資方包括靈初智能、穹徹智能、浙江人形、智平方。

文｜邱曉芬

編輯｜蘇建勛

一句話(huà)介紹

「智域基石」是一家致力于構(gòu)建具身智能時(shí)代數(shù)據(jù)入口與訓(xùn)練輸入基礎(chǔ)設(shè)施的公司，其核心使命是將海量、雜亂的原始物理世界數(shù)據(jù)，精準(zhǔn)編譯成直接面向機(jī)器人任務(wù)成功率的高質(zhì)量訓(xùn)練輸入。

團(tuán)隊(duì)介紹

「智域基石」CEO楊哲軒為前PingCAP核心成員，擁有大規(guī)模分布式系統(tǒng)與底層架構(gòu)設(shè)計(jì)的背景，也是連續(xù)創(chuàng)業(yè)者，負(fù)責(zé)多家公司商業(yè)化業(yè)務(wù)。

「智域基石」CTO徐良威有著騰訊、小鵬機(jī)器人的從業(yè)背景，是實(shí)戰(zhàn)經(jīng)驗(yàn)豐富的機(jī)器人軟硬件專(zhuān)家，熟悉具身智能算法對(duì)于數(shù)據(jù)的需求，也有豐富硬件落地的經(jīng)驗(yàn)。

「智域基石」COO為張計(jì)業(yè)，前華為地市總經(jīng)理，曾擔(dān)任具身智能公司「穹徹智能」生態(tài)負(fù)責(zé)人。

融資進(jìn)展

完成數(shù)千萬(wàn)元天使輪融資，資方包括四家機(jī)器人廠(chǎng)商，包括靈初智能、穹徹智能、浙江人形、智平方（拼音序）。

產(chǎn)品及業(yè)務(wù)

目前，「智域基石」計(jì)劃在全國(guó)建立起面積超一萬(wàn)平方的真機(jī)數(shù)據(jù)采集工廠(chǎng)，工廠(chǎng)中機(jī)器人數(shù)量超400臺(tái)、異構(gòu)硬件形態(tài)超10種。

他們預(yù)計(jì)在2026年內(nèi)積累超過(guò)200PB異構(gòu)數(shù)據(jù)。在今年第二季度，「智域基石」將從真機(jī)數(shù)據(jù)生產(chǎn)，全面拓展至 Ego-Centric（第一人稱(chēng)視角）領(lǐng)域，牢牢掌控模型的后訓(xùn)練與預(yù)訓(xùn)練的數(shù)據(jù)入口，通過(guò)數(shù)據(jù)編譯層，將原始數(shù)據(jù)加工成高質(zhì)量語(yǔ)料，可直接作為模型訓(xùn)練輸入。

△ego centric 設(shè)備的概念圖

在數(shù)據(jù)生產(chǎn)和加工方面，「智域基石」團(tuán)隊(duì)將大數(shù)據(jù)行業(yè)的技術(shù)理念和架構(gòu)，引入到了具身智能領(lǐng)域，搭建了一套打破“廢料堆砌”的自動(dòng)化“數(shù)據(jù)編譯管線(xiàn)”，主要特點(diǎn)包括——

①數(shù)據(jù)質(zhì)檢環(huán)節(jié)：過(guò)往面對(duì)海量數(shù)據(jù)，其他類(lèi)型公司往往采用傳統(tǒng)抽檢，導(dǎo)致高達(dá)95%的無(wú)效噪音混入訓(xùn)練集。而「智域基石」引入了分布式計(jì)算與彈性伸縮架構(gòu)，對(duì)機(jī)器人采集的視覺(jué)、深度、關(guān)節(jié)位姿和力觸覺(jué)等多模態(tài)數(shù)據(jù)進(jìn)行全量質(zhì)檢，在源頭直接剔除無(wú)效的“數(shù)據(jù)膨脹”。

②數(shù)據(jù)底座重構(gòu)（具身智能專(zhuān)屬的異構(gòu)湖倉(cāng)）：真實(shí)物理世界的數(shù)據(jù)天然具有高熵、多源異構(gòu)以及采樣頻率嚴(yán)重異步（如視覺(jué)30Hz與關(guān)節(jié)控制500Hz的落差）的特征，傳統(tǒng)的簡(jiǎn)單存儲(chǔ)極易讓數(shù)據(jù)淪為無(wú)法訓(xùn)練的“多模態(tài)黑盒”。

