官方网站-首页

2026年7月，在加州San Leandro的一座仓库里，一名"飞行员"正戴着可测量脑电波的头盔小心翼翼地拆解一座积木塔。这不是科幻电影，而是数据标注公司Encord在为物理AI寻找"人类意图"的训练信号。当大语言模型已经吃掉了整个互联网的文本，机器人模型却面临训练数据的严重匮乏——Encord的答案是：制造数据，而不是管理数据。

从"管理数据"到"制造数据"的战略转型

Encord最初是一家帮助机器学习视觉应用做数据标注和模型评估的公司。但公司机器人学习负责人Vineeth Velmurugan（曾任职于OpenAI机器人实验室和仓库自动化公司Berkshire Grey）对TechCrunch表示，随着客户将端到端学习应用于机器人操作任务，公司高管意识到必须自己生产训练数据。"这些数据根本不存在，"Velmurugan直言。

Encord在全球运营多家工厂，采集"自我中心"视频数据——由佩戴摄像头的工人收集，通常还叠加多角度摄像头和其他指标。San Leandro的工厂则用于实验新模式，比如脑电波传感，或针对特定技能收集微调数据集。TechCrunch探访时，飞行员们正在用"主-从"机械臂组（leader-follower rigs）创建关于倒咖啡、堆筹码等任务的数据。

脑电波 + 肌电：下一代数据模态

Encord正在与德国神经科学初创公司Zander Labs合作试验脑电波数据采集。Zander的神经科学家Lucas Gehrke解释说，测量大脑活动可以推断出精神状态——包括错误感知、意图和惊讶——从而为模型训练提供更有价值的信号。例如，在任务进行中记录脑电波活跃度，能帮助模型构建者判断何时需要调用最高算力的模型。

另一种新模态是前臂肌电传感器。手部操作视频通常无法拍到完整的手指动作，但Velmurugan希望通过手臂传感器构建手部3D位置，让模型对手部运动有更鲁棒的理解。这些数据集带有密集的物理标注——"右手拧紧螺栓"——Velmuurugan估计，这种密集标注对特定任务训练的价值是"垃圾自我中心数据"的100倍，而生产成本仅高20倍。

数据的"物理成本"是最大瓶颈

"100倍价值、20倍成本"在纸面上是一笔好买卖，但"20倍成本"仍然是真金白银。这才是问题的关键：大语言模型通过从Stack Overflow和整个互联网爬取文本来构建，前沿实验室几乎零成本。但物理训练数据必须被制造出来，而不仅仅是收集，这彻底改变了AI模型的经济学。

Velmurugan估计，要真正突破机器人数据瓶颈，需要一个规模大约相当于YouTube视频总量五倍的数据集——这也解释了为什么数据生成本身正在变成一个产业，而不只是研究课题。不过从Encord的视角来看，进展正在发生——公司处于多家机器人公司之间的枢纽位置，能比任何单一客户更早发现哪些数据技术正在行业范围内获得牵引力。

总结

物理AI的最大瓶颈不是模型架构，而是真实世界操作训练数据几乎不存在。Encord的策略是跳过"找数据"，直接进入"造数据"阶段，甚至开始试验脑电波和肌电信号来丰富训练信号的维度。但物理数据的生产成本意味着机器人AI无法复制大语言模型"爬遍互联网"的零成本路径，这可能是限制人形机器人和仓储机器人普及速度的根本约束。