對話博登智能趙捷：十億訂單在手，具身智能最缺的仍是高質量數據

具身智能的數據需求正快速升溫，但真正能提供高品質訓練資料的廠商仍然稀缺。博登智能創辦人暨執行長趙捷表示，公司目前握有接近新台幣十億元的訂單，目標在今年內完成約五億元的交付，而其中約一半的業務來自於具身智能領域。他強調，當前機器人產業最大的瓶頸並非硬體，而是數據——尤其是那些在真實環境中、透過人類介入所產生的失敗樣本，才是推動模型進步的關鍵。博登智能從自動駕駛數據服務起家，近年逐步拓展至大模型與具身智能。趙捷指出，公司定位並非單純的數據採集商，而是希望打造一套涵蓋採集、標註、訓練與驗證的全鏈路物理 AI 基礎設施。在業務結構中，具身智能約占五成，自動駕駛與大模型分別佔三成與兩成。

目前博登已在寧波、湖州、馬鞍山建成三大具身機器人創新中心，總面積超過三萬平方公尺，部署超過五百台多型號實體機器人及數千套自產 Ego 採集設備，年產能可達五十萬小時真機訓練數據與百萬小時級 Ego 場景數據。趙捷認為，具身智能正重演自動駕駛數據產業的發展路徑：先有本體與模型獲得關注，隨後行業才意識到數據品質、驗證體系與交付能力才是決定模型能否落地的關鍵。他觀察到，近日展會上的明顯變化是，廠商正從展示單一任務的 Demo 轉向尋找具體的落地場景，例如線下消費、工業物流與分揀。數據也逐漸成為行業共識，無論是第一人稱視角數據還是真機數據，大家都明白要讓機器人大腦模型更強，就需要足夠多且有效的數據。

然而，機器人數據與自動駕駛數據有本質差異。趙捷說明，機器人的任務與動作更複雜，不僅要理解場景，還需與物理世界互動、完成操作。未來評估體系應包含任務完成準確度、流暢度、距離與位置感知，以及動作自然度等綜合維度，而非單一指標榜單。他將數據類型比喻為金字塔：底層是仿真、合成數據與網際網路數據；中層是第一人稱 Ego 數據與第三人稱數據；頂層是真機遙操作數據。不同類型會長期共存，但真機數據獲取難度最高、成本最高，單條數據價值也最大。特別值得注意的是，真機數據中人類介入產生的數據更具價值，因為它記錄了機器人的失敗案例。例如機器人拿瓶子二十一次失敗，人類介入糾正，這條數據告訴模型失敗情境與糾正方式。

當模型能力進入平台期，大量相似的成功數據提升有限，失敗數據反而暴露未解決的問題，因此更有價值。趙捷認同一句話：「用不上的數據才是最貴的。」不能只看單條數據價格，而要看它包含多少有效資訊，能否真正改善模型。在商業模式上，真機數據通常按小時採購，客戶需求已從較小規模走向數萬小時、甚至十萬小時以上。趙捷強調，任務是否有效、數據能否進入訓練、模型能否因此提升，才是決定這些小時有沒有價值的關鍵。他預估，數據成本約占機器人相關研發投入的 20% 到 30%，有些公司可能更高。技術路線多樣，但無論先使用仿真數據還是真機數據，到訓練與驗證階段都繞不開真機數據。

博登智能的數據基礎設施可概括為三層：真實世界場景網絡（三大創新中心，覆蓋家庭、零售、工業、辦公、倉儲等上百類場景）、自動化數據引擎（自動化質檢、物理一致性校驗、智能數據流水線）、以及現實世界驗證（驗證模型的行為一致性、物理約束、長尾場景魯棒性）。Boden Cloud 平台則負責串接採集、標註治理、模型訓練與現實驗證，包含 BRIC（多模態數據採集）、BASE（200 多個預標註模型與人工校正，效率最高提升七倍，準確率超過 99%）、以及 Blink（數據版本、算力、工作流統一管理）。客戶最終拿到的不是孤立的數據文件，而是一套可持續生產、訓練、驗證與迭代的數據閉環。

對於當前具身智能行業的熱潮，趙捷直言「一點泡沫都沒有，說明這個行業可能根本不值得投資」，但局部確實存在泡沫，例如世界模型領域公司過多，許多公司無法說清自身核心競爭力。他預測，沒有實際訂單與交付能力的公司可能在明年開始承受壓力，第一輪較為劇烈的優勝劣汰將在未來兩三年內顯現。至於人形機器人的商業化速度，他持謹慎樂觀態度，認為外形不是落地前提，有明確任務的機器人（例如兩隻機械臂加上視覺系統與強大大腦）可能更早產生收入。決定商業化的關鍵是穩定的場景與穩定的工作能力。趙捷相信，機器人真正的進步有時就藏在一次失敗之後：它有沒有記住人類當時是怎麼把錯誤糾正過來的。沒有真實場景，數據飛輪很難啟動。

他更關注機器人能否先做好一件確定的事，而不是一開始就做一個什麼都能幹的人形機器人。博登智能已完成數億元 A+ 輪及 A++ 輪融資，正全力投入具身智能數據基礎設施的建設，期待在產業洗牌中成為能夠持續交付高品質數據的關鍵角色。