编辑|冷猫
最近,,,,有个很有意思的征象。。
在山西的一个小镇里,,,,泛起了一个让人印象很深的场景:村民们戴着 GoPro,,,,正在为大厂收罗具身智能的训练数据。。在山东泰安,,,,村民们在社区的居家场景收罗点,,,,录制叠衣服、扫除卫生等家庭场景的视频数据。。
「人类历史上规模最大的数据收罗行动」已经拉开了帷幕。。
具身就像一次全新的工业革命,,,,而数据则是新兴智能时代的基础资源。。
各大具身智能赛道的加入者都在向「现实天下」这座取之不尽的数据金矿中追求原始的数据资源,,,,甚至已经将数据收罗卷入了「人民战争的汪洋大海」。。
模子、算力、数据,,,,是具身智能公认的三座大山。。
当越来越多的钱和人涌向「数据收罗」时,,,,凭证全民加入的比例,,,,完成一亿小时的人类数据收罗,,,,理论上一年就够了。。
可这依旧无法知足行业的需求,,,,「数据荒」甚至愈发严重。。这中心的矛盾在哪??????
谜底很简朴,,,,但又很重大:一切问题的焦点在于数据质量。。采得多,,,,不代表采得好。。真正能喂进模子的数据,,,,始终是稀缺品。。
这两年,,,,把「数据质量」挂在嘴边的公司越来越多,,,,可真正拿得出方案、能在市场上跑通商业闭环的却寥寥无几。。际数科技是其中少有的一个。。它闯出来的一条路,,,,恰恰是这条赛道上的新范式。。
机械之心与际数科技的三位联合首创人举行了深度访谈,,,,为这个「数据越多,,,,但可用数据越少」的时代两难,,,,找到了一个新谜底,,,,一条新路径。。
「这就好比,,,,我们原来要用互联网广袤的语言语料去训练大模子,,,,让它涌现出智慧,,,,」周源博士打了个例如,,,,「效果却请一堆中学生写命题作文,,,,喂给模子。。这两个效果,,,,天差地别。。」
际数决议把质量判断自己做成模子,,,,打造了高质量空间智能数据基础模子,,,,让数据在进入下游训练之前,,,,就能被明确、权衡和筛选。。这也是他们区别于所有收罗厂商、仿真厂商和具身厂商的地方。。
两个金字塔:倾覆性的质量看法
周源博士用空间数据行业七年的履历告诉我们:真正能进入模子、对性能和泛化爆发改善的数据,,,,历来都是一个质量问题,,,,数目在这里帮不上忙。。
当所有人都在数目的汪洋里往前冲时,,,,际数科技却很是有数地关注了一个险些没什么人在意的地方:数据,,,,是否可信、是否可用、是否可验收、是否可复用。。
已往几年,,,,它一直默默打磨手艺、在客户需求中积累履历,,,,做成了数据质量这个细分领域的头号玩家。。
我们一直以为,,,,数据质量是一种「自上而下」的金字塔:数据工程的实质着实就是模子工程,,,,是一件效果导向的事。。
也就是说,,,,质量是被效果倒推出来的。。评判数据质量优劣的最终标准,,,,是模子的体现。。模子体现好,,,,就说明数据的体现没有问题。。
际数团队的天下观完全差别,,,,由于他们是一支测绘配景的团队。。
门道在于,,,,测绘要解决的是空间数据的定位、空间关系的误差和确定性问题,,,,它必需产出确定性极高、精度极高、误差极小的效果。。以是测绘从一最先,,,,就把数据当成一个误差问题、一个质量问题来看待。。
为什么这么偏执??????由于测绘的效果往往决议了修建的稳固性,,,,质量不可靠下游效果来评定。。
「对空间数据的处理,,,,一定是在上游、在收罗端和处理端就把质量问题祛除掉。。」
这是一种「自下而上」的天下观:不等下游下手,,,,直接在数据端拦住质量问题,,,,让下游拿到一个极端确定的数据集,,,,性能、标准、质量都可评估、可见、可复用。。
CTO 叶文凯博士讲到,,,,数据质量是一个共性问题,,,,「若是是简单公司或个体来探讨数据质量问题的漫衍,,,,它所有车型、传感器设置、手艺栈都很是一致,,,,熵很是小,,,,就很难泛化出对普遍质量问题的认知。。」
而这个问题只能由第三方来做。。无论是具身模子照旧智驾模子,,,,每家公司从数据素材到模子本体,,,,往往都有一套关闭、自洽的手艺系统。。
数据质量并不隶属于某一种本体。。它所涉及的问题与误差,,,,自然跨越差别模子、差别硬件和差别应用场景,,,,因而具有高度的共通性。。际数仅在智驾领域就已经服务过二十多家客户,,,,普遍接触过差别传感器组合和差别手艺蹊径中的数据问题。。正是这种跨客户、跨系统、跨算法范式的实践积累,,,,让际数能够跳出简单方案,,,,识别数据质量背后的普遍纪律。。
