无障碍
x

全部频道

中国> 正文

具身智能步入“数据红利期”,枢途科技如何破解物理 AI 训练瓶颈?

2026-03-23 17:29 日照新闻网

来源标题:具身智能步入“数据红利期”,枢途科技如何破解物理 AI 训练瓶颈?

在GTC 2026 上,黄仁勋的一句“物理 AI 已经到来——每家工业公司都将成为机器人公司” 再次点燃了全球科技圈。在具身智能的下半场,模型架构正日趋收敛,数据生产能力成为了界定企业上限的新护城河。

枢途科技(Synapath AI)凭借RoboWheel引擎,将庞大的人类行为视频库转化为可供机器人直接学习的底层数据,完成了从 视觉原料到具身能源的工业级闭环。

物理 AI 进入数据红利期

今年 GTC 的核心信号非常明确:英伟达推出的 AI 数据工厂 Blueprint 标志着行业重心已从单纯追求模型参数,转向建立自动化的数据生产链条。

物理世界的复杂性决定了真实场景数据无法单靠手动采集。过去,行业依赖高成本的遥操作或存在“失真”风险的仿真数据。但在大模型时代, “人类视频”凭借其低边际成本和天然的任务逻辑密度,正被重新评估为最理想的数据底座 。

然而,视频虽多,机器人却“看不懂”。如何跨越从“视觉信号”到“物理执行信号”的具身鸿沟,是横在所有开发者面前的难题 。

枢途科技:定义具身数据的“加工标准”

作为物理 AI 基础设施的先行者,枢途科技(Synapath AI)创始人兼 CEO 卓羽认为,行业稀缺的不是视频本身,而是将其转化为可复用具身数据的能力。

针对这一痛点,枢途科技构建了从视频到训练数据的完整生产闭环:

SynaData具身数据管线:利用视频升维与手-物交互(HOI)重建技术,从平面视频中提取出末端轨迹、位姿及交互语义,让原始视频具备物理属性 。

RoboWheel数据引擎:负责解决物理一致性优化及跨本体重映射(Retargeting),确保人类的动作能精准适配给不同形态的机器人 。

HORA 多模态数据集:这是目前业界首个大规模真实场景人类视频具身数据集,已积累超 15 万条高质量轨迹,为 RDT、PI0 等顶尖开源及闭源模型提供核心驱动 。

占据物理 AI 生态的关键位

正如黄仁勋所言,没有高质量的数据供给,再强大的物理 AI 也只是空中楼阁。

在GTC 2026 描绘的未来图景中,枢途科技并不只是参与者,更是不可或缺的基础设施供应商。通过降低数据生成的成本与门槛,枢途正在加速具身智能从实验室走向工厂和家庭的进程。

(本文来源:日照新闻网。本网转发此文章,旨在为读者提供更多信息资讯,所涉内容不构成投资、消费建议。对文章事实有疑问,请与有关方核实或与本网联系。文章观点非本网观点,仅供读者参考。)

责任编辑:王大治(QJ0026)

北京千龙新闻网络传播有限责任公司版权所有 未经千龙新闻网书面特别授权,请勿转载或建立镜像,违者依法必究新出网证(京)字013号 增值电信业务经营许可证 2-2-1-2004139 跨地区增值电信业务许可证

信息网络传播视听节目许可证0104056号 互联网新闻信息服务许可证11120180003号 京公网安备 11000002000007号

分享到:
QQ空间 新浪微博 微信 腾讯微博 QQ好友 百度首页 腾讯朋友 有道云笔记