型架構(gòu)逐漸收斂、算力門檻相對透明的今天，高質(zhì)量的物理交互數(shù)據(jù)已成為決定機器人能否真正走向千行百業(yè)的唯一勝負(fù)手。

這場被定義為“人類歷史上規(guī)模最大的數(shù)據(jù)采集行動”的背后，揭示了一個產(chǎn)業(yè)共識：當(dāng)具身智能負(fù)責(zé)運動控制的“小腦”日漸發(fā)達，如何以更高質(zhì)量數(shù)據(jù)喂養(yǎng)出真正理解物理世界的大腦，正成為決定行業(yè)未來格局的核心戰(zhàn)役。

從京東的宏大敘事走向產(chǎn)業(yè)的微觀現(xiàn)實，這數(shù)十萬人產(chǎn)生的數(shù)據(jù)究竟是金礦還是砂礫，還很難確定。

01

卷入的打工人

京東之所以敢于，也必須發(fā)起這場數(shù)據(jù)人海戰(zhàn)，其核心邏輯在于其龐大且高度復(fù)雜的自營實體供應(yīng)鏈。

與純軟件互聯(lián)網(wǎng)公司不同，京東本身就是一個巨大的物理世界互動場，而具身智能的成熟，直接關(guān)系到其未來十年的履約成本與運營效率。

這一布局與北京亦莊的機器人產(chǎn)業(yè)生態(tài)形成深度耦合。

亦莊經(jīng)濟技術(shù)開發(fā)區(qū)目前已集聚300余家機器人相關(guān)企業(yè)，產(chǎn)業(yè)鏈規(guī)模超百億元，開放了40余個真實應(yīng)用場景，成為國內(nèi)人形機器人產(chǎn)業(yè)的核心集聚區(qū)。京東作為扎根亦莊的“鏈主”企業(yè)，此前已發(fā)布機器人產(chǎn)業(yè)加速計劃。

京東此時大舉投入數(shù)據(jù)采集中心為代表的軟基建，實際上是在補齊產(chǎn)業(yè)鏈最缺失的一環(huán)。亦莊提供“軀干”和測試場，京東則試圖用海量場景為機器人注入理解真實世界的常識。

這種軟硬結(jié)合的產(chǎn)業(yè)共振，試圖打造一個從數(shù)據(jù)飛輪到硬件迭代的商業(yè)閉環(huán)。

數(shù)十萬人的調(diào)度絕非易事。

根據(jù)規(guī)劃，采集場景覆蓋物流、工業(yè)、零售等。在實際操作中，這很可能依賴于京東現(xiàn)有的數(shù)字化管理網(wǎng)絡(luò)。例如讓一線快遞員、倉儲分揀員佩戴帶有視覺，甚至力覺傳感器的可穿戴設(shè)備進行日常作業(yè)。

從一線員工和被動員的宿遷市民角度來看，這場運動充滿了復(fù)雜性。

員工在無形中成為了機器人的數(shù)據(jù)老師，這些機器人未來的目標(biāo)正是替代高強度的人力勞動。如何設(shè)計合理的薪酬激勵與利益分配機制，避免員工的抵觸情緒成了京東需要考慮的問題。

不過，當(dāng)前具體如何實施還沒有傳導(dǎo)到員工層面。

一位京東的北京地區(qū)員工向華爾街見聞表示，目前還沒有聽說這件事。在他看來，如果有相應(yīng)的報酬，應(yīng)當(dāng)算是一種市場行為，員工是否愿意參與就看個人的選擇。京東在宿遷的一位員工也向華爾街見聞表示，還沒有收到相應(yīng)的通知。

盡管在官宣的表述中提到，“對所有數(shù)據(jù)的采集，京東都將嚴(yán)格依法依規(guī)進行”，但現(xiàn)實的情況往往更復(fù)雜。

就快遞這一場景來說，倉儲流水線是標(biāo)準(zhǔn)化的，但快遞配送深入千家萬戶、零售場景涉及大量消費者面部特征與隱私習(xí)慣。

在數(shù)據(jù)合規(guī)日益嚴(yán)格的今天，數(shù)十萬人隨身采集的非結(jié)構(gòu)化數(shù)據(jù)，其脫敏、清洗的合規(guī)成本可能是一個天文數(shù)字。

02

破題莫拉維克悖論

1988年，機器人學(xué)家漢斯?莫拉維克曾得出這樣一個結(jié)論：

“讓計算機在智力測試或下棋中達到成人水平很容易，但要讓它擁有一歲嬰兒的感知和運動能力，卻極其困難，甚至幾乎做不到。”

今天具身智能對于莫拉維克悖論的主要映射，集中在行業(yè)的數(shù)據(jù)真空上。

大模型們的成功，建立在直接吞噬互聯(lián)網(wǎng)三十年積累的萬億級高質(zhì)量文本語料之上。但物理世界并沒有一個現(xiàn)成的互聯(lián)網(wǎng)。具身智能要想在真實世界跑通縮放定律，面臨的是一道巨大的數(shù)據(jù)墻。

