Инсайты сектора робототехники после выхода Unitree на биржу: аппаратное обеспечение и большие модели не являются дефицитными, данные для обучения — самое ценное звено

Автор: Shoal Research

Перевод: TechFlow

Примечание редакции TechFlow: Сектор робототехники находится на подъеме, но真正的 дефицит, возможно, заключается не в оборудовании или больших моделях, а в высококачественных обучающих данных, которые позволяют роботам научиться работать. В этой статье разбирается, почему слой данных может стать самым ценным звеном в робототехнической индустрии и какие компании имеют наибольшие шансы захватить этот рынок.

Быстрое развитие ИИ в последние годы преподнесло много уроков, и самый важный из них заключается в следующем: интеллект компьютера — это прежде всего функция его данных. Современные передовые модели и их возможности существуют благодаря тому, что несколько лабораторий создали庞大的 двигатели обучающих данных для их питания. Этот двигатель построен на основе огромного количества бесплатного текста в интернете. Обучающие данные сейчас также являются ключевым узким местом в области робототехники, с той разницей, что данные для обучения роботов требуют физического выполнения и записи задач человеком. У разработчиков роботов пока нет доступного корпуса обучающих данных, и именно потому, что эти данные сложнее получить, они имеют большую ценность. В этой статье мы объясним, почему считаем, что слой данных является самой ценной возможностью в современной робототехнике, и какие типы компаний наиболее подготовлены для использования этой возможности.

Интеллект и данные

За семьдесят лет существования компьютеров само выполнение машиной задачи часто становилось другой задачей. Кто-то должен был сначала записать каждый шаг в последовательности, которую машина могла бы следовать, что идеально подходило для работ, изначально построенных на某种固定、точном процессе. Люди занимались математическими вычислениями, ведением счетов и сведением балансов веками, но компьютеры могли выполнять тот же набор процессов быстрее. Автоматизация изменила функции должностей и целые отрасли, но в основном оставалась ограниченной单一任务，и что еще важнее, все, что делала машина, должно было быть сначала написано человеком.

Сегодня машины могут писать связную прозу, отвечать на конкретные и открытые вопросы и превращать описания простым языком в код и готовые к запуску приложения. Это фундаментальное изменение произошло благодаря изменению типа инструкций, даваемых машинам, и способа их предоставления. Хотя задачи по-прежнему начинаются с инструкций, возможности машин после получения инструкций значительно эволюционировали. Что еще важнее, сами инструкции стали гораздо более интуитивными и простыми, особенно тем, что они могут быть упрощены от подробных спецификаций до простых предложений.

Важно то, что изменение возможностей машин сначала требует изменения их ввода. Машинам больше не дают точных инструкций о том, как выполнять конкретную задачу,而是 дают множество примеров выполнения различных задач и учатся, наблюдая за этими примерами. Модели не учат тому, как писать предложение,而是 после обработки достаточного количества предложений сами learn эту задачу. Модели не учат тому, как писать код,而是 после обработки достаточного количества работающего кода learn сами генерировать код. Модели не учат тому, как переводить два конкретных языка,而是 после обработки достаточного количества переводных текстов сами learn переводить.

Чтобы лучше проиллюстрировать это различие, можно подумать о калькуляторе и ChatGPT. Калькулятор может выполнять крупные сложные вычисления, при условии, что эти вычисления involve числа и не выходят за его определенные рамки, но если попросить его написать статью, он бесполезен. Языковые модели можно использовать как калькулятор, одновременно они могут писать статьи, искать в сети, генерировать работающий код и делать much more. Ключевое различие заключается в обучающих данных. Паттерн, позволяющий машине отвечать на вопрос, который она никогда не видела, можно learn только на реальных примерах, поэтому чем больше примеров для обучения модели ИИ, тем больше структур мира она улавливает и тем больше вещей она может делать. Тот же механизм скоро произойдет с роботами в физическом мире, поэтому полезно сначала понять, как это разворачивалось в сфере программного обеспечения.

Момент смены парадигмы

В 2020 году OpenAI выпустила GPT-3, и несколько лет спустя появился ChatGPT, который для многих стал первым приложением, действительно напоминающим рассуждение. ChatGPT мог отвечать на различные вопросы, писать статьи, переводить языки, генерировать работающий код, часто требуя лишь короткого_prompt_. Эти возможности вызвали сильный резонанс: ChatGPT достиг миллиона пользователей за пять дней, а в течение двух месяцев после выпуска ежемесячная активная аудитория составила около 100 миллионов, установив рекорд самого быстрого внедрения потребительского приложения на тот момент.