越是关闭的简单玩家,,,,越不可能真正解决质量这个通用问题。。际数作为中立第三方,,,,反而站在了最合适的位置上。。
一个自上而下,,,,一个自下而上,,,,决议了际数和行业里其他玩家走上了两条完全差别的路。。
一张图、一把尺、一个飞轮
际数对数据质量有深刻的明确,,,,三板斧解决问题:一张图、一把尺、一个飞轮。。
「一张图」用测绘手艺建设了精准的空间数据,,,,对哪些因素会对证量爆发正负影响,,,,做展望和评估;;;「一把尺」是际数的误差检测模子,,,,精度更高、信息更完整的场景基座,,,,权衡一套视察系统在特定场景里会泛起什么误差、哪些能修正;;;「一个飞轮」积累的是差别传感器、数据产品和交付场景中的质量问题与质检履历。。专家判断被逐步转化为质量模子参数,,,,用于守住最终交付质量。。
这些配合构建了际数科技在数据质量领域的手艺护城河。。
从一颗火星石头,,,,到一座质量因子库
在访谈中我们得知,,,,周源和叶文凯两位联创有一位配合的导师,,,,空间信息领域大拿李荣兴教授。。李荣兴是 NASA 火星探测周游者使命的加入科学家,,,,恒久从事行星制图与周游者定位研究,,,,厥后回到同济大学任教。。
故事爆发在多年前。。NASA 火星车勇气号和机缘号上岸后,,,,因火星情形与地球测试条件差别,,,,轮速计定位误差天天靠近百米;;;纯视觉方案受限于地表特征希罕,,,,也只能降到约五十米。。
李荣兴团队没有继续堆算法,,,,而是剖析每块石头带来的定位误差,,,,为差别地标分配权重,,,,最终将误差降至一米。。原本设计寿命只有 90 个火星日的机缘号,,,,最终服役约十五年、行驶凌驾 45 公里。。这套「寻找稳固地标控制误差」的要领,,,,厥后也被用于祝融号、嫦娥使命和极地冰盖项目。。
「着实到现在我们总结,,,,它实质上就是一个质量孝顺的因子库。。」周源说。。
简朴来说,,,,质量孝顺因子库,,,,是针对场景中可能泛起的物体,,,,会对数据质量爆发影响、对差别的传感器爆发影响,,,,举行定性和定量剖析的数据库。。
举几个简朴的例子:玻璃、白墙这类高反射无纹理物体会严重滋扰视觉的定位和构图;;;树叶这类特征多变的物体,,,,帧间差别很大,,,,不是好的定位特征;;;而雪糕桶这种视觉友好的物体,,,,高反材质却会让激光爆发多路径效应、测距失准。。
掌握了这些因子,,,,就能很轻松地剖析出差别情形下能的数据质量问题。。
GData Quality Factor Library (QFLab),,,,超亿帧多模态数据积累,,,,经由专家质检甄别千余种高质量因子。。
因子库自己是一个模子,,,,它训练的,,,,是「视察效果」与「视察真值」之间的差别。。
际数有着其他数据企业无法相比的优势:能够接纳相比于数据收罗更高阶的测绘手艺,,,,为场景构图定位确定真值。。
这套「视察减真值」的误差量化范式,,,,正是测绘学科区别于纯数据驱动质量评估的地方:它有一个高于被测系统的、自力的真值泉源。。
多模态数据处理流程,,,,quality-aware 模子感知场景内的可靠锚点,,,,经由 4D 重修形成时空自洽的多模态传感数据关联,,,,进而增进下游仿真天生使命的处理效率和处理效果。。
这正是来自测绘配景的手艺团队的精髓和竞争力:提前把数据质量问题解出来。。现在在智驾领域,,,,际数的因子库已经笼罩五千多公里场景,,,,面向激光雷达、视觉、惯导和 GNSS 定位划分做了质量因子的积累。。
大宗未过检数据是名贵的财产
但数据质量历来都不是定性的,,,,在差别使命场景下有差别界说。。大宗人类主观判断的因素,,,,反而是做好数据质量中最难的部分。。
2024 年,,,,智驾行业提出端到端方案,,,,其实质是行为克。。˙ehavior Cloning),,,,通过视察效果和人类行为,,,,学习人是对车的操控。。这给了叶文凯启发:质量控制的实质和这件事惊人地像,,,,能不可通过对原始数据和交付效果的视察,,,,学习人类的判断行为,,,,训练出一个模拟人做质检的模子??????
