五角大楼密件曝光
浏览: 7318
点赞: 549
收藏: 93
播放: 77
2026-04-27 13:12:32
再次翻红的“大衣哥”朱之文回应为何不直播带货：各人喜欢我，咱就唱唱歌给各人带来快乐
2026-04-27“青岛耍耍网论坛最新版本更新内容分”最新教学视频
百度包管，为您搜索护航
最佳回覆
?1.品茶礼仪有哪些注意事项 2026更新版N7.93.3-大神专业【:最新版官网地址、手机版、在线、巨细、注册、登录、入口、网站、下载、网页版、网址、单双、先生、约请码、妄想..」
?2.官网入口2026最新版V7.93.3-年度专家【:最新版官网地址、手机版、在线、巨细、注册、登录、入口、网站、下载、网页版、网址、单双、先生、约请码、妄想..」
???3.官网入口2026最新版N7.93.3-近期分享【:最新版官网地址、手机版、在线、巨细、注册、登录、入口、网站、下载、网页版、网址、单双、先生、约请码、妄想..」
4、?重磅新闻！??长沙品茶喝茶高质量工作室的推荐理由-APP下载?支持:winall/win7/win10/win11?系统类型?:广州车陂小巷十点以后2026最新版V7.93.3(清静平台)
5、?重大突破！??2025站街论坛武汉-APP下载??支持:winall/win7/win10/win11?系统类型?:全国楼风信信息2026最新版N7.93.3(清静平台)
总结全网116篇效果
何润东谈张凌赫被评价“粉底液”将军：纷歧样的戏种、类型，完全不可较量
文 | 奇点研究社，作者｜孟雯最近具身智能的数据战打得火热。前有腾讯宣布 Tairos 具身智能开放平台，后京东又上线了具身智能数据生意平台，还要发动 60 万人收罗 1000 万小时。不久前，百度也推出具身智能数据超市，想要解决困扰行业已久的数据质量狼籍不齐、名堂标准纷歧、使用本钱高等痛点。上周亦庄的人形机械人马拉松大赛，更是把具身智能的热度推向热潮。荣耀机械人「闪电」跑完 21 公里，净用时 50 分 26 秒，突破了人类男子半马天下纪录。一时间，谈论区欢喜，" 历史性时刻 "，" 安排态元年 " 到来！但仔细研究会发明这更像一场 " 机械能力 " 的突破，而非 "AI 能力 " 的突破。「闪电」之以是能跑出这个效果，靠的是 0.95 米大长腿、自研液冷系统、电机关系从 420Nm 提升到 600Nm。这些都是工程能力的积累，是荣耀把已往十几年消耗电子里的轻量化和结构设计能力，迁徙到了机械人上。若是把统一套算法塞进另一台机械人，或许率跑不出这个效果。问题不在算法，而在 " 具身智能 " 这个词，装了太多寄义。一连跑 21 公里是一件事；能帮你干活，是另一件事；能在产线上一连事情 8 小时不�；�，又是完全差别的一件事而这三件事，对应的是三种完全差别的数据需求。" 缺数据 " 喊了三年，但没人说清究竟缺什么" 整个互联网上能训练的数据一共就没有几多 T，现在已经快不敷用了。" 海内某头部大模子厂商首创人在采访中说，" 现在各人更多是用检索增强来落地 B 端，C 端照旧需要基座模子的进化才华突破。"这是大模子（LLM）领域的真实焦虑。现在，LLM 的 " 数据焦虑 " 正伸张到具身智能。去任何一场机械人相关的论坛，险些所有人都在说，数据不敷，是最大的瓶颈。但若是再往下追问，究竟缺的是什么数据？谜底却千差万别。LLM 之以是能够跑通规模定律（Scaling Law），有一个不可忽视的大条件：互联网文本自己就是一个 " 闭环系统 "。一句话里同时包括意图、语义、甚至隐含的推理路径。模子要做的，即是一直从这些闭环中提取纪律。以是你只需要 " 多喂 "，模子 " 悟 " 得越多，能力就会自然涌现。但具身智能没有这样的闭环。你可以收罗 100 万小时的人类生涯视频，但内里并没有机械人应该怎样控制枢纽的信息；你可以构建 1000 万个仿真场景，但它们往往缺少真实天下里的噪声与长尾漫衍；你也可以通过遥操作积累 10 万条使命数据，但一旦替换机械人本体，迁徙效果就会显着打折。具身智能的数据，不是 " 被网络 " 的，而是在物理天下中被 " 制造 " 的。并且差别类型的数据，对 " 规模 " 的反应也完全差别。以是把 LLM 的那一套逻辑原封不动搬过来，自己就是一种误判。若是把具身智能的数据拆开来看，会更清晰一些。它大致可以分为三类：运动控制、场景明确与使命决议。运动控制数据告诉机械人 " 怎么动 "，好比枢纽角度、力矩、运动轨迹等，这类数据高度绑定特定本体，自然不具备规�；从媚芰�。