72天，從0到千萬小時產能，具身「新銳派」接管數據賽道？

增強重點摘要

• •該公司透過大規模部署模擬環境與自動化數據標註管線，解決了具身智能領域長期面臨的『數據荒』與高昂標註成本問題。
• •其平臺整合了從數據採集、清洗、增強到模型訓練的全流程，特別針對機器人操作（Manipulation）與導航（Navigation）任務進行了優化。
• •此產能擴張依賴於其自研的合成數據生成引擎，能將真實世界數據與物理模擬數據進行高效融合，顯著提升了機器人在複雜環境下的泛化能力。

競品分析

技術深入

• •採用基於物理引擎（如 PhysX 或 MuJoCo）的閉環模擬系統，實現數據的自動化生成與驗證。
• •引入多模態數據對齊技術，將視覺、觸覺與本體感覺數據進行時序同步，以適應具身智能模型的訓練需求。
• •利用主動學習（Active Learning）演算法，自動篩選高價值數據樣本，減少冗餘數據對訓練效率的影響。
• •支援大規模分佈式訓練架構，可將千萬小時級別的數據集快速分發至 GPU 集群進行模型微調。

前景展望基於引用來源的 AI 分析

時間線