大语言模型可以靠堆数据跑通Scaling Law，但机器人面对的是动态、多模态、强时序关联的物理世界，杂乱的数据堆在一起，训不出可靠的模型。从混沌到秩序的工业化路径，质量比数量更重要。

机器人进工厂、进场景，真正的挑战不在模型本身，而在数据。徐良威指出，具身智能的数据不是时间、空间、任务意图紧密耦合的多模态资产。智域基石提出了五层数据编译管线模型，每一层都有明确的质量指标，唯有构建数据底座生态，让本体方、模型方、产业方各司其职，高质量物理世界的数据才能真正流通起来，支撑具身智能的规模化落地。

以下为演讲内容，经36氪整理编辑：

徐良威丨智域基石CTO

大家好，我是智域基石的联合创始人兼CTO，今天我跟大家分享的是从具身智能的数据供给革命与技能结构化实践，标题是从混沌到秩序。为什么是从混沌到秩序？具身智能的到来让大家发现原先在大语言模型、自动驾驶或者在所有过去AI的数据实践在具身智能里不够用了，今天主要讲一下智域基石在上面做了什么样的工作，主要讨论两个话题，第一个事情我们在具身智能的数据上怎么去做标准化的工业化实践。第二个如何把数据和模型本体、产业、场景结合起来，变成一个生态，而不是单纯数据的事情。

我们直接到机器人的落地，2026年我们可以看到一部分的机器人已经从小样逐渐往产业里跑了，原先我们考虑到的是怎么把实验室里的算法用视频或者现场展示的方式展现出来，这个事情已经远远不一样了，我们把机器人从实验室里搬到真实的场景里，原先只要考虑让机器人动起来、完成指定任务就可以了。现在我们要考虑的事情是如何让机器人面对不确定的、动态的、多模态整个场景数据输入，还能够进行持续稳定和物理世界的交互，这时候我们就要考虑我们怎么产生稳定化供给。

原先有一句话说的很对，模型决定机器人的能力上限，模型决定了机器人能干什么，很难决定机器人在最差的环境下能做到什么程度，因为很多事情即使是人在新的场景里都不一定能够处理的好，这个时候就需要我们考虑怎么把真实场景里的数据，这个数据可能分为本体数据，机器人感知到的环境数据，甚至是机器人的任务，机器人的日志，这些信息都要能够送到机器人训练的整个闭环里，这时候才能够把原先在小样级别变成真正在产业里能够落地的事情。

原先大家做语言模型时，大家说Scaling Law，希望有越来越多的数据才能让模型变的越来越好，本身这个事情是没有问题的，具身智能不像原先是结构化的数据，我们在多模态跟持续强相关的数据领域里发现，我们如果单纯堆数据，把大量原先混杂在互联网的数据跟机器人操作相关的数据，不管什么样的仿真数据，把这些数据全部堆在一起，能不能让模型训练出来？有这个可能性，目前的结论，我们还很难说把一些杂乱的、毫无规则的数据堆在一起就能够训练出更好的模型，我们不仅考虑数量，还要考虑质量。这个质量一方面体现在采集，另一方面体现在数据的采集、质检、预标注、人态环路的闭环再到数据后处理，再到导出，最后进到模型训练，完成模型到数据的闭环体现在整个环节里，每个环节都需要质量，如果某一环节出了差错，不是说这个模型训练不出来，而是真正的模型落到本体再进入场景，如果这个场景出问题，怎么回溯到我这个数据或者在原先的闭环里哪一部分出了问题，这是我们对于数据的要求，数量很重要，但我们要考虑质量，还要考虑质量在每一个环节里的重要性。

路线有很多，大家经常讲的VLA，以模仿学习为主，以视觉输入、语言指令再加上机器人的动作，一个机器人看到什么样的场景，我得到了指令，下一步输出什么样的动作，是一个轨迹层面的数据，以轨迹为主。另外一条路线，大家经常提起的世界模型，在world model中加一个action，最终要作用在物理世界里的，这里考虑的是我看到一个场景，我施加了一个动作，物理世界变成什么样，这时候考虑的是因果关系，这里面虽然VLA和world model有模型上的差异，需要的都是同一种底层资产，在真实世界里的结构化高质量数据，我定义了合理的或者适用于最终模型任务，通过一定手段把物理里的信息数字化，再经过结构化的过程，把它变成可以输入到模型里的东西，这时候原始数据是一样的，中间流程稍微有一些不一样，基于同一套数据底座。