Несмотря на то, что ChatGPT изначально работал на GPT-3.5, прорыв на самом деле восходит к GPT-3, а GPT-3 стал возможен благодаря беспрецедентному масштабу его обучающих данных. GPT-3 был третьим поколением одной и той же базовой модели GPT, и количество параметров в каждом поколении увеличивалось примерно на порядок по сравнению с предыдущим. Для справки, параметры — это строительные блоки, поддерживающие основную функцию модели по распознаванию и воспроизведению паттернов, поэтому чем больше параметров, тем сильнее эта способность. GPT-1 имел около 117 миллионов параметров, GPT-2 — около 1,5 миллиарда, а GPT-3 — 175 миллиардов.

Каждый скачок количества параметров пытался устранить громоздкие, но ранее считавшиеся необходимыми этапы в обучении моделей ИИ. GPT-1 доказал, что языковые способности, изученные на сыром тексте, могут быть перенесены на конкретные задачи, и для этого требуется гораздо меньше данных для конкретных задач, чем при обучении с нуля. Модель сначала предварительно обучалась на большом количестве неразмеченного текста для предсказания следующего слова, а затем дообучалась для каждой конкретной задачи с использованием меньших размеченных наборов данных.

Дообучение было сложной частью, потому что каждая новая задача все еще требовала своего own раунда дообучения и своих own размеченных примеров, поэтому GPT-2 проверил, действительно ли дообучение необходимо. Идея заключалась в том, что языковая модель, обученная на достаточно разнообразном тексте, сама по себе является универсалом, способным处理 задачи, для которых она никогда не дообучалась, потому что текст обучения уже был наполнен этими задачами. Тестирование этой способности означало увеличение масштаба ввода модели GPT, поэтому OpenAI увеличила количество параметров более чем в десять раз, до 1,5 миллиарда, и обучала на большем и более разнообразном корпусе веб-текстов. Largest версия достигла state-of-the-art результатов на семи из восьми языковых бенчмарков без какого-либо дообучения. Просто увеличение масштаба модели устранило шаг, который считался необходимым.

GPT-3 pushed эту ставку еще дальше: она обучала 175 миллиардов параметров на примерно 300 миллиардах текстовых токенов (token, часть слова), эти тексты были взяты с взвешенными пропорциями из отфильтрованного Common Crawl, WebText2, двух корпусов книг и английской Википедии. С таким dramatic изменением масштаба соответственно выросли и возможности. GPT-3 могла выполнять новые задачи, просто помещая несколько примеров непосредственно в prompt, совершенно не нуждаясь в дообучении.

Несмотря на то, что возможности моделей сегодня далеко превзошли GPT-3, она остается ключевой точкой. Она заложила основу для GPT-3.5 и ChatGPT и sparked волну ИИ, которая с тех пор reshaped индустрию.

Интеллект следует за данными

Ведущие лаборатории — это компании и исследовательские институты, которые строят самые передовые модели с нуля, включая OpenAI и Anthropic. Они внедрили эти модели в производство и передали их в руки сотням миллионов пользователей по всему миру. Благодаря этому они привлекли инвестиции на десятки миллиардов долларов и有望 стать одними из самых ценных компаний в мире. Их успех часто приписывают нанятым исследователям и拥有的 огромным вычислительным мощностям. Но без огромного количества данных, использованных для обучения моделей, все это было бы невозможно.

Как доказал GPT-3, создание чего-либо, приближающегося к возможностям передовой модели ИИ, требует огромного количества обучающих данных. Здесь стоит отметить, что не все обучающие данные одинаковы. Сырой текст, собранный из интернета, бесплатен и abundant. Он может teach модель тому, как работает язык, как сочетаются слова, как организуются аргументы и где появляются какие факты. По мере увеличения масштаба собранного корпуса модели, обученные на его основе, становятся мощнее. Они в конечном итоге начинают обобщать задачи, для которых никто специально их не строил. GPT-3 могла переводить между языками, упорядочивать перемешанные слова, выполнять базовую математику, несмотря на то, что она никогда специально не обучалась ни для одной из этих задач.事实上, GPT-3 превзошла ведущую кросс-языковую модель Facebook XLM в переводе с французского на английский. Она никогда не обучалась на парных французско-английских текстах, полагаясь лишь на несколько примеров в prompt.

Однако есть причина, по которой модели обучаются не только на собранном тексте. Такие модели часто дают ответы, которые звучат убедительно, независимо от того, правильны они или полезны. Повышение точности требует человеческого суждения о том, какие ответы модели действительно хороши. Человек видит prompt и два ответа, сгенерированных моделью, затем помечает, какой лучше, или читает ответ и исправляет ошибки, или пишет с нуля ответ, который модель должна была дать. Каждое суждение становится образцом для обучения, и модель настраивается предпочитать выводы, предпочтительные для человека. Этот процесс называется обучением с подкреплением на основе человеческой обратной связи (RLHF). Эти суждения являются обучающими данными, отличными от собранного текста, и они более ценны, а также более дороги. Потому что каждый образец должен быть создан человеком, а не собран из сети. Чем сложнее вопрос, тем более квалифицированным должен быть оценивающий. Ответы модели о налоговом праве могут быть оценены только теми, кто понимает налоговое право. Поэтому поставщики нанимают врачей, юристов и инженеров для оценки выводов в своих областях. Производство таких данных в передовых масштабах сложно, медленно и дорого. Оптимизация одной модели требует месяцев работы сотен людей, стоимость может достигать десятков миллионов долларов. Ведущие лаборатории тратят на это миллиарды долларов ежегодно.