场景明确数据告诉机械人 " 看到了什么 "，好比视觉、空间、物体识别等，由于人看到的天下，和机械人看到的天下，在统计意义上是相似的，以是这类数据是现在唯一有可能跑通 Scaling Law 的层级。最难的是使命决议数据，它要告诉机械人 " 该怎么办 "，这是整个系统里最稀缺的一类数据，由于它要求三件事同时建设：感知、判断、执行，并且必需同步标注。这三类数据，有些可以靠堆量解决，有些则完全行欠亨，换言之，在具身智能领域，Scaling Law 不是 " 失效了 "，而是 " 分层建设 "。行业里着实已经有人形貌过这个问题。戴盟机械人接受媒体采访时，称具身智能的数据供应保存一个金字塔结构。?顶层是机械人本体数据，最准确，但最难扩展；中层是可安排收罗数据，在精度和规模之间做平衡；底层是人类视角的大规模数据，最容易放量。底层数据，可以靠 " 规�；� " 堆出来，认真训练 " 认知 "。顶层的数据，必需贴着本体打磨，认真训练 " 执行 " 必需细腻打磨，不保存 " 多多益善 "。这也是为什么，纯粹谈 " 数据规模 " 已经不再有意义，要害在于 " 你在放大哪一层 "。沿着这个思绪，学术界也最先实验给出新的解法。中山大学揭晓的开源项目 PHYAgentOS，把认知层与执行层解耦，即大模子做认知入口，不做最终执行者。这背后对应的，是一套新的数据分工方法：底层数据训练认知能力，可以跨本体泛化；顶层数据训练执行能力，始终绑定详细本体。一旦这一结构建设，数据的使用效率会爆发质变：差别层的数据，不再被强行塞进统一个模子里消化。解决了 " 数据从何而来 "，还要看数据怎样 " 被消化 "，这就涉及到目今行业里的几条主流的手艺蹊径。VLA 最常见，也最主流，它把视觉、语言、行动所有压进一个模子，输出控制信号，代表玩家是 RT-2 和 π 0，这一蹊径需要 " 图像 + 指令 + 行动 " 三者同时保存的数据，缺一不可，收罗本钱很高，也最难规�；�。第二条路径，是分层大模子。用 LLM 做高层妄想，再挪用 VLA 或古板控制算法执行。它牺牲了一部分端到端的一致性，但换来了更高的数据使用效率。典范代表包括谷歌的 Gemini Robotics、北大的 RoboOS，以及前面提到的 PHYAgentOS。第三种是目今最受关注的天下模子蹊径，如 DreamDojo、PAR/PhysGen，强调直接从视频里 " 悟 " 出物理纪律，以及零行动预训练，代表如外洋的英伟达，海内的拓元智慧。但差别玩家对统一蹊径也有着差别的明确。拓元智慧选择在隐层空间（而非视频画面）做天下推演。拓元智慧团结首创人陈添水在接受奇点采访时提到：" 英伟达的 One Action Model 主要指建模 action（行动），拓元同时建模 action 和 physical，隐层特征（几千维）比视频像素（200 万像素）更高效，且能更好地支持 action 展望。"物理 token 自回归的运作方法：展望未来的帧与行动团结体，与真真相形同步演化图灵奖得主杨立昆提出的 JEPA 同样属于这一范式，但它更偏向 " 展望式学习 "，即在笼统空间里推演未来状态，学习因果关系。写到这里，我们会发明，在具身智能领域，脱离模子架构去谈 " 高质量数据 "，自己并没有太大意义。零次方团结首创人马晓龙采访中的话，精准点出了实质：" 数据有没有用，实质是匹配问题。对你的模子有用，对我的架构可能毫无意义，第三方换了场景又可能完全没用。"群核建道场，百度铺管道，京东搭舞台带着这样思绪再来看最近大厂的数据之争，就会发明他们虽然都在 " 抢数据 "，但抢的，基础不是一个工具。差别不在 " 量 "，而在 " 层 "。最底层，是群核科技。群和科技占有的是 Scaling Law 最可能建设的那一层：" 物理准确 " 的空间数据。凭证招股书，群核已经积累了 5 亿个 3D 室内场景、4.8 亿个 3D 模子，这些数据并非 " 收罗 "，而是来自真实商业使用中被重复挪用、修改、验证的效果。群核科技推出的 InteriorNet 数据集（包括约 1 亿 3 万万图像数据）基于这些数据构建的 SpatialVerse，是一个 " 可盘算的物理空间 "：球被扔出去会着落，门被推开会有阻力，地板保存摩擦力。物理准确性，意味着它不依赖任何详细模子架构的演进。无论未来是 Transformer、天下模子，照旧其他范式，机械人最终都必需在切合真实物理纪律的情形中完成学习和决议。这意味着，一旦底层数据的 Scaling Law 建设，群核的价值会被指数级放大。