文 | 田哲

编辑 | 苏建勋

2025年初，我们了解到一件事，国内具身智能独角兽“智元机器人”（就是B站知名UP主“稚晖君”当CTO的那家公司），在上海，建了一座“数据采集工厂”（简称“数采厂”）。

这是啥？为啥建？怎么采？一系列疑惑涌上我们心头，我们决定去看一看。

当然了，在去之前，我们对一家“数采厂”的工作流程，有一些非常刻板的想象——在堆满服务器黑盒子的昏暗房间，挂着黑眼圈、发量堪忧的程序员，机械地敲着键盘输入代码……

错错错！当《智能涌现》抵达智元机器人位于上海浦东的数采厂，发现现实和我们的想象，截然不同！

毫不夸张地说，这完全是美国电影《星球大战》的片场！

《星球大战》电影海报；图源网络

在这座3000平方米的数采厂中，不同主题的房间占据了工厂的绝大部分面积，每个房间都精心还原了现实生活的物件布局，机器人就在不同的场景中执行不同任务。

在卧室中，机器人乖巧地学习叠衣服。

机器人学习叠衣服；图源：智元机器人

在餐桌前，机器人把餐具挨个摆放整齐。

机器人摆放餐盘；图源：《智能涌现》拍摄

机器人还要学会打餐各式菜肴，并且不会手抖。

机器人正在用勺子舀鸡蛋；图源：《智能涌现》拍摄

而在商超收银台前，机器人一只手拿扫码器，另一只手拿着商品扫码。

智元机器人正在学习商品扫码；图源：《智能涌现》拍摄

参观结束后，《智能涌现》见到了数采厂负责人姚卯青，他也是智元机器人具身产品线总裁、研究院执行院长，负责数据驱动具身智能产品研发。

此前，姚卯青曾在Waymo、蔚来汽车等公司负责研发感知算法、端到端大模型。

姚卯青告诉《智能涌现》，机器人每完成一个动作，就相当于一条数据，数据将通过机器人的主机上传至云端，智元机器人团队将利用这些数据训练机器人的大模型，从而让机器人真正掌握一项技能，比如冲咖啡、熨衣服等。

为了让机器人快速学习技能，智元为它们安排了一对一教学老师——数据采集员，他们都是年轻有活力的小哥哥小姐姐，为了更好地教机器人完成动作，采集员也需要肢体协调，动作标准。

数据采集员们手持设备，手把手地控制机器人完成抓、握、放等动作。有时他们也会头戴VR设备，更精准地让机器人模仿学习人类动作。

据了解，现在智元数据采集工厂投放了近百台机器人，日均采集3-5w条数据。

而为了让机器人更快在不同环境中掌握尽可能多的技能，智元数据采集工厂模拟了家庭、零售、服务业、餐饮、工厂五个场景。

在这里，你能发现商超内不仅有各类零食，还有葡萄酒、香烟，甚至连蔬果的价钱也标好了。

智元机器人模拟的商超；图源：《智能涌现》拍摄

也有一批机器人分散在各自“工位”，在桌前学习简单地叠衣服等技能。

机器人们在工位学习不同技能；图源：《智能涌现》拍摄

据了解，数采厂面积还将增加1000平方米，可增加更多场景的同时，也能根据客户需要定制化模拟场景。

不过，目前行业内少见打造如此多样场景的机器人公司，一个问题随之而来：智元机器人下决心打造数据采集工厂，这一过程是如何展开的？

对于大多数初创公司而言，将高额资金建设一座工厂用于数据采集，风险无疑是巨大的，而智元机器人似乎没有犹豫，仅仅用了一个多月就完成搭建数据采集工厂。

促使智元机器人不惜高成本打造数采厂，这背后，行业现存数据量在供给侧上的巨大空白。

2024年6月，智元机器人决定研发机器人具身智能大模型，这需要海量数据以训练大模型。

姚卯青告诉《智能涌现》，机器人通过数百条数据学会一个技能，这些动作往往都是长程任务，比如冲泡咖啡，熨衣服等。

他们曾试图寻找行业内的开源数据库，但发现高质量、统一格式的数据几乎不存在。即使行业内开源了百万条由真实机器人收集的训练数据集，但是这些数据实际上由不同公司、不同型号规格的机器人采集，数据质量较低，达不到智元的要求。

姚卯青表示，不同传感器和形态的数据差异过大，将削弱整体训练效果，比如一个六轴机械臂的数据在七轴灵巧手机器人上几乎无法复用，因此需要统一标准的数据。

而让智元下决心建设数采厂，这个过程也很简单。

姚卯青表示，智元机器人采集了几千条数据用于训练算法，虽然能让机器人顺利完成某个动作，但是无法泛化——如果改变物体种类、颜色甚至光线，都将影响机器人再次完成同样的动作。因此智元机器人决定建设工厂大规模采集数据。

不同房间的机器人正在采集数据；图源：《智能涌现》拍摄

数采厂未来将源源不断为机器人学习提供数据养料。据了解，智元数据采集工厂投入使用两个多月，就采集了超百万量级真机数据集，采集任务超一千种，每个任务都包含几百条数据，一些特别难的长程任务可达几千条。

“不久后我们将拥有超千万条数据。”姚卯青笑着说。

在采集数万条机器人重复动作后，智元机器人收获了一些意外之喜：机器人能够在未经训练的情况下，根据要求控制倒水量；只教了机器人几十次，就能学会叠裤子。

这正是智元机器人想要打造的机器人——能够自主理解人类指令和外部环境，并能适应复杂的环境。

智元希望机器人能够更换不同品牌、型号的咖啡机配件；图源：《智能涌现》拍摄

过去数十年，机器人的控制往往依赖人们的预设规则，向机器人输入情况描述以及应对方式的规则，机器人在相应情况下完成操作。然而机器人遇到的情况千变万化，难以依靠提前输入规则就能让机器人应对所有情况。

在大模型应用爆发后，让机器人从冰冷的躯体有了智力，能够理解世界和人类。而智元机器人正在研发的，是具备端到端大模型的机器人，通用能力更强且反应速度更快。

机器人从接受指令到完成动作通常有三个步骤：感知外部环境，做出决策、控制肢体执行任务，信息在这一链条传递中可能出现失真，从而影响机器人完成动作。

但端到端大模型，不需要分模块，更不依赖精准测量，就像人类超车前，不会下车测量两车之间的距离，再进行超车。

智元机器人对端到端大模型机器人的设想是，机器人能够接受人类的复杂指令，比如让机器人从远处取来手机，或者从冰箱里拿一包薯片。这些指令不仅考验着机器人对任务的理解能力，还要求机器人能够识别物体，并完成移动到相应地点、取物，返回，提交物品。

但是达到这一状态并不容易。姚卯青表示，需要不断向大模型投喂数据，数据量越大，大模型在某一场景表现会更接近人类，他预估的数据量为几千万条到1亿条，机器人的Scaling Law远未到来。

《智能涌现》了解到，机器人需要软硬件结合，仅有其中之一都难以让机器人技术迅速发展。美国的硬件成本较高，因此美国机器人初创公司大多只研发算法。中国已有供应链优势，结合数据和自研的硬件，会让算法、硬件、软件快速迭代。

姚卯青相信，中国机器人技术的整体进度已与美国不相上下，因为美国的人工成本比国内高出十倍，还得从中国采购各种零部件。

智元机器人用更低的成本和高效的迭代速度，拓展了场景模拟和数据采集规模，那些在美国机器人公司看来“遥不可及”的技术，正在中国的数据采集工厂不断流淌的数据中，一点点接近成为现实。