Модели, обученные на этих полных рабочих образцах, лучше планируют задачи, выполняют их шаг за шагом и learn исправлять себя в процессе, learn на ранее накопленном опыте. Мы называем их агентами. Агенты стали широко распространенными инструментами производительности и обучения. Для ведущих лабораторий они стали самым быстрорастущим продуктом на сегодняшний день. ChatGPT теперь обслуживает более 900 миллионов пользователей еженедельно. Выручка OpenAI в первом квартале составила около 5,7 млрд долларов, а темп выручки в 2026 году достиг 40 млрд долларов. Ее агент по программированию Codex в июне 2026 года превысил 5 миллионов еженедельных активных пользователей, что более чем в шесть раз больше момента выпуска независимого desktop приложения в феврале. Claude Code — это агент, выполняющий инженерные работы по программному обеспечению, который достиг годовой выручки в 1 млрд долларов в течение шести месяцев после запуска, а к февралю 2026 года превысил 2,5 млрд долларов. Годовая выручка Anthropic за тот же период достигла 65 млрд долларов, тогда как в начале 2025 года она составляла около 1 млрд долларов. В опросе Anthropic и исследовательской компании Material среди более чем 500 американских технических руководителей 86% заявили, что они внедряют агентов по программированию для написания производственного кода, а 42% доверяют им руководить разработкой под наблюдением человека.

Первоначальный быстрый рост ведущих приложений ИИ произошел благодаря прорывам, вызванным их применением в новых областях. Каждая задача, которую агенты могут выполнять в настоящее время, происходит на компьютере. Несмотря на то, что большая часть современного мира работает на компьютерах, мир и большая часть его труда являются физическими.

Следующий фундамент ИИ — физический мир

В первой половине 2026 года глобальные стартапы в области робототехники привлекли 18,8 млрд долларов. Для сравнения, за весь 2025 год эта сумма составила 15 млрд долларов, что превысило годовой рекорд в 14,1 млрд долларов, установленный в 2021 году. SoftBank согласилась приобрести робототехническое подразделение ABB за 5,4 млрд долларов и назвала физический ИИ своим следующим фронтиром. Meta приобрела Assured Robot Intelligence для обучения своих own базовых моделей физического ИИ. Unitree недавно получила одобрение на IPO в Шанхае. Внедрение началось вместе со сделками. Например, BMW начала использовать гуманоидных роботов для пробного производства на своих заводах в Германии. Japan Airlines использует гуманоидных роботов для обработки багажа в токийском аэропорту Ханэда.

Однако роботы работают на заводах с 1961 года. Тогда манипулятор Unimate был установлен на линии литья под давлением General Motors в Юинге, штат Нью-Джерси. Между 1966 и 1972 годами Стэнфордский исследовательский институт создал Shakey, первого мобильного робота, способного рассуждать о своих действиях, а не выполнять固定序列. Университет Васэда завершил WABOT-1 в 1972 году, первого гуманоидного робота в полный рост.

Так почему же финансирование и внимание внезапно выросли сейчас?

У роботов теперь есть что обдумывать. Робот должен сначала решить, что делать, прежде чем предпринимать действия. Принятие решений требует огромного количества деталей о том, как работает физический мир. Языковые модели впитали эту информацию из интернет-текстов, поэтому роботы теперь могут использовать ее как мозг. Но языковые модели обрабатывают软件 и выводят текст, в то время как роботы обрабатывают физический мир, и их вывод — это действия. Модели визуального восприятия, языка и действий (VLA) появились как решение, bridging физический мир и мир программного обеспечения. Они receive изображения,看到的 роботом через камеру, и полученные инструкции, и возвращают фактические движения суставов.事实上, это означает, что разработчикам роботов больше не нужно писать定制代码 для каждого单元, заставляя их выполнять только одну задачу за раз. Они могут быть ближе к управлению приложением ИИ, давая задачи простым естественным языком, а затем вычисляя действия в реальном времени.

Тела роботов стали дешевле. Роботы наблюдают через камеры и LiDAR. LiDAR испускает лазерные импульсы и计时, сколько времени им требуется для возврата, таким образом строя карту окружающей среды. Десять лет назад блоки LiDAR в значительной степени считались слишком дорогими. Но производители мобильных телефонов и автомобилей затем начали массово закупать одни и те же датчики. Это снизило цены для всех, включая робототехнические компании. Стоимость двигателей и суставов также снизилась отдельно, потому что китайские производители вошли в область компонентов, которые ранее производились небольшими партиями несколькими японскими и немецкими компаниями. Стоимость гуманоидного робота, изготовленного из китайских компонентов, теперь составляет около 35 000 долларов. Гуманоидный робот G1 от Unitree продается за 13 500 долларов.

