動(dòng)員人海入局，京東意在“煉丹”具身數(shù)據(jù)

作者 | 王小娟 編輯 | 松壑

3月16日，京東一紙關(guān)于建成全球規(guī)模最大、場(chǎng)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(shí)間的機(jī)器人賽道砸下重音。

某種意義上，這是一場(chǎng)帶有強(qiáng)烈工業(yè)互聯(lián)網(wǎng)色彩的數(shù)據(jù)大生產(chǎn)運(yùn)動(dòng)。

此次動(dòng)員涵蓋內(nèi)部超10萬(wàn)員工、外部最多50萬(wàn)各行業(yè)人員，甚至在宿遷一地就動(dòng)員超10萬(wàn)市民——這種史無(wú)前例的人海戰(zhàn)術(shù)，試圖用規(guī)模化的暴力美學(xué)，強(qiáng)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(mén)檻相對(duì)透明的今天，高質(zhì)量的物理交互數(shù)據(jù)已成為決定機(jī)器人能否真正走向千行百業(yè)的唯一勝負(fù)手。

這場(chǎng)被定義為“人類(lèi)歷史上規(guī)模最大的數(shù)據(jù)采集行動(dòng)”的背后，揭示了一個(gè)產(chǎn)業(yè)共識(shí)：當(dāng)具身智能負(fù)責(zé)運(yùn)動(dòng)控制的“小腦”日漸發(fā)達(dá)，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(lái)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(shí)，這數(shù)十萬(wàn)人產(chǎn)生的數(shù)據(jù)究竟是金礦還是砂礫，還很難確定。

一

卷入的打工人

京東之所以敢于，也必須發(fā)起這場(chǎng)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(yíng)實(shí)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(gè)巨大的物理世界互動(dòng)場(chǎng)，而具身智能的成熟，直接關(guān)系到其未來(lái)十年的履約成本與運(yùn)營(yíng)效率。

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

亦莊經(jīng)濟(jì)技術(shù)開(kāi)發(fā)區(qū)目前已集聚300余家機(jī)器人相關(guān)企業(yè)，產(chǎn)業(yè)鏈規(guī)模超百億元，開(kāi)放了40余個(gè)真實(shí)應(yīng)用場(chǎng)景，成為國(guó)內(nèi)人形機(jī)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(jī)器人產(chǎn)業(yè)加速計(jì)劃。

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

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

數(shù)十萬(wàn)人的調(diào)度絕非易事。

根據(jù)規(guī)劃，采集場(chǎng)景覆蓋物流、工業(yè)、零售等。在實(shí)際操作中，這很可能依賴(lài)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(cāng)儲(chǔ)分揀員佩戴帶有視覺(jué)，甚至力覺(jué)傳感器的可穿戴設(shè)備進(jìn)行日常作業(yè)。

從一線員工和被動(dòng)員的宿遷市民角度來(lái)看，這場(chǎng)運(yùn)動(dòng)充滿了復(fù)雜性。

員工在無(wú)形中成為了機(jī)器人的數(shù)據(jù)老師，這些機(jī)器人未來(lái)的目標(biāo)正是替代高強(qiáng)度的人力勞動(dòng)。如何設(shè)計(jì)合理的薪酬激勵(lì)與利益分配機(jī)制，避免員工的抵觸情緒成了京東需要考慮的問(wèn)題。

不過(guò)，當(dāng)前具體如何實(shí)施還沒(méi)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(jiàn)聞表示，目前還沒(méi)有聽(tīng)說(shuō)這件事。在他看來(lái)，如果有相應(yīng)的報(bào)酬，應(yīng)當(dāng)算是一種市場(chǎng)行為，員工是否愿意參與就看個(gè)人的選擇。京東在宿遷的一位員工也向華爾街見(jiàn)聞表示，還沒(méi)有收到相應(yīng)的通知。

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

就快遞這一場(chǎng)景來(lái)說(shuō)，倉(cāng)儲(chǔ)流水線是標(biāo)準(zhǔn)化的，但快遞配送深入千家萬(wàn)戶(hù)、零售場(chǎng)景涉及大量消費(fèi)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(wàn)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(gè)天文數(shù)字。