為此，「智域基石」率先將成熟的數(shù)據(jù)湖倉(cāng)（ Data Lakehouse ）架構(gòu)引入并深度改造為具身智能專(zhuān)屬底座。該架構(gòu)不僅實(shí)現(xiàn)了對(duì)超大規(guī)模非結(jié)構(gòu)化數(shù)據(jù)的統(tǒng)一納管，更依托自研的數(shù)據(jù)引擎，在底層完成了視覺(jué)、深度、力觸覺(jué)與關(guān)節(jié)位姿等復(fù)雜維度在毫秒級(jí)別的高精度"時(shí)空戳對(duì)齊"。

這一步直接跨越了模態(tài)間的時(shí)空錯(cuò)位，將混沌的物理記錄徹底錨定為大模型可解析的高價(jià)值時(shí)序資產(chǎn)。

△數(shù)據(jù)管線(xiàn)示意圖

③數(shù)據(jù)編譯：這是最核心的“精煉”過(guò)程。不僅僅是去噪、增廣與重定向，系統(tǒng)會(huì)將非標(biāo)數(shù)據(jù)進(jìn)行“技能原子化”，提取出帶有明確動(dòng)作意圖與物理約束的“語(yǔ)義片段”，并為數(shù)據(jù)建立版本號(hào)與血緣追蹤，確保資產(chǎn)可追溯。

④智能檢索與組配：針對(duì)行業(yè)“按小時(shí)買(mǎi)數(shù)據(jù)”的價(jià)值錯(cuò)位，團(tuán)隊(duì)推出了自研的查詢(xún)引擎，用類(lèi)似SQL的方式，對(duì)海量物理數(shù)據(jù)中的場(chǎng)景、技能、動(dòng)作基元進(jìn)行語(yǔ)義化調(diào)用。

例如，當(dāng)客戶(hù)算法團(tuán)隊(duì)提出特定的訓(xùn)練需求時(shí)，摒棄傳統(tǒng)的盲目海選與人工拼湊，「智域基石」的數(shù)據(jù)交付專(zhuān)家只需在后臺(tái)輸入簡(jiǎn)捷的代碼指令（如：精準(zhǔn)調(diào)取“廚房場(chǎng)景”中“拿杯子”任務(wù)、且特定驗(yàn)證成功率>95%的數(shù)據(jù)），系統(tǒng)即可快速響應(yīng)，快速召回并組配出符合要求的結(jié)構(gòu)化技能流。這種將非標(biāo)需求轉(zhuǎn)化為標(biāo)準(zhǔn)化系統(tǒng)指令的能力，極大提升了交付效率與準(zhǔn)確度。

⑤標(biāo)準(zhǔn)化打包與彈性交付：在完成檢索與組配后，系統(tǒng)會(huì)自動(dòng)將提取的結(jié)構(gòu)化片段，打包為帶有版本號(hào)（如v2.4.0）、開(kāi)箱即用的標(biāo)準(zhǔn)化訓(xùn)練數(shù)據(jù)集。

面對(duì)單次交付動(dòng)輒高達(dá)數(shù)百TB的超大規(guī)模交易量級(jí)，「智域基石」構(gòu)建了彈性的交付體系：既支持兼容S3等云原生架構(gòu)的云端專(zhuān)線(xiàn)直連與授權(quán)調(diào)用，也支持針對(duì)極高數(shù)據(jù)安全要求的高吞吐線(xiàn)下物理陣列（硬盤(pán)）交付。這種靈活的資產(chǎn)分發(fā)模式，不僅實(shí)現(xiàn)了自動(dòng)化交付，更徹底打通了從數(shù)據(jù)精煉廠(chǎng)到客戶(hù)算力集群的“最后一公里”。

通過(guò)構(gòu)建這套強(qiáng)大的自動(dòng)化“數(shù)據(jù)編譯管線(xiàn)”，「智域基石」實(shí)現(xiàn)了商業(yè)模式上的關(guān)鍵躍升：雖然前端物理世界的高保真數(shù)據(jù)采集仍需依賴(lài)專(zhuān)業(yè)人力與真機(jī)工廠(chǎng)，但在核心的數(shù)據(jù)加工與海量交付環(huán)節(jié)，系統(tǒng)徹底實(shí)現(xiàn)了與傳統(tǒng)“人海戰(zhàn)術(shù)”的解耦。