简朴来说,,,,际数把质检职员的判断行为完整留存下来,,,,用人的判断路径来训练质量模子,,,,这是很是立异的一步。。
这与现在的 harness 工程中 skill 的理念不谋而合,,,,一连将不可量化的能力一连沉淀为流程、履历和技巧。。让质检员不但给出「过」或「不过」,,,,还要留下为什么,,,,纪录进一条专门设计的流水线,,,,并加入自然语言和标签。。
多模态数据处理动态事情流,,,,质量因子库一连集成人类质检专家履历,,,,一方面提供差别场景下的质量因子 KV 参考,,,,另一方面推动质量模子飞轮闭环。。
质量模子在 2025 年底完成训练,,,,2026 年 Q1 试用、Q2 性能趋于稳固,,,,体现得与人类很是靠近。。现在际数内部的算法流程已经变了:各垂类模子或算法的推理效果先经质量模子评估、袒露问题,,,,有问题就返工,,,,形成闭环。。人和质检模子一旦爆发分歧,,,,二次检核基本都是质量模子胜出。。
从这点来看,,,,际数科技完全有能力直接去做具身智能的端到端训练,,,,但难能难堪的是,,,,他们选择了用强盛的手艺力去深耕数据质量这条路。。当我们问道这个问题的时间,,,,周源博士说:「若是说我要去做具身,,,,数据质量问题肯定主要。。既然岂论怎样我都得解决数据质量问题,,,,我不如专心的把数据质量问题解决好。。」
就像叶文凯博士说的,,,,「我们形成了一个认知,,,,直接去发明 A 到 B 的一个路径。。和判断某个点离 B 有多远,,,,是两种难度 Level 的问题。。」这一思绪既延续了测绘学中通过局部视察逐步迫近目的的经典要领论,,,,也与现代机械学习中的残差头脑不谋而合:相比一次性求解全局路径,,,,更关注目今状态与目的之间的 “差别”,,,,并据此一连校正、迭代迫近。。
有意思的是,,,,这套质量模子「吃」的数据,,,,恰恰是别人扔掉的那些。。
行业里的数据使用极其奢侈。。具身收罗一百小时,,,,真正送进训练的可能只有十到二十小时,,,,中心是一个重大的数据漏斗。。以抓握行动为例,,,,精度要求亚厘米级的细密操作,,,,凌驾就扬弃,,,,可这条数据只是对这个详细使命失效了,,,,拿去训练精度要求没那么高的通用行为,,,,着实还能用。。
过检数据只切合某个详细漫衍,,,,不过检的数据反而富厚普遍,,,,能揭破装备故障、语义歧义、场景问题、操作不规范等共性问题。。「过的数据对某个详细使命有价值,,,,不过的数据对评估整个具身更有价值。。」际数就是拿这些「有质量问题的数据」去喂自己的模子。。
「就跟炼油一样,,,,」周源笑道,,,,「炼石油时沥青本是要扬弃的废物,,,,可厥后发明它能铺路、能做塑料、还能发电。。数据正着用、反着用,,,,都能创立价值。。」
唯一无二的手艺配景
可以说,,,,测绘行业的配景,,,,组成了际数科技在空间数据质量上的底气。。
用测绘的精度,,,,重新界说空间智能的数据底座。。
有人会问:测绘面临的工具相对静态,,,,具身面临的是动态、有交互的天下,,,,这套履历真能迁徙吗??????