二

破題莫拉維克悖論

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

“讓計(jì)算機(jī)在智力測(cè)試或下棋中達(dá)到成人水平很容易，但要讓它擁有一歲嬰兒的感知和運(yùn)動(dòng)能力，卻極其困難，甚至幾乎做不到。”

今天具身智能對(duì)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(wàn)億級(jí)高質(zhì)量文本語(yǔ)料之上。但物理世界并沒(méi)有一個(gè)現(xiàn)成的互聯(lián)網(wǎng)。具身智能要想在真實(shí)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(dòng)干戈，所瞄準(zhǔn)的正是這一錨點(diǎn)以及數(shù)據(jù)采集背后的困境。

第一，仿真局限性的問(wèn)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(lài)仿真環(huán)境，如英偉達(dá)的Isaac Sim或MuJoCo等物理引擎，讓機(jī)器人在虛擬世界中進(jìn)行千萬(wàn)次的強(qiáng)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(cuò)導(dǎo)致的硬件損壞。

然而，資深從業(yè)者們?cè)絹?lái)越清晰地認(rèn)識(shí)到“Sim-to-Real（仿真到現(xiàn)實(shí)）”的局限性。

物理世界的復(fù)雜性不僅在于視覺(jué)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(shí)的微小摩擦力變化，甚至是傳感器本身的電磁噪點(diǎn)。

目前的物理引擎算力，無(wú)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(jī)上，就會(huì)出現(xiàn)嚴(yán)重的“腦梗”或動(dòng)作失真。

既然仿真有鴻溝，那就回到真實(shí)世界。

從斯坦福爆火的Mobile ALOHA，到如今Figure AI、宇樹(shù)、智元等頭部企業(yè)，都在大量使用遙操作——即由人類(lèi)穿戴動(dòng)捕服或使用VR設(shè)備，像控制阿凡達(dá)一樣操控機(jī)器人執(zhí)行任務(wù)，從而記錄下第一視角的視覺(jué)、關(guān)節(jié)角度和力矩?cái)?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(jì)效益的投入產(chǎn)出比也是數(shù)據(jù)采集的現(xiàn)實(shí)困境。

據(jù)行業(yè)測(cè)算，單臺(tái)全尺寸人形機(jī)器人的硬件成本動(dòng)輒數(shù)十萬(wàn)甚至上百萬(wàn)，而通過(guò)遙操作采集有效數(shù)據(jù)，不僅需要高昂的硬件折舊費(fèi)，還需要支付高昂的專(zhuān)業(yè)操作員人力成本。

華爾街見(jiàn)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(dá)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(wú)法支撐具身智能走向通用化所需的百億、千億級(jí)參數(shù)規(guī)模。

為了降低門(mén)檻，谷歌等巨頭發(fā)起了Open X-Embodiment等開(kāi)源數(shù)據(jù)集計(jì)劃，試圖集中全球各大實(shí)驗(yàn)室的數(shù)據(jù)供全行業(yè)使用。國(guó)內(nèi)也有企業(yè)選擇開(kāi)源百萬(wàn)級(jí)的真機(jī)數(shù)據(jù)集。

第三，數(shù)據(jù)采集還有工程方面的難題，即機(jī)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(jī)器人，其關(guān)節(jié)自由度、電機(jī)扭矩、傳感器布局和重心結(jié)構(gòu)都完全不同。

一臺(tái)在UR5機(jī)械臂上訓(xùn)練出來(lái)的高質(zhì)量抓取數(shù)據(jù)，根本無(wú)法直接平移給一臺(tái)特斯拉Optimus或京東的物流機(jī)器人使用。

正是“跨本體映射”的困難，導(dǎo)致現(xiàn)有的開(kāi)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(jìng)爭(zhēng)邏輯已經(jīng)發(fā)生了本質(zhì)的改變：誰(shuí)擁有真實(shí)的落地場(chǎng)景，誰(shuí)就擁有了持續(xù)獲取廉價(jià)、高質(zhì)量閉環(huán)數(shù)據(jù)的護(hù)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(jí)工廠，讓Optimus直接在真實(shí)的電池分揀流水線上日夜試錯(cuò)；而京東則試圖通過(guò)其觸達(dá)全國(guó)的物流網(wǎng)絡(luò)、數(shù)十萬(wàn)的產(chǎn)業(yè)工人和龐大的實(shí)體零售體系，打造一條半自動(dòng)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(shí)代的數(shù)據(jù)壁壘。

