🔥36氪•較早收集於 27m
四家機器人廠商聯投具身智能數據公司
#robotics-data#funding#embodied-ai智域基石-data-pipelinelingchu-intelligentqiongche-intelligentzhejiang-humanoidzhi-pingfangzhiyu-jishi
💡機器人數據基礎設施融資解鎖可擴展具身AI訓練管線（200PB目標）（38字）
⚡ 30-Second TL;DR
有什麼變化
獲靈初智能、穹徹智能、浙江人形、智平方天使輪投資
為什麼重要
這解決具身智能數據危機，將混亂物理數據工業化成可訓練資產，可能降低成本並加速機器人模型訓練，對投資者與機器人公司有益。
下一步行動
探索他們類SQL查詢引擎demo，用於檢索機器人技能數據，對比自家訓練管線。
誰應關注：Founders & Product Leaders
關鍵要點
- •獲靈初智能、穹徹智能、浙江人形、智平方天使輪投資
- •建置一萬平米數據工廠，400+異構機器人，2026年達200PB數據
- •自動化管線：全量多模態質檢、Data Lakehouse時空對齊、技能原子化、SQL檢索
- •三階段商業：數據生產（2026-27）、標準化訂閱（2027-29）、開放API生態（2029+）
🧠 深度解析
本篇為 AI 生成分析，非原文內容。
🔑 增強重點摘要
- •智域基石採用的「數據工廠」模式旨在解決具身智能領域長期存在的「數據荒」問題，透過大規模異構機器人集群模擬真實物理世界交互，以降低對人類示範數據的依賴。
- •該公司技術架構強調「技能原子化」，將複雜的機器人任務拆解為可複用的基礎動作單元，這有助於提升跨平台、跨型號機器人的數據遷移能力與泛化性能。
- •投資方靈初智能、穹徹智能等均為具身智能領域的頭部初創企業，此舉顯示產業鏈下游廠商正透過聯合投資方式，試圖建立統一的數據標準與基礎設施，以加速人形機器人的商業化落地。
🛠️ 技術深入
• 數據處理架構：採用 Data Lakehouse 架構進行多模態數據存儲，實現視覺、力覺、觸覺與本體感知數據的時空對齊。 • 數據質檢機制：引入全量自動化質檢流程，利用預訓練模型自動過濾低質量、冗餘或存在物理衝突的數據樣本。 • 檢索機制：構建類 SQL 檢索結構化數據集，允許開發者透過自然語言或結構化查詢精確調取特定場景或動作序列的數據。 • 數據規模目標：計畫於 2026 年內累積 200PB 異構數據，涵蓋多種環境條件與任務類型的物理交互數據。
🔮 前景展望AI analysis grounded in cited sources
具身智能數據將成為機器人產業的基礎設施競爭點。
隨著模型參數規模擴大，高品質、多樣化的物理交互數據將成為決定機器人泛化能力的核心壁壘。
機器人數據生產將從人工示範轉向自動化生成與模擬訓練。
智域基石的數據工廠模式證明了透過大規模機器人集群自動化採集數據，是解決數據獲取成本高昂的必然路徑。
⏳ 時間線
2026-03
智域基石完成數千萬元天使輪融資，正式啟動數據工廠建設。
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： 36氪 ↗
每週 AI 簡報
每週一封，可隨時退訂。