数据底座是一整套把真实的场景、真实的任务、真实的成功/失败、真实的和整个环境交互全部都记录下来，从而能够输入到模型里，让模型能够在真实的世界里获得闭环。这一套数据输入有可能是机器人本体，大家看到很多数据采集工厂、数据实训厂，通过让人操控机器人获得和机器人有关的数据，直接作用于机器人不管是预训练、后训练，现在还有一些比较前沿的，让人带着第一人称视角记录人的数字化劳动，让人本身的劳动数字化到虚拟世界里，再去训练不管是VLA还是世界模型，让机器人学会人类技能，本质上都是把人类或者是机器人这样的一个本体和环境的交互，把物理的概念变成一套数字化的概念，智域基石就做了一套数据底座，不管前端是什么样的数据流入，我们都可以通过数据编译管线处理成模型可以使用的数据，最终完成数据本体，再回到场景再回到数据的闭环。

一个任务怎么把原始数据记录变成模型可以使用的数据，第一个流程，先定义好任务，先要采一个什么样的数据，先要知道机器人看到了什么，它做出什么样的动作甚至它听到了什么，还要关注前因后果，我之前的场景是什么样的，我在看到这个场景以后我做出什么样的决策，我又做出什么样的动作，如果我发生这个动作，我接下来的思考是什么，这个世界真实又会怎么变，一方面记录在真实世界里发生的所有传感器的记录，另外从任务记录，不是单纯从传感器得到的，是事前规划或者是事后推演，我通过把现场记录、任务整理搞起来，后面我们把它变成机器人、具身智能需要的一套数据资产，中间涉及到怎么采集、提取其中的关键因素，最后怎么把它沉淀到资产，也会涉及到成功/失败的处理，涉及到失败以后机器人怎么重试，重试策略是什么，重试之后导致的结果是什么，这都是从原始数据变成训练样本重要的步骤之一。

这是智域基石提出的五层数据编译管线模型，我们考虑到原始数据不是把数据采完了，把它存到硬盘里可以直接被输入到模型里训练，我们考虑到的是中间有非常多道流程，每一道流程都是有关键指标的。只有把每一步做好，才不是简单的数据存档，而是真正能够成为数据资产的东西，这一套数据资产下面可以进入到场景、模型，可以和本体结合，被真正的用起来。

第一个流程数据质检，首先是数据采集，采集后才能把真实物理环境里的模型信号变成数字信号，以数字化的形式存下来，raw data，是杂乱的、没有规则的、非结构化的数据，我并不知道好不好，也不知道能不能进入后面的处理流程里，第一步做数据质检，先看一看数据是否满足基本的数据处理要求。

数据满足后，进入数据处理管线里，下一步是数据对齐，机器人或者具身智能数据不是单纯的画面或者是简单的视频，其实是多模态和时序紧密结合的数据，完成空间、时间的对齐，完成时间、空间的结构化，不是单纯杂乱的数据，至少是被数据处理的算法和机器能够理解的数据，每处理一帧数据都可以完成横向、纵向的索引。完成以后，到了数据变成模型可用数据层次，从结构化数据里再提取出真正的语义或者因果关系部分，我们要知道数据在整个空间里怎么和环境交互的，跟意图对齐是什么样的，因果，比如之前发生了什么，场景是什么，之后又是什么，这是第三个步骤，到这个地方为止，这个数据已经能被模型用起来了，距离真正的模型泛化还很远。这时候我们要考虑我们要做好大规模数据处理，大规模数据在以前很多行业都有，现在所有行业都在讲大数据概念，但是在具身智能里不一样，因为是时间、空间、整个任务意图都紧密相连的一类数据。我们要考虑在上亿小时甚至是上千亿小时大规模数据下，我们怎么快速检索出来被某类模型需要找到的数据，这也是非常难的工作。

在前面四个步骤过去后就变的相对简单了，把数据处理好、对齐好，提取的所有内容，再找初模型需要的数据，最后给客户使用，这是最后一个环节交付。

在技术层面上完成了数据到训练之前的闭环，数据最终闭环远没有结束，必须要被模型公司用起来，而且模型公司后面的模型还要搭载在本体上，不仅完成小样，还要在产业落地，需要让数据出发经过模型部署到本体再落实到产业，最终再从产业获得反馈，回到数据这一方，这时候才是真正让数据流通起来，让智能不仅是单点而是让整个体系里把它部署起来，作为数据方是非常核心的作用，它要对接本体、对接模型，也可以对接产业。

在现在很多数据行业里，大家还是以项目制的形式做这个事情，模型没有收敛，本体百花齐放，产业也是在逐步进入到整个具身智能行业中来，智域基石做的数据，我们不仅是做一个数据项目，把体系都搭建起来，通过和本体、模型、产业对接，我们把一个项目制交付的能力变成可以被整个具身智能领域作用起来的一套数据基础措施，这时候不仅是能够交付一套数据，而是我能够支撑整个具身智能的发展，以后所有的产业、本体、模型都可以从数据方获得他想要获得的东西。

我们希望能够划分新的数据分工，让本体公司做数据，让模型公司做数据，或者让产业方做数据，都不能够支撑整个产业发展的，只有把这么一套生态构建起来，才能够让高质量物理世界的数据进入整个生态里，让具身智能行业发展起来。

我的分享就到这里，谢谢。