Более сильный интеллект и более дешевое оборудование имеют решающее значение для прогресса роботов и их возможностей. Но, как и в моделях ИИ, все首先 зависит от базовых обучающих данных. Чтобы понять, почему эти данные так ценны, давайте сначала回顾一下, что такое робот на самом деле.

Понимание роботов

По определению, робот — это автономная машина, способная воспринимать окружающую среду, думать и принимать решения, выполняя действия в физическом мире. Проще говоря, это компьютер с телом.

Почти все роботы состоят из одних и тех же компонентов, каждый из которых соответствует биологическому аналогу в человеческом теле. Скелет обычно металлический, состоит из жестких сегментов, называемых звеньями. Звенья соединены суставами, которые обеспечивают движение. Датчики构成感觉器官ы машины, включая проприоцептивные датчики,用来测量机器人自身 звеньев的位置; и экстероцептивные датчики,用来测量机器人所处的环境。Актуаторы, чаще всего электродвигатели, действуют как мышцы робота, прикладывая силу к звеньям через передачи (например, шестерни), чтобы увеличить силу, одновременно пропорционально снижая скорость, позволяя конечностям производить медленные и мощные движения. Медные провода подают питание на актуаторы, а сигналы передаются обратно через шину данных. Шина данных — это общая линия, к которой подключены каждый сустав и датчик, и каждое сообщение помечено адресом отправляющего компонента. Электроэнергия либо подается через кабель от стены, как в большинстве заводских манипуляторов, либо поступает от батареи, которую несет робот.

Обратные связи соединяют эти различные физические компоненты, позволяя роботу фактически выполнять физические операции, записывать процесс и улучшать обучение. Точнее говоря, программное обеспечение робота receives информацию от датчиков, обрабатывает информацию, чтобы решить, что делать дальше, и sends инструкции актуаторам. Актуаторы прикладывают силу к объекту перед ними, датчики затем считывают результат, и цикл замыкается. Робототехники называют это框架 восприятия-планирования-действия: выяснить, что происходит, решить, что делать, заставить это произойти и learn из каждого наблюдения.

Восприятие и действие — это функции, основанные на оборудовании, поэтому то, насколько хорошо они работают, зависит от доступных компонентов и их стоимости. Планирование же основано на программном обеспечении и в значительной степени зависит от доступности и качества обучающих данных.

Понимание обучающих данных для роботов

Роботы learn, как выполнять задачи, из записей выполнения задач. Каждая запись配对 два синхронных потока: 1) что записывают камеры и датчики; 2) какие инструкции двигателю были issued в тот же момент. Имея достаточно таких пар, модель может начать сопоставлять их, переходя от наблюдения за выполнением задачи к самостоятельному выполнению.

Программирование этого процесса в单一固定 задаче нормально, потому что движения можно написать один раз и повторять. Подумайте о манипуляторе на заводской линии, который ставит штампы, он встречает одну и ту же панель в одном и том же месте в одно и то же время. Но любая задача с определенной вариативностью и неопределенностью (как большинство вещей в жизни) делает это более сложным. Особенно в реальном времени существует множество подсознательных решений, большинство из которых можно learn только через опыт и интуицию. Никто не хочет думать, сколько силы нужно, чтобы сжать рубашку, или сколько силы нужно, чтобы держать чашку, чтобы поднять ее. Поэтому вместо того, чтобы пытаться записать эти подсознательные знания в спецификации, разработчики роботов capture их, записывая выполнение задачи в реальном времени.

Модель робота (его мозг) должна ответить на простой и прямой вопрос:基于摄像头和传感器此刻显示的内容，电机下一步该做什么？Изображения с камеры и показания датчиков суставов и пальцев робота будут показаны вместе с точными инструкциями двигателю,产生的 квалифицированным оператором в каждый момент. В интернете есть огромное количество видеоконтента, но большинству не хватает этих двух конкретных требований, необходимых для обучения роботов. В настоящее время существует несколько различных методов производства и сбора обучающих данных для роботов.

Телеоперация: человек непосредственно управляет роботом, выполняя задачи через тело робота, используя устройства отслеживания движения или контроллеры, которые могут зеркально отражать руки робота. Система записывает, что видит робот, что измеряют датчики суставов и какие инструкции двигателю produced действия оператора.

Захват движения: человек носит отслеживающие маркеры или набор датчиков и перчатки для выполнения задач, генерируя точные 3D-траектории тела и рук, которые затем重新映射到机器人关节上。

Видео от первого лица: камера на голове записывает, как человек выполняет задачу своими руками, программное обеспечение затем обрабатывает кадры, оценивая положение рук и пальцев кадр за кадром, и преобразует их в эквивалентные действия робота.