它不需要押注 " 哪一个模子会赢 "，它押注的是所有模子，都必需进入 " 道场 "。若是说群核解决的是 " 数据从那里来 "，那么往上一层，即是百度在做的事情：回覆 " 数据怎样流动 "。百度具身智能数据超市，是一其中立的数据流通平台。它不加入机械人本体，也不直接生产数据，而是试图把疏散在差别企业、差别场景中的数据 " 组织起来 "。凭证官方披露，现在具身智能数据超市已经接入十余家具身智能企业的数据，总量凌驾 1000 万条。同时推出了 " 繁星妄想 "，妄想招募约 100 家场景方开放真实空间。更值得一提的是它的 " 重服务模式 "。" 百度数据超市上的数据需专业处置惩罚，暂无免费上传机制。我们有高 T 工程师团队免费支持客户，仅收取算力和存储用度。" 百度智能云泛科技立异行业销售总监徐良在采访中提到。这意味着，它并非一个简朴的笼络平台，而更像一个带有强加工能力的 " 数据代工厂 "：数据需要被洗濯、标注、结构化，才华进入可用状态。与此同时，百度还在补另一块更底层的基础设施：数据可信流通。包括云网端清静系统，以及面向出海的合规能力。" 现在百度团结头部客户开发的云网端清静计划，已经被应用到出口欧洲的产品中。" 徐良增补道。若是用一个更直观的类比，百度更像是具身智能时代的 "Visa"：它不直接加入生意，但决议了数据这笔 " 生意 "，能不可爆发、怎样爆发。再往上走，是京东。着实京东的价值有被严重低估。上线具身智能数据生意平台，发动 60 万人收罗 1000 万小时人类真实场景视频数据，在亦庄马拉松机械人赛事中，京东又作为 AI 科技战略合作伙伴，提供了运输、救援、换电、维修等全周期包管。赛事直接发动了凌驾 20 个机械人品牌销售额翻倍，相关搜索量激增 300%。外貌看是一次品牌和供应链能力的展示，但它真正解决的问题，着实在数据层。具身智能里，有一类数据自然无法复用：运动控制数据。它高度绑定详细本体、详细结构，险些不具备跨平台迁徙能力，也就很难像互联网数据一样形陋习�；魍�。这恰恰是 Scaling Law 最难建设的一层。京东做的事情，是绕过 " 数据自己的可复用性 "，直接让这类数据在真实天下中爆发商业价值：通过赛事、销售、服务，把机械人推入高频使用场景，让每一次真实运行，都酿成一次有用的数据积累。当数据自己无法流通时，就用 " 生意 " 去放大它的价值。价值驱动需求，需求再反过来推动数据回流，这是在 Scaling Law 不建设的顶层，少数可行的商业闭环。群核在最底层，提供 " 可以无限扩展的道场 "；百度在中心层，买通 " 数据怎样被加工与流通的管道 "；京东在最上层，搭建 " 让数据爆发价值的真实舞台 "。三者划分押注数据供应金字塔的差别层级，相互错位，却又环环相扣。协议之争与终局想象PHYAgentOS 论文中有一句话让我印象很深：Docs as API，不是让 Agent 和硬件系统通过大宗隐式新闻、暂时状态和难以追踪的接口直接耦合，而是通过结构化文档举行交互，焦点载体包括 Markdown 文件。我以为这指向了具身智能数据之战的终局想象：标准化协议，即差别数据层，怎样被统一个系统明确？底层是空间与视觉，中层是使命与流程，顶层是详细本体的控制信号，它们的数据结构、表达方法、甚至时间标准都完全差别。若是没有一套统一的 " 诠释机制 "，这些数据就只能各自为政。问题的焦点从 " 数据供应 "，转向 " 协议毗连 "。不过现状是，各人都在做自己的标准，构建自己的 " 局部最优 "。小鹏、阿里、腾讯接连宣布了各自的天下模子，英伟达的 Cosmos 已经在工业仿真上建设了壁垒，李飞飞的 Marble API 已对外开放，杨立昆的 JEPA 虽然还在科研期，但代表了最远期的倾覆可能。各家有各自的数据名堂、仿真情形与 API 系统，背后绑定的是差别的手艺蹊径与产品假设。短期看，这种破碎不可阻止，由于没人会在早期阶段自动放弃对系统的控制权。同时也意味着，协议层的统一，会比想象中更难。它不会是一蹴而就的标准落地，更可能是一个漫长的博弈，在效率、控制力与生态开放之间重复拉扯，直到某种 " 足够好 " 的共识形成。最后荣耀「闪电」用 50 分 26
本文链接：?/p/Phone/6861107.shtml
视界网大庆分站允许：如遇虚伪诓骗，助您维权(责编：萧郁婷、林佳颖)
百度反诈中心提醒您：高收益理财，看似天上掉馅饼，实则血本无归的陷阱。前往百度清静反诈平台相识更多
作者：独家计划
作者简介:善于写短篇小说与情绪日志，作品语言优美、情绪真挚，是读者心中的“文字共识者”。
最新谈论：
