華為的數據供應商，拿下90%的具身大腦企業｜對話景聯文CEO

機器人前瞻（公眾號：robot_pro） 作者 | 周加琦 編輯 | 漠影 機器人前瞻8月267日報道，近日，杭州AI數據運營商景聯文科技發佈了一批用宇樹機器人採集的真機數據集，包含近15000小時的真機數據，用於模型訓練。對於當前的具身智能行業而言，15000小時真機數據已經是一筆不小的數據量。但對整個行業來說，遠遠不夠。相比大模型時代已經積累了億級的互聯網數據，具身智能沒有現成的大規模數據可用於訓練。對於長期處在數據產業的企業而言，這種差異感更明顯。景聯文科技在數據行業做了8年，也經歷了數據需求從大模型時代向具身智能時代不斷變化的過程。

景聯文科技CEO劉雲濤告訴機器人前瞻，具身智能與大模型時代最大的區別，在於數據來源的不同。大模型時代有互聯網數據，市面上已經積累了大量文字、圖片、視頻。但具身智能不同，它沒有現成的大規模數據用可供訓練。▲景聯文科技CEO劉雲濤（圖源：景聯文科技） 在他看來，這也是為什麼具身智能數據不會像大模型數據一樣快速被填補。語言模型的數據每天都在自然而然產生，劉雲濤說：“我們現在對話的視頻拿去標註一下，就能用來訓練。” 但機器人不一樣，它需要在真實場景中，完成真實任務來採集數據。“具身智能不是萬眾全民都替你幹，更何況現在具身智能設備本身也有很多技術挑戰。”劉雲濤說。

除了數據數量，他認為，現在最重要的是採的數據質量要高，種類要足夠豐富。他們將高質量數據總結為“四真兩度”，即真人、真場景、真任務、真機，以及根據不同任務需求定義數據維度和精度。但同時滿足這些要求，並不容易。一方面，真實場景和真實任務難以規模化複製，機器人需要在不同環境中完成不同任務，才能獲得有效訓練數據；另一方面，真機數據採集成本較高，涉及機器人本體、多模態傳感器以及後續的數據處理流程。這也意味著，具身智能的數據缺口並不是簡單增加採集數量就能解決的問題，而是需要建立一套覆蓋數據採集、治理、標註和應用的完整體系。數據質量和數量最終都會反饋到模型能力上。

只有不斷積累真實、多樣、高質量的數據，模型才能從真實世界的交互中學習更多任務和動作。正是看到了這一數據缺口，景聯文進一步佈局具身智能數據方向。但景聯文並不是一開始就做數據，劉雲濤也不是一開始就加入了景聯文。景聯文成立於2012年，早期主要從事指紋算法業務。正是因為看到傳統算法向AI算法轉型的趨勢，他選擇了景聯文。加入後，他發現，算法本身不容易被用戶感知。同時，如果數據源掌握在別人手中，公司很難形成長期壁壘。“我當時感知到，指紋算法總有沒落的一天”。2019年，劉雲濤帶動公司轉型做數據。從最初賣指紋膜的數據，到後來佈局大模型數據、具身智能數據。“數據就像石油，源源不斷被需要。”他說。

景聯文不只是提供數據採集服務，而是連接數據生產、處理、流通和應用的數據運營商。機器人前瞻與劉雲濤進行了近一個半小時的深入交流。我們聊了聊景聯文為什麼把數據作為新的方向；如何讓大多數大腦廠商都選擇景聯文的；以及具身數據的缺口該如何去解決。以下為本次對話實錄，機器人前瞻在不改變願意的基礎上進行了整理。一、從指紋算法到數據服務，劉雲濤的兩次選擇 機器人前瞻：當時是什麼樣的契機，讓您決定加入景聯文科技的？劉雲濤：景聯文當時是一家做指紋算法的公司，並且拿了LivDet（國際活體指紋檢測大賽）的一等獎，華為、vivo、oppo都是合作伙伴。