商業(yè)模式

為了穩(wěn)步推進(jìn)“數(shù)據(jù)精煉廠(chǎng)”的商業(yè)落地，智域基石規(guī)劃了三階段商業(yè)演進(jìn)路線(xiàn)，逐步實(shí)現(xiàn)從數(shù)據(jù)生產(chǎn)，到數(shù)據(jù)精煉，再到行業(yè)基礎(chǔ)設(shè)施構(gòu)建的跨越：

第一階段（2026-2027）：核心目標(biāo)是搶占高質(zhì)量物理數(shù)據(jù)入口。對(duì)標(biāo)英偉達(dá) EgoScale 路線(xiàn)，自研 Ego-Centric（第一人稱(chēng)視角）穿戴設(shè)備以獲取稀缺的預(yù)訓(xùn)練語(yǔ)料；同時(shí)聯(lián)合政企與頭部機(jī)器人廠(chǎng)商建設(shè)真機(jī)采集工廠(chǎng)，沉淀后訓(xùn)練工業(yè)數(shù)據(jù)。目前，通過(guò)為頭部客戶(hù)提供定制化的結(jié)構(gòu)化訓(xùn)練輸入，公司在手訂單已近億元。

第二階段（2027-2029）：隨著核心管線(xiàn)的打磨成熟，業(yè)務(wù)將從"數(shù)據(jù)生產(chǎn)和精煉"轉(zhuǎn)向"標(biāo)準(zhǔn)化資產(chǎn)訂閱"。將前期沉淀的通用動(dòng)作與場(chǎng)景，提煉為開(kāi)箱即用的行業(yè)標(biāo)準(zhǔn)數(shù)據(jù)集。通過(guò)長(zhǎng)期框架協(xié)議與場(chǎng)景庫(kù)增量更新服務(wù)，實(shí)現(xiàn)單點(diǎn)數(shù)據(jù)資產(chǎn)的重復(fù)變現(xiàn)，大幅提升利潤(rùn)率并覆蓋更廣泛的客戶(hù)群。

第三階段（2029+）：開(kāi)放 API 與開(kāi)發(fā)者生態(tài)，構(gòu)建通用基座，全面升級(jí)為具身智能通用數(shù)據(jù)基礎(chǔ)設(shè)施，構(gòu)建數(shù)據(jù)交易市場(chǎng)與開(kāi)發(fā)者生態(tài)，最終以共建共享的姿態(tài)，實(shí)現(xiàn)數(shù)據(jù)資產(chǎn)的規(guī)模化分發(fā)與全生態(tài)復(fù)用。

Founder思考

①具身智能數(shù)據(jù)存在核心矛盾

在「智域基石」CEO楊哲軒看來(lái)，當(dāng)前具身智能賽道正面臨一場(chǎng)隱蔽的"供給危機(jī)"：行業(yè)有龐大的訓(xùn)練需求，也不缺乏海量的原始數(shù)據(jù)，但真正稀缺的是將混沌的物理記錄，穩(wěn)定、高效地"編譯"為高信噪比訓(xùn)練輸入的基礎(chǔ)設(shè)施能力。大量未經(jīng)深度結(jié)構(gòu)化處理的多模態(tài)采集記錄，往往淪為消耗模型算力的"數(shù)據(jù)廢料"。

這一現(xiàn)象的底層矛盾，源于具身智能數(shù)據(jù)處理天然處于“交叉學(xué)科的空白地帶”?，F(xiàn)階段，機(jī)器人算法團(tuán)隊(duì)雖然深刻理解模型對(duì)物理規(guī)律、動(dòng)作約束與任務(wù)語(yǔ)義的精細(xì)需求，卻往往受制于工程瓶頸，難以建立工業(yè)級(jí)的大規(guī)模數(shù)據(jù)流水線(xiàn)；而傳統(tǒng)的AI數(shù)據(jù)標(biāo)注廠(chǎng)商，盡管具備勞動(dòng)力密集型的規(guī)?；a(chǎn)經(jīng)驗(yàn)，卻由于缺乏對(duì)機(jī)器人運(yùn)動(dòng)學(xué)、力觸覺(jué)反饋以及多模態(tài)時(shí)空對(duì)齊等底層邏輯的認(rèn)知，其產(chǎn)出質(zhì)量難以滿(mǎn)足大模型走向真實(shí)場(chǎng)景的苛刻標(biāo)準(zhǔn)。