京東的此次大動干戈，所瞄準(zhǔn)的正是這一錨點以及數(shù)據(jù)采集背后的困境。

第一，仿真局限性的問題有待解決。

現(xiàn)階段，行業(yè)獲取數(shù)據(jù)的主流路徑已經(jīng)發(fā)生了嚴(yán)重的分化，并在各自的瓶頸中苦苦掙扎。

目前絕大多數(shù)初創(chuàng)公司高度依賴仿真環(huán)境，如英偉達的Isaac Sim或MuJoCo等物理引擎，讓機器人在虛擬世界中進行千萬次的強化學(xué)習(xí)。這種方式成本極低、速度極快，且不需要擔(dān)心試錯導(dǎo)致的硬件損壞。

然而，資深從業(yè)者們越來越清晰地認(rèn)識到“Sim-to-Real（仿真到現(xiàn)實）”的局限性。

物理世界的復(fù)雜性不僅在于視覺上的光影變化，更在于極其微妙的物理接觸反饋，例如線纜的柔性形變、衣服的非剛性拉扯、螺絲擰入時的微小摩擦力變化，甚至是傳感器本身的電磁噪點。

目前的物理引擎算力，無法完美模擬這些高維、非線性的微觀物理法則。這導(dǎo)致許多在仿真環(huán)境中表現(xiàn)完美的模型，一旦部署到真機上，就會出現(xiàn)嚴(yán)重的“腦�！被騽幼魇д�。

既然仿真有鴻溝，那就回到真實世界。

從斯坦福爆火的Mobile ALOHA，到如今Figure AI、宇樹、智元等頭部企業(yè)，都在大量使用遙操作——即由人類穿戴動捕服或使用VR設(shè)備，像控制阿凡達一樣操控機器人執(zhí)行任務(wù)，從而記錄下第一視角的視覺、關(guān)節(jié)角度和力矩數(shù)據(jù)。這是目前被公認(rèn)質(zhì)量最高的數(shù)據(jù)獲取方式。

第二，極不符合經(jīng)濟效益的投入產(chǎn)出比也是數(shù)據(jù)采集的現(xiàn)實困境。

據(jù)行業(yè)測算，單臺全尺寸人形機器人的硬件成本動輒數(shù)十萬甚至上百萬，而通過遙操作采集有效數(shù)據(jù)，不僅需要高昂的硬件折舊費，還需要支付高昂的專業(yè)操作員人力成本。

華爾街見聞了解到，單條高質(zhì)量的復(fù)雜交互任務(wù)數(shù)據(jù)，其采集和清洗成本可能高達數(shù)百美元，且失敗率極高。

這種作坊式、手搓數(shù)據(jù)的模式，無法支撐具身智能走向通用化所需的百億、千億級參數(shù)規(guī)模。

為了降低門檻，谷歌等巨頭發(fā)起了Open X-Embodiment等開源數(shù)據(jù)集計劃，試圖集中全球各大實驗室的數(shù)據(jù)供全行業(yè)使用。國內(nèi)也有企業(yè)選擇開源百萬級的真機數(shù)據(jù)集。

第三，數(shù)據(jù)采集還有工程方面的難題，即機器人硬件本體的極度碎片化。

狗型、輪式、雙足人形，甚至不同廠家的人形機器人，其關(guān)節(jié)自由度、電機扭矩、傳感器布局和重心結(jié)構(gòu)都完全不同。

一臺在UR5機械臂上訓(xùn)練出來的高質(zhì)量抓取數(shù)據(jù)，根本無法直接平移給一臺特斯拉Optimus或京東的物流機器人使用。

正是“跨本體映射”的困難，導(dǎo)致現(xiàn)有的開源數(shù)據(jù)大多變成了散落的孤島，難以形成規(guī)模效應(yīng)。

或許正是在上述三大困境之下，具身智能賽道的商業(yè)競爭邏輯已經(jīng)發(fā)生了本質(zhì)的改變：誰擁有真實的落地場景，誰就擁有了持續(xù)獲取廉價、高質(zhì)量閉環(huán)數(shù)據(jù)的護城河。

這就解釋了為什么特斯拉和京東選擇了與其他純硬件初創(chuàng)公司截然不同的路線。

特斯拉依托其龐大的超級工廠，讓Optimus直接在真實的電池分揀流水線上日夜試錯；而京東則試圖通過其觸達全國的物流網(wǎng)絡(luò)、數(shù)十萬的產(chǎn)業(yè)工人和龐大的實體零售體系，打造一條半自動化的數(shù)據(jù)流水線。