起初，我對AI完全沒有感覺，但敏銳地感受到傳統算法正向人工智能遷移，這是一個不可逆的結構性機會，所以我選擇加入。機器人前瞻：景聯文最初做指紋防偽算法，到後來轉型做數據服務，這個轉型是在什麼時間節點、基於什麼判斷決定的？劉雲濤：我加入景聯文後負責指紋防偽算法，但是這項技術會額外消耗手機存儲和算力，並且用戶也缺乏感知，很難成為手機廠商的核心賣點。轉折點出現在2019年，安卓系統要求所有的指紋、人臉識別都得搭載防偽算法，景聯文迎來了短暫的紅利期。防偽的本質是攻防博弈，防守手段最好，恰恰證明我們的攻擊手段最好。所以當時全球的傳感器廠商、手機廠商、測試機構，基本上都用景聯文的數據進行測試和訓練。

機器人前瞻：轉型是一個非常重大的決定，您剛加入景聯文就帶動轉型，內部核心團隊對這個方向的分歧大嗎？劉雲濤：我剛加入時，公司內部就已經形成共識——算法業務瓶頸非常明顯。1、景聯文指紋方案算法很好，但還需要打通客戶方，讓客戶方真正願意買算法； 2、另一個是指紋傳感器。比如客戶已經決定要買景聯文的產品，但我們需要指紋傳感器企業把指紋的原始圖像開放給我們去做訓練，如果這家企業不開放，我們就一點辦法都沒有。所以，大家逐漸意識到，算法是“點狀”突破，而數據是“面狀”基建，團隊的轉型分歧比想象中要小。機器人前瞻：為什麼當時會選中數據服務這條賽道？

劉雲濤：覆盤AI的發展歷程，無論是早期的自動駕駛，還是當下的大模型與具身智能，每一輪爆火的背後，數據始終被需要。更重要的是數據像汽油一樣，是消耗品。景聯文做的，就是把石油煉成汽油。所以AI時代的數據生意，本質上是“能源生意”，一旦做成，護城河會非常深。機器人前瞻：目前公司整體團隊規模如何？劉雲濤：目前整個團隊的規模大概是300人左右，全國服務的供應商大概有14萬人。並且我們還聯動了當地21所院校，最快7天之內能組建千人的標準化採集團隊，這是我們柔性交付能力的重要保障。

二、讓數據從“原油”變“燃料”，推出SolarSense數據工程平臺 機器人前瞻：業內在數據和基礎建設這塊，您觀察到有哪些突出的痛點？比如採集場景標準化不夠、數據質量把控難，採集成本高等。劉雲濤：其實整個數據行業到現在為止就三個痛點。第一個是數據源獲取難，現在要麼沒有數據場景，要麼有了場景也缺乏標準化的採集手段。第二個是標註難。在標註需求分散的情況下，需要專家級的標註需求難以滿足。比如外賣配送、檯球賽事、數學推導等等，每個領域都有不同的專業知識。第三個是工具難。數據類型多樣化，不同數據類型需要不同的工具支撐，比如平臺沒有遙感、多模態等特定處理功能，數據就打不開，用不了。

機器人前瞻：這些行業痛點，景聯文是如何針對性去解決？劉雲濤：面對這三個行業痛點，景聯文的策略是以賦能替代包辦，讓更多合作伙伴加入生態。1、技術賦能。通過AI智能化標註，AI智能化質檢，以及把我們的標註平臺開發給供應商使用，幫助供應商實現盈利。2、項目賦能。很多供應商拿到需求書後拆解不明白，團隊管理經驗不足。我們派駐項目經理幫助他們做項目賦能，直到他們有能力承接。可以說，景聯文應該是國內真正帶動供應商數量最多的數據公司。機器人前瞻：目前景聯文已推出的核心產品是什麼？劉雲濤：今年9月，我們會推出Solar Sense，這是中國第一款數據工程平臺。

這個平臺打通了從數據匯聚、清洗、標註再到模型訓練的全流程。它的核心優勢體現在三個方面： 1、工具覆蓋全面。SolarSense覆蓋了從圖片、文本、音頻、視頻到點雲、時間序列等多類型數據處理需求，能夠支持分類、檢測、分割、識別等機器學習任務，一站式支撐多領域模型研發。2、管理體系完善。通過數據版本管理、流程配置和數據治理能力，SolarSense能夠對數據生成過程進行記錄和追蹤，提升數據交付過程的規範性和可控性。3、平臺級智能體。平臺採用AI原生設計，內置智能體Solarclaw，幫助用戶進行數據分析、信息彙總、風險識別等工作，為項目執行和管理提供智能化輔助。