Синтетические данные: симуляция робота, пытающегося выполнить задачу в симулированной среде, каждая попытка записывается как образец для обучения.

Следует отметить, что модели, обученные только на демонстрациях, неизбежно столкнутся с пределом, потому что большинство демонстраций показывают только успешное выполнение задачи, модель никогда не видела ошибок и никогда не learn, что делать при encountering ошибки. Common решение — превратить само производство данных в цикл, официально в робототехнической академии это называется DAgger (агрегация наборов данных), это интерактивное имитационное обучение. Человеческие демонстрации обучают начальную модель, затем робот сам пытается выполнить задачу. Когда он ошибается, человеческий оператор берет управление через телеоперацию, исправляет ошибку и возвращает управление роботу, при этом исправления включаются в обучающие данные робота для будущего参考。Команды роботов обычно ставят целью в конечном итоге позволить роботам практиковаться самостоятельно, их попытки оцениваются по набору определенных правил, чтобы укрепить успешное поведение. Однако на практике в настоящее время большинство работ все еще находится на ранней стадии, и человек closely участвует в этом цикле.

Продуктом цикла обучения является то, что мы можем назвать «мозгом» робота: обученная модель, которая может receive отчеты от камер и датчиков суставов в определенный момент и возвращать следующие инструкции двигателю. Сегодняшние модели продаются в трех уровнях, каждый уровень соответствует разной степени автономности робота.

Первый уровень — модели навыков, и это самые узкие модели. Они выполняют单一任务 через运行训练循环，с небольшими различиями в среде. Это звучит как заводской робот на конвейере, разработанный для单一重复动作。Но модели навыков learn выполнять свою единственную задачу в различных условиях. Например, выполнение задачи в разных положениях или при разном освещении. Второе — автономные модели. Они соединяют различные модели навыков в完整工作 и обрабатывают решения между каждым шагом, вызывая каждую отдельную модель навыков по мере необходимости. Третий уровень моделей — это «фронтир», широко признанный сегодня,即视觉 - 语言 - 动作模型，简称 VLA。Это единая обученная система, combining зрение, понимание инструкций на обычном языке и принятие действий. Этот дизайн заимствует у языковых моделей, и в нескольких ведущих реализациях действительно использует их. Одна большая модель визуального восприятия и языка, тот же тип системы, лежащий в основе чат-ботов, обрабатывает медленное высокоуровневое рассуждение для понимания сцены и планирования действий. Другой, более быстрый компонент преобразует план в непрерывные инструкции движения несколько раз в секунду.

Поскольку VLA наследует общие знания из предварительного обучения в масштабе интернета, она приходит, уже зная вещи, которым ее никто не учил. Это меняет способ добавления новых возможностей. Модели навыков ничего не знают за пределами своей задачи. Поэтому новая задача означает开始 с нуля, одна демонстрация за другой. VLA может receive задачи на обычном языке. Она уже имеет некоторое представление об объектах и целях. Поэтому ее демонстрации需要只提供物理技巧，而不需要一次提供技巧、物体和任务概念。

Узкое место данных

Каждый метод производства таких данных ограничен одним и тем же фундаментальным约束。Данные должны существовать,首先必须发生一次物理执行。Время записи одной демонстрации равно времени выполнения задачи. Это занимает одного робота, рабочее место и операторов на протяжении всего процесса. Когда моделям языка нужно больше данных, лаборатории ИИ转向更多网页爬取 и нанимают больше аннотаторов. Когда роботам нужно больше данных, решение требует больше роботов, больше операторов, больше складских часов.

Модели действительно могут передавать некоторые общие способности между задачами. Но надежное выполнение новых задач все еще требует демонстраций для этой конкретной задачи. Каждая задача имеет вариации, например, разные объекты,布局, освещение и т.д. Они все需要各自覆盖。Поэтому трудно представить, что спрос на демонстрации замедлится в краткосрочной перспективе. Модели в конечном итоге могут learn новые задачи из нескольких примеров, как языковые модели. Но, как показали GPT-3 и ее преемники, скачки возможностей могут произойти только благодаря экспоненциальному росту обучающих данных и ввода.

Большая возможность для роботов в слое данных

Финансирование стартапов в области робототехники в первой половине 2026 года превысило объем за весь 2025 год. Сам 2025 год уже был рекордным. Разрыв между энтузиазмом и реальностью, между спросом на роботов и их текущими фактическими возможностями все еще велик. Проще говоря, спрос на роботов велик, но сегодняшние роботы еще недостаточно хороши. Разработчик роботов Unitree отгрузил более 5500 гуманоидных роботов в 2025 году. Это самый высокий объем отгрузок в мире, раскрытый компанией. Знаковые отраслевые внедрения, такие как BMW, Mercedes-Benz, Amazon, являются всего лишь пилотными проектами,涉及仅几十台机器。Промышленные покупатели需要机器在 95-99% 时间可用。Текущие гуманоидные роботы需要充电或人工介入 после 30-90 分钟 работы。Руки роботов не могут надежно处理变化物体。Их мозг, несмотря на то, что модели ведущих лабораторий значительно продвинулись за последние несколько лет, все еще может быть confused различиями в физической реальности и неожиданной сложностью.

