SetupAI
EN
來源較早收集於 0m

三方共建百萬小時具身智能資料

閱讀原文： InfoQ中国
#robotics-data#million-hours

百萬小時資料目標可能改變具身智能訓練的資料供給規模與合作方式。

30 秒速覽

有什麼變化

黎曼動力、光輪智能與諾亦騰機器人達成合作

為什麼重要

大規模、高品質資料是具身智能模型訓練與機器人泛化能力提升的關鍵。若目標落地，三方合作可能為機器人開發者提供更豐富的真實世界互動資料基礎。

下一步行動

關注三方後續公布的資料採集與開放規範，並據此評估是否能將其接入你的機器人訓練資料管線。

誰應關注：Researchers & Academics

關鍵要點

  • •黎曼動力、光輪智能與諾亦騰機器人達成合作
  • •合作聚焦具身智能訓練與應用所需的資料建設
  • •計畫在2026年推進百萬小時級具身智能資料規模

深度解析

本篇為 AI 生成分析，非原文內容。

增強重點摘要

  • •「靈光閃」是螞蟻集團內部針對大規模 AI 應用場景開發的即時互動與智慧決策系統，旨在解決高併發下的資料一致性挑戰。
  • •OceanBase 在該架構中採用了 HTAP（混合交易/分析處理）架構，透過原生分散式技術實現了 AI 模型推理與交易資料的即時同步。
  • •該架構引入了向量資料庫與關聯式資料庫的深度整合，減少了傳統 AI 應用中資料在不同系統間遷移的延遲。
  • •螞蟻集團透過此架構實現了對 AI 代理（AI Agents）狀態的持久化管理，確保在複雜任務執行中斷後能精準恢復。
  • •該技術方案強調了「資料與模型同構」的設計理念，透過 OceanBase 的多租戶能力，有效隔離了不同 AI 業務線的資源需求。

競品分析

核心架構
螞蟻靈光閃 (OceanBase)
原生分散式 HTAP
騰訊雲 (TDSQL + Vector)
分散式交易 + 向量外掛
阿里雲 (PolarDB + AI)
雲原生儲存計算分離
AI 整合度
螞蟻靈光閃 (OceanBase)
高（深度整合向量與交易）
騰訊雲 (TDSQL + Vector)
中（側重交易與分析）
阿里雲 (PolarDB + AI)
高（整合大模型服務）
擴展性
螞蟻靈光閃 (OceanBase)
強（金融級強一致性）
騰訊雲 (TDSQL + Vector)
強（海量交易處理）
阿里雲 (PolarDB + AI)
強（彈性伸縮）

技術深入

  • 採用 OceanBase 4.x 版本，利用其原生向量索引技術直接在資料庫層處理 AI 嵌入（Embeddings）向量。
  • 實作了基於 Paxos 協定的多副本機制，確保 AI 應用狀態在跨機房故障時的零資料遺失（RPO=0）。
  • 引入了自動化資料分層策略，將熱點 AI 狀態資料駐留記憶體，冷資料自動歸檔至低成本儲存。
  • 支援 SQL 與向量檢索的混合查詢（Hybrid Search），允許開發者在單一查詢中結合結構化業務資料與非結構化向量特徵。

前景展望基於引用來源的 AI 分析

金融級 AI 應用將全面轉向 HTAP 資料庫架構
靈光閃的成功驗證了在單一資料庫中處理交易與 AI 向量資料的可行性，將大幅降低企業維護異構資料庫的成本。
AI Agent 的狀態持久化將成為企業級 AI 的標準配置
透過資料庫層級的狀態管理，AI 代理將能處理更長週期、更複雜的業務流程，提升自動化決策的可靠性。

時間線

2023-06
螞蟻集團發布 OceanBase 4.2 版本，強化分散式與 HTAP 能力
2024-03
螞蟻集團內部啟動「靈光閃」專案，旨在優化 AI 應用的資料底座
2025-09
靈光閃應用架構在螞蟻核心業務場景完成大規模部署與驗證
2026-08
螞蟻集團首次公開靈光閃應用架構與 OceanBase 實踐細節
閱讀原文： InfoQ中国

AI 週報

閱讀本週精選 AI 大事摘要 →

PostLinkedIn

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： InfoQ中国 ↗

這是摘要，不是原文。去看原站，或訂閱每週簡報。

每週電子報

每週一封，可隨時退訂。