给机器人装大脑的星海图,为何下场干起了物理世界采数的苦活?

华尔街见闻06-17 20:43

6月16日,具身智能企业星海图在全球开发者大会上披露了其最新的技术路线与商业规划 。

在此次大会上,星海图首秀了双足人形机器人Kengo(行客),发布并开源新一代VLA基础模型G0.5,并联合北京亦庄等国资平台揭牌成立数据公司“亦数智能”,正式启动“100万小时超高质量真实数据计划” 。而随着Kengo发布,星海图也成为中国唯一同时拥有模型与本体的具身智能企业。

当具身智能赛道逐渐度过早期的形态展示阶段,产业焦点正向底层商业逻辑和真实的场景落地转移 。星海图CEO高继扬基于行业变化,也对星海图进行了重新定位。

在高继扬看来,第一,星海图是一家具身大脑企业,以基础模型的预训练为核心;第二,它是软硬结合的公司,创业之初就坚持自己做整机,动力单元已有80%自研或产业链共研;第三,它是国内最早、也最坚定押注真实数据的公司。

01 物理Token的价值转移

在本次大会上,星海图自研的双足人形机器人Kengo正式亮相。从硬件规格上看,为保障系统的绝对同步性,Kengo在关节模组上采用了研发难度极高的整机EC通信架构。

然而,即便在自研硬件上投入颇多,星海图对其商业定位却有着异常清醒的界限划分。

高继扬在采访中对华尔街见闻等指出,“整机和供应链是一个有限游戏,智能和应用才是无限游戏。”

高继扬补充,“如果不玩好前面的有限游戏,是没机会玩好后面无限游戏的,我们花很多时间和精力去做自己的整机和供应链,目的还是为了做后面的智能和应用,这是真正的目的。”

这背后有一笔严格的底层账本,在发达国家市场,一个劳动力一年的综合成本约为4万至5万美元。如果硬件成本降至1万美元,并设定一年的投资回本周期,中间便会释放出3万至4万美元的差价空间。

这3万多美元的商业溢价,就是实体产业愿意为智能,即设备独立完成生产力岗位的能力,支付的对价。这也是星海图将内部研发资源向智能算法绝对倾斜的根本动因。

基于这套“有限游戏”与“无限游戏”的辩证关系,星海图为具身智能规划了三个严密的商业演进阶段。

第一阶段是当前的整机销售,主要面向科教研开发者与展演娱乐市场。

高继扬坦言,在这一阶段盲目追求销量的绝对第一不仅没有意义,过度开拓尚未成熟的生产力场景反而会沦为企业的负债。

第二阶段,随着机器智商的提升,行业将迈入面向生产力场景的方案订阅。

而最终的第三阶段,具身智能将彻底切入物理世界Token销售,即像今天购买云计算算力一样,按机器在物理世界产生的实际操作量进行计费。

为了支撑这种商业跨越,星海图在技术架构上提出了本能智能、作业智能与进化智能的“三重跃迁”。

同时,针对行业内关于VLA与世界模型的路线分歧,星海图给出了融合的解法,即两者并非对立,其底层都是将多模态数据转化为Token,并通过Transformer进行编码。

在实际落地中,以模仿学习为主线的作业智能,如本次发布的G0.5模型,将主要应用于轮式双臂机器人,解决高精度的任务执行;而以强化学习为主线的本能智能则优先匹配Kengo等双足设备,解决复杂地形的全身运动控制。

两者最终将在非结构化空间中走向融合,共同拼图具身大脑的完整能力。

02 数据成为关键

具身智能当前的核心痛点是真实数据的极度匮乏。基础模型搭建好后,要让机器人应对复杂的现实场景,行业必须在动作、操作对象、场景和机器本体这四个维度上,积累海量的真实物理数据。

高继扬指出,目前星海图在预训练阶段基本不使用仿真数据,因为只有真实数据能最高效地解决泛化性问题。但这引出了具身智能区别于大语言模型的最核心痛点是LLM的数据99%是公开可得的网络文本,而具身智能需要的数据99%是分散在各行各业的私有物理数据。

这决定了具身智能的数据获取是一项无法投机取巧的重资产苦活。在大会上,星海图宣布联合北京亦庄控股、亦庄机器人公司和亦庄国投,共同揭牌成立数据公司“亦数智能”,并启动“100万小时超高质量真实数据计划”。

结合一线运营数据,高继扬向外界拆解了这笔“苦活”的成本结构。

按真实物理场景计算,以人为主的采集成本约为每小时50至100元;包含设备折旧的遥控操作采集则高达250元/小时。综合市场均价,完成100万小时数据采集的直接资金成本高达1亿至2亿元人民币。

在具体执行上,星海图将采用针对特定工业场景的外包采集与利用穿戴设备日常作业的众包伴随式采集双轨并行的方式,以期在三年内将数据规模推向千万小时。

这仅是智能总成本的冰山一角。

具身智能领域存在一个严酷的“1:10定律”,即投入1元钱采集数据,至少需要配套10元钱的算力成本进行训练。

面对如此高昂的支出,星海图的财务策略是拥抱AI特有的Scaling Law。

高继扬表示,数据与算力的资金消耗不是线性增长,而是按“1、5、20、100”的指数级膨胀。因此,传统的风险投资匀速放款模型在此彻底失效;企业必须在资本上行期尽可能多地储备资金,同时严格遵守技术进阶的规律来规划支出节奏。

随着物理世界数据采集规模的爆发,生态协同与安全合规成为无法绕开的命题。

为此,星海图联合凯辉基金发起了面向具身智能早期投资的产业基金“星途计划”,以扶持初创团队,并与蚂蚁数科、百度智能云等15家企业成立数据生态联盟,试图打通从数据采集到应用的完整闭环。

Disclaimer: Investing carries risk. This is not financial advice. The above content should not be regarded as an offer, recommendation, or solicitation on acquiring or disposing of any financial products, any associated discussions, comments, or posts by author or other users should not be considered as such either. It is solely for general information purpose only, which does not consider your own investment objectives, financial situations or needs. TTM assumes no responsibility or warranty for the accuracy and completeness of the information, investors should do their own research and may seek professional advice before investing.

Comments

We need your insight to fill this gap
Leave a comment