Первые три поколения моделей GPT доказали, что最 эффективный метод缩小能力差距 — дать模型更多高质量数据。Ограничение здесь заключается в том, что данные, необходимые моделям языка, уже в значительной степени достаточны. Это благодаря тому, что человечество записывало и писало историю веками. Данные, необходимые роботам, являются мультимодальными, синхронизированными по времени и физически собранными. Это означает, что они не могут быть собраны, как текст, и должны быть созданы людьми,操作机器人和录制设备。Аннотация также не может быть параллелизована, как аннотация текста. Потому что суждение о том, устойчиво ли стоит тарелка или нет, требует физической интуиции, а не сопоставления паттернов. Поэтому команды аннотаторов не могут просто масштабироваться до тысяч удаленных работников.

Все создатели роботов, будь то робототехнические компании или лаборатории моделей,需要这些数据。Но нет shortcuts для получения этого. Содержимое в公共数据集中 редко может быть перенесено на конкретного робота。Внутреннее производство данных означает运营仓库、机队、操作人员，и承担所有相关成本。Похожая ситуация уже произошла в сфере программного обеспечения。Ведущим лабораториям нужны человеческие суждения и примеры, написанные экспертами, которых нет в интернете。А поставщики, производящие эти данные (например, Scale, Surge, Mercor), выросли в категорию с выручкой около 8,5 млрд долларов.

Путь лежит через вертикальную интеграцию

Полезное сравнение — производство чипов。Проектирование чипов и производство чипов — это два бизнеса。Проектирование — это интеллектуальная собственность。А заводы, которые травят дизайн на кремнии, стоят десятки миллиардов долларов и окупаются только при接近满产。Поэтому большинство чиповых компаний больше не владеют заводами。Nvidia, Qualcomm и Apple все проектируют чипы, но ни одна из них не производит их сама, передавая производство TSMC。TSMC не проектирует собственные продукты, но сегодня производит почти все самые передовые чипы в мире.

Слой данных для роботов очень ценен, но его нелегко занять, не говоря уже об успехе。Демонстрации, записанные на конкретном теле робота, и связанные с ними наборы данных не могут быть перенесены на другого робота。Это означает, что поставщики данных должны重建产品 для каждого клиента。Как упоминалось ранее, только демонстрации могут teach ограниченное содержание。Потому что демонстрации показывают только правильное выполнение задачи。Модель все еще должна learn, что делать при ошибках。В обучении часто требуется вмешательство оператора。Клиенты, ищущие обучающие данные для роботов, мало интересуются сырыми данными。Их больше волнует способность持续生产数据，когда роботы меняются。Это требует 1) роботов для записи, 2) реальной работы, которую эти роботы должны делать, 3) канала для передачи каждой неудачи обратно в следующую модель。Теперь есть уникальная возможность。Владея этими тремя компонентами, предприятие может владеть слоем обучающих данных для роботов.

Кейс: Eastworlds

Одна команда, активно использующая эту emerging возможность, — это Eastworlds。Это новое робототехническое подразделение Virtuals Protocol。事实上, Eastworlds — это лаборатория и акселератор роботов neodeployment。Она обслуживает стартапы в области роботов и воплощенного ИИ。Команда operates в Куала-Лумпуре и владеет наибольшим количеством роботов Unitree G1 в Юго-Восточной Азии (30+). Команда established исследовательские сотрудничества с университетами, такими как Университет Карнеги — Меллон и Наньянский технологический университет.

Бизнес-модель Eastworlds вращается вокруг сбора данных для роботов и новых внедрений。Сбор данных охватывает телеоперацию и данные захвата, видео, проприоцепцию, захват движения, аудит и контроль качества наборов данных, а также наборы данных для улучшения стратегий, включая человеческие исправления и связанные данные восстановления。Помимо сбора данных, Eastworlds также фокусируется на новых внедрениях, то есть помещении роботов в коммерческие сценарии, где роботы никогда не использовались。Машины выполняют оплачиваемую работу под телеоперацией, в то время как сама работа generates записи。Клиенты покупают рабочую силу, одновременно генерируя данные для Eastworlds.

Каждое внедрение generates данные, часто неструктурированные и full of edge cases, потому что они来自真实运营。Эти данные собираются в виде данных телеоперации от первого лица, мультимодальных сенсорных входов и обратной связи по выполнению задач и汇入公司所称的具身 AI 数据湖。В краткосрочной перспективе эти данные будут重新训练模型，运行机队，позволяя каждому роботу失败更少 на текущей работе。В долгосрочной перспективе накопленный набор данных станет训练材料 для следующего поколения моделей VLA и мировых моделей действий，推动 G1 机队 от телеоперации к полной автономности.