這種打法，是將企業(yè)的供應(yīng)鏈壁壘直接轉(zhuǎn)化為AI時代的數(shù)據(jù)壁壘。

與之形成鮮明對比的是，許多沒有自有場景的機器人初創(chuàng)公司，必須被迫轉(zhuǎn)型——他們要么虧本向高校和科研機構(gòu)低價兜售硬件，以此換取研究者們共享使用數(shù)據(jù)；要么只能花重金去工廠租賃場地，或者雇傭像簡智這類新興的具身智能數(shù)據(jù)服務(wù)商來定制數(shù)據(jù)。

可以說，京東的入局徹底撕開了具身智能行業(yè)的算法面紗，將其拉入了一個拼資金、拼場景、拼人力調(diào)度的重資產(chǎn)商業(yè)搏殺期。

在數(shù)據(jù)荒面前，算法的護城河正在變淺，而掌握真實物理世界交互入口的巨頭，正在悄然收攏這張通往AGI的大網(wǎng)。

03

更稀缺的高質(zhì)數(shù)據(jù)

面對京東計劃“兩年內(nèi)積累超1000萬小時真實場景數(shù)據(jù)”，業(yè)內(nèi)人士的反應(yīng)并非一邊倒的狂熱，更多是冷靜的審視。

在具身智能的語境里，數(shù)據(jù)的質(zhì)與模態(tài)，遠(yuǎn)比單純的時長重要得多。

算法行業(yè)指出當(dāng)前的核心痛點：當(dāng)前缺的不是人類視角的第一人稱視頻，而是包含精確物理反饋的“狀態(tài)-動作對”。

比如，宿遷市民帶著攝像頭逛超市，或者快遞員記錄下送貨過程，這產(chǎn)生了海量的互聯(lián)網(wǎng)級泛化視覺數(shù)據(jù)。

這些數(shù)據(jù)對于訓(xùn)練機器人的世界模型，讓它理解什么是門、什么是蘋果極具價值；但對于訓(xùn)練機器人的“控制策略”，讓它知道用多大牛頓的力去捏住蘋果而不捏碎，這類純視覺數(shù)據(jù)幾乎是無效的。

一位從事機器人行業(yè)的人士對華爾街見聞表示，機器人缺的是有價值的數(shù)據(jù)，尤其是機器人真機數(shù)據(jù)。在其看來，京東這一操作還是屬于流程外包的BPO生意，提供人員和場地。

人類在進行物理抓取時，伴隨著極其復(fù)雜的觸覺、力覺和本體空間坐標(biāo)微調(diào)，這些高維度的隱性知識，普通的可穿戴設(shè)備根本無法捕捉。如果京東的幾十萬人力只是在貢獻視頻，那其后期轉(zhuǎn)化為機器人可執(zhí)行動作的損耗率將高得驚人。

另一位國內(nèi)頭部機器人企業(yè)負(fù)責(zé)人曾直言，行業(yè)的首要難題是“缺乏統(tǒng)一的數(shù)據(jù)集定義標(biāo)準(zhǔn)”。

例如，每一家機器人公司的關(guān)節(jié)自由度、傳感器位置、驅(qū)動器類型都不一樣。京東采集的海量人類動作數(shù)據(jù)，如何重定向映射到不同構(gòu)型的機器人本體上？

如果缺乏統(tǒng)一的底層標(biāo)準(zhǔn)，這1000萬小時的數(shù)據(jù)最終可能只能變成京東自研機器人的私有營養(yǎng)，而難以成為推動全行業(yè)進步的基礎(chǔ)設(shè)施。

這或許正是京東為何在首年規(guī)劃中，特別強調(diào)了“100萬小時的機器人本體數(shù)據(jù)采集”。行業(yè)真正的發(fā)展方向，是用來認(rèn)知世界的人類泛化視頻預(yù)訓(xùn)練 、用來學(xué)習(xí)技能的機器人本體高質(zhì)量數(shù)據(jù)微調(diào)，和用來進化迭代的強化學(xué)習(xí)自我探索。

京東宣布建設(shè)具身智能數(shù)據(jù)采集中心，標(biāo)志著國內(nèi)企業(yè)開始嘗試用規(guī)�；�、工程化的手段來應(yīng)對機器人產(chǎn)業(yè)的數(shù)據(jù)短缺問題。

通過實體場景與大規(guī)模人力的結(jié)合，確實能為數(shù)據(jù)積累提供一種新路徑。

但要真正實現(xiàn)機器人的“智能涌現(xiàn)”，僅靠數(shù)據(jù)規(guī)模的堆砌并不足夠。

如何在海量采集中保障數(shù)據(jù)的高維度與高質(zhì)量，如何建立統(tǒng)一的數(shù)據(jù)標(biāo)準(zhǔn)，以及如何妥善處理規(guī)模化采集中的隱私與合規(guī)問題，將是企業(yè)和整個行業(yè)在邁向商業(yè)化階段必須解答的課題。