具身智能的核心技术痛点是什么？
上周跟一个在具身智能创业公司干活的朋友吃饭，他一上来就跟我倒苦水。团队砸了快两千万，全国铺了三十多个采集点，攒了十几万小时真机数据，结果模型能力才涨了 5%。我以为他在吹牛，回去查了行业报告才发现，这就是平均水平。全球能用的具身数据只有五十万小时，而大语言模型吃的文本数据是它的两万倍。这事儿不是有钱就能堆出来的——文本可以上网爬，可机器人每个动作背后的关节角度、力度、摩擦、物体的形变，全得在物理环境里一条条采。京东说要攒一千万小时，星海图也启动了百万小时计划，听着吓人，可对比大模型那种"自来水式训练"，还是杯水车薪。朋友叹气说，他们这行被投资人形容为"冰火两重天"——一边融资热得发烫，一边商业化冷得发抖。综合最近的行业评测， 数据粮荒已经稳居具身智能第一号痛点 。我突然想通了一件事：具身智能现在最缺的，可能不是更聪明的算法，而是能让机器人"吃饱"的饲料。
发布于 福建
分享
评论
赞
未登录
友善发言
评论
加载中