機器人前瞻：具身智能對數據的要求和AI相比，最大的不同在哪？劉雲濤：大模型時代有互聯網這座“礦山”， 文字、圖片、視頻早已大量存在。但具身智能是從0到1創造數據，沒有現成的礦可以挖。所以我們內部總結“四真兩度”標準——真人、真場景、真任務與真機，以及根據場景定義的數據維度和精度。為什麼強調“真機”？因為現在真機的成本極高，租賃和損耗都是實打實的投入。大模型是在存量數據上做文章，具身智能則是在物理世界裡從零開荒，而且每個場景的採集標準都不一樣。大模型是在已有數據上做文章，具身智能是從0-1去創造數據，而且每一類場景的採集標準都不一樣。

機器人前瞻：數採基地的建設及後期運營的成本很高，公司為什麼會選擇自建數採廠？劉雲濤：我們數採廠跟市面上“機房式”數採完全不同。大多數數採廠採購大量真機擺在那裡，這些成本是巨高的。我們的數採廠堅持真人、真場景、真任務。地方政府也給予很大支持，貴州、重慶、蕪湖等地方政府把真正的場景給我們開放出來。我們會招募真正有工作經驗的人，如保潔、操作工，佩戴輕量化設備進入真實環境中作業。數據不會憑空產生，總要有人走進物理世界的毛細血管裡去挖掘。▲第一人稱視角（Ego-centric）的輕量化採集 機器人前瞻：數採基地選在蕪湖、重慶、貴陽，是出於什麼樣的考量選擇這三個地區？劉雲濤：選址背後是產業邏輯。

蕪湖的整個製造業比較發達，這裡世界五百強公司就有兩家，周邊配套業的公司也非常多。另外，政府對場景開放也非常支持。具身智能要大量的數據採集，就需要有大量的存儲，也要有大量的基礎設施支撐。同時，貴州一直把數據作為第一產業，包括我們今天Iphone用的雲上貴州都是貴州大數據集團。當地對數據的認知是超出其他地方的。重慶對我們的力度支持也比較大，它幅員地貌多，生活環境多樣，所以我們就在這個地方建了。三、拿下90%大腦廠商，在途訂單數億元 機器人前瞻：您曾說“上下樓就是上下游”，宇樹在你們樓下。這種物理上的便利對景聯文帶來怎樣的實際影響？

劉雲濤：因為這個數據和研發是分不開的，有一家數據公司就在樓上，溝通方面會更加便捷、迅速。上一秒還在樓上開會，下一秒就能到樓下出個差。機器人前瞻：目前公司在具身智能領域的合作客戶主要是哪些？劉雲濤：國內主流的本體公司、大腦公司，我們基本上都合作了。機器人前瞻：對於具身智能的客戶，如本體、模型等公司，在數據上遇到的痛點，公司是怎麼幫他們解決的？劉雲濤：客戶最大的痛點就是場景。很多高價值的場景都在政府和大型企業手裡，所以我們選擇了貴州、蕪湖，政府協調場景給我們去做採集。另外，我們合作企業有大量場景方，他們可以給我們提供真實場景去做數據採集。

第二個痛點是合格數據的穩定交付，這包含三個維度：場景、標註和速度。在場景上，合作方、政府都給我們提供了大量場景採數據。在標註上，我們跟模型廠商合作，我們買他們的模型，用他們的模型來給我們做自動化的標註。在速度上，景聯文多年積累的供應商畫像能力，能夠做到精準匹配、快速響應，確保數據交付的速度和質量。機器人前瞻：具身智能領域正處於增長的爆發期，公司在這個方向上的業務發展怎麼樣？相比較去年發展情況，今年這半年在具身領域上的業務增長如何？劉雲濤：在具身智能這塊，我們主要選擇大腦公司和場景公司。其中本體公司和大腦公司實際發生簽單的至少有80%。