周源的回覆是,,,,测绘历来不但是描绘静态基准,,,,它一直有一个更大的挑战,,,,就是相识和展望天下的转变,,,,这套「转变检测」的要领论,,,,让他对现在火热的天下模子格外亲热。。要害在于:先描绘一个极精准的静态状态,,,,再去感知转变,,,,难度会大幅下降。。这在智驾里已被验证,,,,有了很好的静态基座,,,,再去做车辆检测、行为和轨迹识别都有显著提升。。
叶文凯身世华为,,,,历经完整自动驾驶的手艺蹊径演进与量产交付实践。。
华为智能驾驶研发履历让他深刻熟悉到:重大系统开发中,,,,最主要的往往不但是代码自己,,,,更是那些在恒久实践中一直积累、沉淀下来的问题与测试用例。。以后,,,,他将这一认知带入际数的数据事情中,,,,一连把真实场景中的问题履历转化为可复用、可迭代的数据质量能力。。
他从智驾和具身的比照里看到,,,,具身智能从传感器设置到模子感知范式均尚未收敛,,,,对应的数据需求也泛起出高度异构、难以统一的面目。。但可以预期,,,,未来具身数据的演进将履历从数据匮乏、数据泛滥到高质量场景数据精筛的阶段性跃迁。。
他甚至有一个大胆的说法:质量自己可以成为一种模态。。
「各人说视觉、语言、行动(VLA),,,,我以为可以是视觉、语言、质量、行动。。」由于质量会直接影响行为:抓握时若是测距误差有二十公分,,,,机械人只会继续往前伸;;;精度到五公分以内,,,,它才华明确做出抓取行动。。
际数对这套系统的护城河有着苏醒的判断:真正难以被复制和逾越的,,,,是恒久沉淀形成的质量认知与专家履历。。
「时间着实是最友好的壁垒。。」即即是有钱有人的大厂进场,,,,投更多人、更多装备,,,,也绕不开把一个个场景的质量问题实测、磨出来的历程。。「质量因子库」正是这类履历的具象化载体。。在目今 AI 辅助人类协作的模式下,,,,人最不可替换的价值,,,,正体现在对详细问题的履历判断与认知沉淀上;;;而这些认知也能够跨越职员与使命,,,,实现共享、复用与一连迭代。。
稳固的商业路径
际数的三位联合首创人,,,,运气都被「数据」牵动着。。
CEO 周源是武汉大学测绘工程博士、同济大学博士后,,,,师从李德仁院士,,,,武汉大学与俄亥俄州立大学联合作育,,,,曾加入 NASA/JPL 火星车空间定位与制图,,,,加入主持过多项国家重大项目与国家标准制订,,,,获中国测绘科技前进奖一等奖。。认真公司战略偏向与空间智能质量基础模子定位。。
CTO 叶文凯是同济大学测绘与遥感博士,,,,同济大学与佐治亚理工联合作育,,,,师从李荣兴院士,,,,曾加入南极冰川研究等国家重大科研项目,,,,曾在华为、极氪从事智能驾驶研发,,,,熟悉场景数据建模与智驾数据闭环。。认真手艺系统搭建与产品实现。。
联合首创人邹小弟,,,,有 20 年以上汽车行业履历,,,,前博世中国销售总监、前百度 IDG 销售总监。。认真商业化与项目交付。。
「一个做数据,,,,一个卖数据,,,,一个用数据。。」周源在项目里见过太大都据上的问题,,,,邹小弟在智驾方案销售中感受到质量对交付的痛点,,,,叶文凯则直接是智驾厂商的数据用户,,,,亲自体会过大宗资源都耗在等数据上。。
「我们三个人加在一起,,,,能够看到整个行业。。」从生产、销售到使用,,,,三个差别位面的人看到了统一件事:空间数据的质量问题对下游的危险有多大,,,,这是一个共性需求。。
认真商业化的邹总把际数的路径总结为从「以质取胜」到「复售」。。
早期公司小,,,,客户凭什么信一家小公司??????靠质量。。在智驾营业里,,,,他们盯着帧准率和元准率这两个客户最看重的指标:行业早期一般定在 95%,,,,厥后提到 98%,,,,而际数在建设之初就做到靠近 99% 以上。。
量少,,,,但客户愿意为「质」买单。。在这个基础上,,,,际数用工程、算法和数据基座能力构建起高价值场景基座,,,,客户以付费订阅模式接入,,,,几年下来资产像滚雪球一样越滚越大,,,,由此衍生出第二种模式:高质量数据集的定制。。现在已有约十家客户付费采购并实现复售。。