Eastworlds также operates инкубатор, предоставляющий финансирование командам, прошедшим аудит, и позволяющий им использовать флот роботов, объекты и стек телеоперации в течение одного месяца。Каждая команда pursues свой собственный商业用例。По словам Teng, в настоящее время резидентами являются семь команд, охватывающих развлечения, нефть и газ, продукты и управление отелями, и планируется разместить более двадцати команд。Каждая команда runs свои own внедрения на общем флоте, exposing свои own неудачи и решения。Уроки и данные все flow back в озеро данных，将驱动 Virtuals 智能体生态的同一套机制用于机器人。

Eastworlds интегрирует ончейн-инфраструктуру Virtuals Protocol для处理经济问题数据运营。Eastworlds adopts распределенную бизнес-модель，涉及数千小时的 записи и телеоперации，выполняемых многими людьми во многих местах，качество должно быть проверено перед оплатой。Наем такой рабочей силы требует建立薪酬与监督体系 в каждом соответствующем географическом регионе。Другой метод — использование стимулов, то есть публикация задач и вознаграждений，贡献者可从任何地方加入，付款在验证交付后迅速到账。Для масштабного включения этого механизма требуется программируемая, глобальная, низкозатратная платежная轨道。Virtuals уже runs такие轨道 для программных агентов ИИ на Base и Solana，用于筹资、交易和程序化结算。Eastworlds использует тот же дизайн для данных обучения роботов，使用代币激励来招募和支付分布式劳动力。

Рынок для этих данных уже pays。По словам Teng, покупатели платят около 3 до 10 долларов за час записи от первого лица и от 50 до 100 долларов за час телеоперации。Эти ставки выше типичной почасовой оплаты в большинстве регионов Азии。Традиционно мероприятия с токеновыми стимулами часто collapse после того, как новые участники перестают entering，因为系统外没有人购买任何东西。Но здесь стимулы supported付费客户，то есть лабораториями, покупающими данные。Поэтому пока существует спрос на данные，资金池就能维持。

В совокупности дорожная карта Eastworlds выглядит примерно так: сегодня продавать данные и новые внедрения，因为买家已经在为两者付费。Использовать эти оплачиваемые внедрения для сбора内容，无法通过分阶段采集产生，особенно данные исправлений。Затем использовать растущее озеро данных для训练模型，начиная с моделей单一任务，постепенно переходя к более общим моделям。Каждая из этих моделей продается по цене，远高于原始数据。Eastworlds operates на слое данных，но其护城河是持续生产数据所需的一切，包括 G1 机队、операторы、инкубируемые команды、现场部署以及底层的支付轨道。

Риски и важные соображения

Конечно, вокруг масштабирования слоя данных для роботов есть некоторые риски и важные соображения，которые нужно记住。Самое глубокое возражение против этой категории заключается в том, что телеоперация в конечном итоге может не привести к автономности роботов。Робот，которому нужен оператор для完成酒店班次，в любом случае involves человека，просто добавляется робот и связанные с ним расходы。Поставщики телеоперации и производители роботов считают，что это всего лишь временная фаза，когда вариативность деятельности мала，а неудачи повторяются。Модели действительно будут持续改进，пока операторы完全不再干预。Задачи，которые изначально сделали роботов сложными，то есть задачи，где объекты，布局 и模式 неудач постоянно меняются，именно те задачи，от которых операторы сегодня не могут完全离开。Эти задачи также производят самые ценные данные。Вот почему поставщики могут оставаться прибыльными даже в мире，где полная автономность никогда действительно не наступит.

Симуляция угрожает спросу на записанные демонстрации，а записанные демонстрации — это продукт，который продают поставщики данных。Операторы вручную записывают примерно от 5 до 50 фрагментов в час，в то время как симуляторы могут run миллионы几乎零成本 за ночь。Что симуляция все еще не может сделать хорошо，так это контакт，потому что как только два объекта контактируют，симулированная физика и реальная физика начинают расходиться。Вот почему только данные симуляции не могут train робота，способного хватать предметы。Команды缩小这一差距通过随机化 условий в симуляторе，например，освещение，текстуры，трение，так что модель не будет过拟合 на某种渲染。Они также настраивают физические настройки симулятора，пока движения руки симулятора не согласуются с реальной рукой。

Цена самих данных обучения для роботов также снизилась。Согласно отчету SVRC «Состояние робототехнической индустрии 2026», час высококачественных данных телеоперации в начале 2024 года составлял около 340 долларов，в четвертом квартале 2025 года снизился до 136 долларов，а к марту 2026 года — до 118 долларов。Снижение driven двумя факторами。Во-первых，主从装置降至 2000 美元以下，настройка，где оператор перемещает小型复制臂，а робот делает то же самое，больше не требует定制硬件。Во-вторых，программное обеспечение，такое как DROID и LeRobot，теперь может直接格式化为训练就绪数据集原始记录 оператора，без ручной очистки。Оба все еще улучшаются。Поэтому поставщики，продающие часы записи как продукт，enter рынок，где цены упали примерно на 66% за два года。