整體來看，國內90%的大腦廠商與景聯文有合作，在途的具身智能訂單規模已達數億元，今年的增速遠超去年。此外，不只是AI公司，包括螞蟻、騰訊、華為等大型傳統科技企業，在數據服務上也首選景聯文。機器人前瞻：可以用一句話或者是一個詞來形容一下景聯文嗎？劉雲濤：靈活。在具身數據領域，專業性是基礎，但靈活性是生命線。比如我們的項目經理提出一個需求，要求是6個小時之內研發人員必須要響應到位。因為在高速迭代的行業裡，響應速度決定了數據的時效價值——你不可能比模型公司更懂算法，但你可以比他們更懂如何高效地把物理世界翻譯成數據。

四、數據缺口不會快速填平，但千億公司終將出現 機器人前瞻：與語言模型數據比，具身智能數據缺口大。截至今年年初，數據總量僅約50萬小時，無法滿足模型訓練迭代，您作為數據領域的專家，您覺得這個問題能快速得到解決麼？劉雲濤：短期內很難。語言模型的訓練數據是人類日常交互自然產生的副產品。比如微信聊天、每天的飛書釘釘，每天打多少的語音通話，是自發的，只是授權和使用的問題。但具身智能的數據無法依靠全民自發產生，它必須由專業團隊攜帶設備進入真實的物理世界主動採集。更何況，現在的採集設備在連接、精度、重量、續航、存儲等方面仍面臨大量工程挑戰。這條路沒有捷徑，只能一公里一公里地採集，一個小時一個小時地積累。

具身智能的本體一定會越來越靈活，大腦一定會跑通，但是需要時間。機器人前瞻：哪一條技術路線是有可能解決這個問題的？劉雲濤：坦白說，每一條路線都面臨巨大挑戰。自動駕駛花了近十年才在單一場景積累足夠數據，具身智能面對的是家庭、工廠、商場等成百上千倍的場景複雜度。我認為具身智能不是一個行業，而是一個載體——載體+場景，才構成完整的數據命題。當下最重要的是先把“四真兩度”的高質量數據採出來，種類足夠豐富、精度足夠高。至於觸覺、力覺等多模態數據的成熟，還需要傳感器硬件的協同突破，這都需要時間。

機器人前瞻：面對數據缺口，不少本體、模型企業已經在著手自己採數據了，您覺得本體廠商自研數據和第三方數據服務商的差異在哪？第三方數據服務商會不會被取代？劉雲濤：術業有專攻，數據需求量足夠大，且呈現碎片化、多場景特徵，專業分工是產業成熟的必由之路。我們的核心價值在於成本結構和複用效率。例如，我們租下一個場景進行集中採集，可以將基礎設施和部署成本分攤給多家客戶，邊際成本遠低於每家客戶單次租用、單次採集的模式。在AI行業全面追求降本增效的背景下，專業第三方數據服務商不是“可選項”，而是“更優解”。機器人前瞻：您認為真正能夠長期存活下來的數據服務企業，應該具備哪些核心能力？

劉雲濤：我認為是技術驅動的靈活性。靈活性體現在技術上——比如在智能標註環節，我們能快速搭建作業流的智能體，真正做到高效，幫助客戶降本。景聯文正在加大研發投入，做成一個標註領域的垂域模型。機器人前瞻：您說過未來3到5年，中國一定會出現千億級的數據公司。那您希望景聯文未來會佔據一個怎樣的位置？尤其在具身智能領域，發展目標是什麼？劉雲濤：我覺得中國一定會出現一個千億的市值公司，甚至我覺得比千億的公司更大。但觀察現在的行業，現在很多數據公司承載兩三個億就上不去了。因為場景太分散——今天採100個家庭，明天要採放電站，後天要採石油化工，單靠一家公司的自有資源根本無法覆蓋。

景聯文給自己的定位是做數據的“運營商”，而非單純的“採集隊”。我們要建立的是數據生產、流通、應用的標準和生態，不僅自己成長，更要帶動上下游供應商一起壯大。在具身智能領域，我們的目標是成為那個定義數據標準的鏈接者——我們不視任何同行為競爭對手，而是希望與各方共建這個生態。