「大宗公司是客户说什么就做什么,,,,有点像来料加工。。凯时AG逻辑纷歧样。。」
际数的差别化在于「漏斗」的看法:他们会站在客户算法模子的角度,,,,从妄想收罗的第一步一直陪客户走到数据进模子训练,,,,每个环节怎么控制场景质量、切片质量、洗濯质量、标签质量。。
几个数字颇能反映这套打法的康健度:客户转化率在 80% 以上,,,,验收通过率基本 100%,,,,回款基本准时全额到账。??????突禾逡泊釉缙诘乃惴ü,,,,今年最先转向 OEM 车企为主。。
2024 年,,,,一家头部智驾算法企业找到际数科技生爆发产一批高精度车道感知数据,,,,每组数据包括7 路环视相机、1 路激光雷达和 1 路 GNSS 视察。。际数用约 35 天完成需求对齐、POC 及首期 10 万组交付,,,,告竣了客户超半年也未能乐成的生产,,,,最终同时抵达亚像素级反投、3 厘米内空间误差、100% 要素完整率和 99% 以上分类准确率。。
首期交付后,,,,客户连忙追加 60 万组订单;;;阻止 2025 年 10 月,,,,双方六期相助累计交付 395 万组次。。
更主要的是,,,,际数已经实现了从数据的一次性交付进化成了可一连复用的数据资产。??????突忠照簧逗,,,,际数依托完整的场景基座和原子化数据规则,,,,直接重组历史数据,,,,替换重新收罗;;;后续使命中,,,,凌驾 60% 的历史数据被再次挪用,,,,交付周期和本钱显著下降。。
「若是要选一个最快实现数据飞轮的场景,,,,哪一个会最快??????」周源的剖析是:家庭。。
数据飞轮的实现,,,,一定要有人机的高频交互。。智驾为什么能形成飞轮??????由于人可以接受汽车,,,,而这个「接受」自己就是极高价值的数据。。
物流、工厂虽然能讲很好的商业模式,,,,但它们是纯自动化的历程,,,,一旦需要人类干预就证实失败了。。家庭则差别。。家庭对智能化装备的容纳度很是高。。
「能选到一千个家庭安排机械人,,,,起源的飞轮就有了。。」飞轮一旦转起来,,,,一直有人类输入进来纠正,,,,起源的智能就只是时间问题,,,,这正是行为克隆能跑通的地方。。作为前置上游的第三方基础设施,,,,际数的场景和数据优势在这个兵家必争之地最能体现价值。。
结语:具身时代的精炼厂
际数科技的名字自己是个谐音梗,,,,既搞手艺又搞科技;;;更深一层,,,,「际数」隐含着寻找数据界线、拓展数据价值的寄义。。
我们知道,,,,全球自动驾驶数据标注市场在 2025 年约为 50 亿美元,,,,年复合增添率凌驾 25%;;;具身智能数据市场预计在 2026 年抵达 10 亿美元,,,,并有望于 2030 年突破 100 亿美元。。
凭证目今的数据漏斗与收罗本钱估算,,,,要获得一亿小时有用训练数据,,,,可能需要收罗上百亿小时的原始数据,,,,投入高达数百亿甚至数千亿元。。
质量不但是一个绕不开的痛点,,,,更是撬动数据有用率的一根杠杆。。在价值 3000 亿的数据规模下,,,,只要能将数据及格率提升 10%,,,,就是高达 300 亿的市场价值的释放。。
自动驾驶是现在时,,,,具身智能是未来时。。场景在转变,,,,模子在迭代,,,,但对物理天下的准确描绘、对多模态时空数据的可靠对齐,,,,是可以跨越赛道、重复复用的底层能力。。
工业时代需要石油,,,,但原油只有经由精炼,,,,才华真正成为工业血液;;;智能时代需要数据,,,,而空间数据同样需要一套精炼基础设施。。随着智能革命向前推进,,,,数据正在成为整个行业的基础设施,,,,高质量的数据则决议了这套基础设施能够把行业带多远。。
际数科技把百年测绘对误差的偏执,,,,酿成了具身智能时代一把丈量数据的尺子,,,,一座建设在数据资源上的精炼厂。。