巴尔贝洛：物理 AI 受实体数据稀缺严重制约
仿真数据能替代实体数据吗，物理AI吵翻了物理AI数据荒是2026年行业最现实的难题。大语言模型训练用的是互联网上现成的文本，物理AI训练需要的实体操作数据既稀缺又昂贵。野外高危工况数据采集风险极高无法规模化量产，搭建一套工业级操控模型成本是文本AI的41倍。数据缺口大到什么程度？全球公开的高质量物理数据集只有72套。行业内部对这个问题的判断已经分裂。一派认为高精度仿真合成的虚拟数据可以填补大部分缺口，另一派坚持仿真数据存在物理逻辑偏差，重力摩擦力参数失真是硬伤，工业场景落地风险极大。OpenAI首席科学家伊利亚的立场更偏向后一派，直言物理AI扎堆堆算力却忽略数据基建，是全球人形机器人量产延期的核心诱因。这个判断直击要害，没有足够的高质量数据，再强的算力也训练不出能落地的东西。
发布于 湖南
分享
评论
赞
未登录
友善发言
评论
加载中