與之形成鮮明對(duì)比的是，許多沒(méi)有自有場(chǎng)景的機(jī)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(jī)構(gòu)低價(jià)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(chǎng)地，或者雇傭像簡(jiǎn)智這類(lèi)新興的具身智能數(shù)據(jù)服務(wù)商來(lái)定制數(shù)據(jù)。

可以說(shuō)，京東的入局徹底撕開(kāi)了具身智能行業(yè)的算法面紗，將其拉入了一個(gè)拼資金、拼場(chǎng)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(hù)城河正在變淺，而掌握真實(shí)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)。

三

更稀缺的高質(zhì)數(shù)據(jù)

面對(duì)京東計(jì)劃“兩年內(nèi)積累超1000萬(wàn)小時(shí)真實(shí)場(chǎng)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(yǔ)境里，數(shù)據(jù)的質(zhì)與模態(tài)，遠(yuǎn)比單純的時(shí)長(zhǎng)重要得多。

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

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(guò)程，這產(chǎn)生了海量的互聯(lián)網(wǎng)級(jí)泛化視覺(jué)數(shù)據(jù)。

這些數(shù)據(jù)對(duì)于訓(xùn)練機(jī)器人的世界模型，讓它理解什么是門(mén)、什么是蘋(píng)果極具價(jià)值；但對(duì)于訓(xùn)練機(jī)器人的“控制策略”，讓它知道用多大牛頓的力去捏住蘋(píng)果而不捏碎，這類(lèi)純視覺(jué)數(shù)據(jù)幾乎是無(wú)效的。

一位從事機(jī)器人行業(yè)的人士對(duì)華爾街見(jiàn)聞表示，機(jī)器人缺的是有價(jià)值的數(shù)據(jù)，尤其是機(jī)器人真機(jī)數(shù)據(jù)。在其看來(lái)，京東這一操作還是屬于流程外包的BPO生意，提供人員和場(chǎng)地。

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

另一位國(guó)內(nèi)頭部機(jī)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(jī)器人公司的關(guān)節(jié)自由度、傳感器位置、驅(qū)動(dòng)器類(lèi)型都不一樣。京東采集的海量人類(lèi)動(dòng)作數(shù)據(jù)，如何重定向映射到不同構(gòu)型的機(jī)器人本體上？

如果缺乏統(tǒng)一的底層標(biāo)準(zhǔn)，這1000萬(wàn)小時(shí)的數(shù)據(jù)最終可能只能變成京東自研機(jī)器人的私有營(yíng)養(yǎng)，而難以成為推動(dòng)全行業(yè)進(jìn)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(qiáng)調(diào)了“100萬(wàn)小時(shí)的機(jī)器人本體數(shù)據(jù)采集”。行業(yè)真正的發(fā)展方向，是用來(lái)認(rèn)知世界的人類(lèi)泛化視頻預(yù)訓(xùn)練 、用來(lái)學(xué)習(xí)技能的機(jī)器人本體高質(zhì)量數(shù)據(jù)微調(diào)，和用來(lái)進(jìn)化迭代的強(qiáng)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(guó)內(nèi)企業(yè)開(kāi)始嘗試用規(guī)模化、工程化的手段來(lái)應(yīng)對(duì)機(jī)器人產(chǎn)業(yè)的數(shù)據(jù)短缺問(wèn)題。

通過(guò)實(shí)體場(chǎng)景與大規(guī)模人力的結(jié)合，確實(shí)能為數(shù)據(jù)積累提供一種新路徑。

但要真正實(shí)現(xiàn)機(jī)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(wèn)題，將是企業(yè)和整個(gè)行業(yè)在邁向商業(yè)化階段必須解答的課題。

*本文為全天候科技原創(chuàng)作品，未經(jīng)授權(quán)不得轉(zhuǎn)載，如需轉(zhuǎn)載，請(qǐng)?jiān)诤笈_(tái)回復(fù)“轉(zhuǎn)載”二字，獲取轉(zhuǎn)載格式要求。

點(diǎn)“在看”，變好看哦。