隨著具身智能數(shù)據(jù)量級(jí)正迎來(lái)指數(shù)級(jí)的躍升，這種“懂算法的不懂工程量產(chǎn)，懂量產(chǎn)的不懂機(jī)器人硬件”的結(jié)構(gòu)性錯(cuò)位，不僅推高了行業(yè)的試錯(cuò)成本，更成為了制約具身大模型跨越物理鴻溝的最大掣肘。

②人力密集型的數(shù)采工廠(chǎng)沒(méi)有壁壘

要在具身智能數(shù)據(jù)業(yè)務(wù)上建立真正的商業(yè)壁壘并實(shí)現(xiàn)規(guī)?；?，單純依靠傳統(tǒng)的人力密集型管理優(yōu)化是行不通的，必須通過(guò)技術(shù)架構(gòu)重構(gòu)，系統(tǒng)性地降低數(shù)據(jù)加工的綜合成本。

「智域基石」CEO楊哲軒指出，人力成本具有天然的剛性，且隨著規(guī)模擴(kuò)張，管理效率必將觸及上限。面對(duì)大模型日益龐大的PB級(jí)數(shù)據(jù)吞吐需求，僅靠“堆人頭”的傳統(tǒng)模式無(wú)法形成長(zhǎng)期的核心競(jìng)爭(zhēng)力。真正的商業(yè)解法在于，依托高度自動(dòng)化的“數(shù)據(jù)管線(xiàn)”來(lái)實(shí)現(xiàn)加工流程的規(guī)?；?，這是攤薄固定成本、提升邊際收益的最優(yōu)路徑。

客觀(guān)預(yù)期下，隨著這套管線(xiàn)工程化與自動(dòng)化能力的不斷迭代，未來(lái)「智域基石」在核心數(shù)據(jù)加工環(huán)節(jié)的人力需求有望降低至少50%。楊哲軒認(rèn)為，通過(guò)硬核的技術(shù)手段，實(shí)事求是地達(dá)成數(shù)據(jù)產(chǎn)能與人力投入的有效解耦，才是企業(yè)真正走向高毛利基礎(chǔ)設(shè)施的立足之本。

③2026年是具身智能跨越商業(yè)鴻溝的關(guān)鍵檢驗(yàn)節(jié)點(diǎn)

伴隨2023年以來(lái)的投本體，投模型，投零部件的浪潮，當(dāng)前具身智能落地的卡點(diǎn)已經(jīng)形成共識(shí)：“數(shù)據(jù)是瓶頸”。楊哲軒判斷，2026年，隨著數(shù)據(jù)方向的創(chuàng)業(yè)公司如雨后春筍一般產(chǎn)生，具身智能領(lǐng)域的數(shù)據(jù)量也預(yù)計(jì)將增長(zhǎng)數(shù)十倍以上，達(dá)到千萬(wàn)小時(shí)級(jí)別。

為此，今明兩年正是一個(gè)關(guān)鍵檢驗(yàn)節(jié)點(diǎn)——當(dāng)數(shù)據(jù)總量的瓶頸被大幅緩解后，若大模型在真實(shí)場(chǎng)景中的任務(wù)成功率與泛化能力依然無(wú)法取得實(shí)質(zhì)性突破，整個(gè)行業(yè)將面臨嚴(yán)峻的信心重估與生存大考。

而跨越這一節(jié)點(diǎn)的關(guān)鍵，已不再是粗放的數(shù)據(jù)堆砌，而是如何將海量物理記錄真正"編譯"為高效的訓(xùn)練輸入。智域基石將自己定義為這個(gè)"編譯器"——具身智能時(shí)代的數(shù)據(jù)基礎(chǔ)設(shè)施建造者。

本文僅代表作者觀(guān)點(diǎn)，版權(quán)歸原創(chuàng)者所有，如需轉(zhuǎn)載請(qǐng)?jiān)谖闹凶⒚鱽?lái)源及作者名字。

免責(zé)聲明：本文系轉(zhuǎn)載編輯文章，僅作分享之用。如分享內(nèi)容、圖片侵犯到您的版權(quán)或非授權(quán)發(fā)布，請(qǐng)及時(shí)與我們聯(lián)系進(jìn)行審核處理或刪除，您可以發(fā)送材料至郵箱：service@tojoy.com