Конкурентные поставщики данных для роботов几乎与 Eastworlds 同时走向垂直整合。Adamo продает hosted телеоперацию с software управления с задержкой ниже 40 мс，позволяя робототехническим компаниям не строить собственные операции。XDOF，founded в октябре 2024 年，расширилась от простой продажи записанных данных до очистки，инструментов и аннотации。Суждение ее основателей заключается в том，что продажа только записанных данных — это тупик。Physical Intelligence, Lux, iMerit и DataX Power все продают某种版本的 hosted 采集加配套工具。DataX Power conducts проекты в Юго-Восточной Азии，в том же регионе операций，что и Eastworlds。Однако ни одна из них не operates свои own оплачиваемые商业部署。Данные исправлений именно来自商业部署，это часть feedback闭环，которую нельзя воспроизвести，нанимая больше операторов на склад。Слой采集确实拥挤，слой部署则很薄。

Производители роботов，естественно， являются более сложной проблемой。Потому что несколько из них уже сами производят обучающие данные。Figure operates свой own флот телеоперации во внедрении BMW。Проект Tesla Optimus построен на том же цикле：внедрение роботов，запись неудач и重新训练。Эти операторы уже владеют оборудованием，внедрениями и отношениями с клиентами。Это означает，что они accumulate数据比任何购买数据的人更快。

Но данные，которые они accumulate，— это всего лишь данные одного робота，выполняющего работу одной компании。Поставщик，обслуживающий двадцать клиентов в отелях，на фермах и на складах。Разнообразие данных，которое он собирает，не может быть produced任何单一制造商机队。Figure и Tesla также являются двумя最资金充裕的机器人团队 в мире。Десятки производителей роботов ниже них не могут финансировать операции такого масштаба。Именно это рынок，который независимые поставщики действительно могут sell。

Использование токенов для оплаты贡献者，избегает建立工资和合规 в каждой стране，где кто-то записывает час видео。Но это связывает доход贡献者 с ценой токена，а не с работой，которую они выполняют。Поэтому招聘最难 во время откатов，а именно тогда，когда операции需要最稳定的产出。Юридическая обработка оплаты работников таким способом также еще не определена в большинстве соответствующих юрисдикций。Ответ Eastworlds заключается в том，что доход клиентов финансирует стимулы，а не новые покупатели токенов。Это，конечно，правильная структура，потому что это означает，что пул не зависит от прихода новых участников。Пока клиенты持续，эта структура成立。У поставщика с базой贡献者，оцененной в волатильных активах，есть второй模式 отказа，которого нет у конкурентов，основанных на заработной плате。

Eastworlds строит бизнес по продаже лопат для emerging области роботов，особенно вокруг слоя обучающих данных。Версия программного обеспечения уже прошла весь путь：ведущие лаборатории争相打造最先进模型，花费数千亿。Компании，продающие им обучающие данные，Scale, Surge и Mercor，выросли в предприятия на десятки миллиардов долларов，зарабатывая независимо от того，какой клиент wins。

Эта热潮已经从软件蔓延到物理世界。Роботы拥有借自语言模型的大脑，以及主要由中国制造商大规模生产的廉价身体。Каждая серьезная лаборатория и производитель роботов pursues одну и ту же машину，способную автономно выполнять физическую работу。Что они не могут skip，так это примеры физической работы，доступные для обучения。Эти примеры нельзя собрать，большинство из них должно быть produced людьми，操作机器人、一次一个录制会话来产生。汇总的公共数据集帮助模型启动。Но здания，где работает робот，оборудование，на котором он runs，и его конкретные模式 неудач должны быть записаны заново。Поэтому спрос обновляется с каждым внедрением，а не удовлетворяется один раз。

Поставщики，продающие только сырые демонстрации，легко заменяемы и exploited。Потому что записи плохо迁移 между роботами，и несколько клиентов часто占大部分收入。Поставщик，который одновременно владеет флотом роботов，нанимает операторов，управляет внедрениями。Он brings каждую现场 неудачу back в следующую модель。Он станет предприятием，от которого клиентам трудно уйти或重建。Он делает то，что本来需要五家供应商。Именно это Eastworlds正在构建。其 Unitree 机队如今在酒店和商场开展付费试点工作。Операторы вмешиваются при автономных неудачах。Оба в конечном итоге становятся обучающими данными，предоставляемыми в виде демонстраций и исправлений，汇入数据湖。Несмотря на то，что данные являются самым большим узким местом в современной робототехнике，окружающая инфраструктура все еще高度分散。Теперь есть уникальная возможность для предприятия垂直整合 и владеть как можно большим количеством слоя данных для роботов。Eastworlds имеет хорошие условия для использования этой возможности，но только время покажет，сделает ли оно это。