黎曼動力攜手光輪智能與諾亦騰機器人，推進2026年百萬小時具身智能數據建設

黎曼動力近日宣布，將與光輪智能、諾亦騰機器人正式建立策略合作關係，三方將共同投入具身智能領域的數據基礎設施建設，目標在2026年底前完成100萬小時高品質具身數據的採集與模型訓練。這項合作涵蓋具身數據採集、模型訓練、規模化評測、真實機器人部署以及反饋優化等關鍵環節，並將深度整合黎曼動力自主研發的兩大核心模型——Riemann-1.0 具身世界動作模型與 Matrix-Game 3.5 交互式世界模型。 根據黎曼動力發布的資訊，此次結盟代表公司在構建「數據-評測-模型迭代-真機部署」完整閉環上邁出關鍵一步。過去，具身智能領域長期面臨高品質數據稀缺、模型訓練缺乏真實場景驗證等瓶頸，而透過三方協作，黎曼動力可望加速打造可規模化複用的具身智能基礎設施，為機器人從仿真環境順利過渡到真實世界提供紮實的數據支撐。 光輪智能與諾亦騰機器人分別在機器人本體設計、感測器技術與場景模擬方面擁有深厚積累。前者專注於機器人運動控制與智能感知，後者則以高精度慣性動作捕捉與全身動態感測技術聞名，兩者的技術能力將為黎曼動力的數據採集與模型訓練提供關鍵硬體與場景支援。黎曼動力則以其在具身世界模型與交互式世界模型上的演算法領先優勢，主導數據處理、模型訓練與迭代優化。 按照三方規劃，到2026年底，這項百萬小時的具身數據將涵蓋多種任務情境與操作對象，包括但不限於物體搬運、精細組裝、環境導航、人機協作等典型場景。數據不僅在數量上達到規模化，更強調品質與多樣性，以確保訓練出的模型具備足夠的泛化能力與魯棒性。這些數據將持續反饋回 Riemann 系列模型的迭代循環中，形成「採集-訓練-評測-部署-反饋」的閉環機制。 黎曼動力表示，期望藉此建立業界領先的數據驅動路徑，進一步縮短具身智能模型從研發到落地應用的時間。目前，具身智能領域普遍面臨的一大挑戰是：模型在仿真環境中表現良好，但移轉到真實機器人時，因數據分布差異與未預期干擾，性能往往大幅下降。透過百萬小時真實場景數據的累積，模型能夠更貼近實際物理世界，從而降低部署門檻。 值得注意的是，這項合作並非單次性的數據採集專案，而是長期、系統性的基礎設施建設。三方將建立常態化協作機制，定期交換數據品質回饋與模型評測結果，並根據實際需求動態調整採集任務的優先級。這種「數據驅動、模型迭代」的模式，在機器人領域尚屬少見，但已被視為突破現有技術瓶頸的關鍵路徑。 在具體執行層面，光輪智能與諾亦騰機器人將提供多類型的機器人本體，包括輪式、雙足、四足等不同形態，並搭載多種感測器模組，如視覺相機、光達、慣性測量單元、力覺感測器等，以捕捉豐富的環境與操作資訊。黎曼動力則負責設計數據標註規範、訓練演算法架構，以及開發仿真與真實環境間的遷移學習工具。 業界分析指出，這項合作不僅對黎曼動力自身具有戰略意義，也可能為整個具身智能產業鏈樹立新的標竿。當前，全球主要科技公司與研究機構都在積極投入通用機器人與具身智能，但數據基礎設施的缺乏往往是制約進展的首要因素。若能成功實現百萬小時高品質數據的規模化採集與訓練，將大幅降低後續開發者的重複工作量，推動整個領域的標準化進程。 黎曼動力強調，他們將持續開放數據與模型平台的接口，歡迎更多合作夥伴加入，共同完善具身智能的生態體系。在未來兩年內，隨著百萬小時數據的逐步累積與模型迭代，可望在物流、製造、服務等領域率先看到具身智能機器人的成熟應用。此次與光輪智能、諾亦騰機器人的聯手，正是黎曼動力朝此目標所踏出的堅實一步。