對話博登智能趙捷：工業級的“數據鍊金師”有多重要？

（文/張志峯 編輯/周遠方）

在人工智能技術從虛擬向物理世界滲透的浪潮中，數據被視作 “底層燃料” 與 “核心壁壘”。

在2025年世界人工智能大會的觀察者網“具身向左、人形向右”直播論壇上，博登智能創始人、董事長趙捷圍繞數據在人工智能與具身智能發展中的核心作用，分享了獨到見解。

從支撐自動駕駛的算法進化，到助力具身智能的技術突破，博登智能的實踐，恰似中國AI企業以數據為基、破解產業難題的縮影。

“數據是AI競爭的核心壁壘”

公開資料顯示，博登智能成立於2019年，總部位於寧波。

“AI的突破離不開高質量數據支撐，而當時國內缺少專業化、工業級的數據處理服務商。”趙捷向觀察者網表示，2019年，當自動駕駛、大語言模型等技術加速落地時，他敏鋭察覺到行業痛點：數據供給仍停留在“手工作坊”階段，難以滿足AI模型對規模化、高精度數據的需求。

博登智能的解決方案，是將數據處理升級為“智能流水線”。其自主研發的多模態數據標註大模型，可同時處理文本、圖像、音頻、視頻等複雜數據，覆蓋自動駕駛、智慧醫療等場景。

“無論是虛擬世界的語言模型，還是物理世界的人形機器人，都需要我們從數據根基上築牢創新之路。”趙捷將公司定位為“數據鍊金師”，意在用技術創新提煉數據的“純度”與“價值”。

如今，博登智能已在北上廣深及香港設立分公司，服務對象涵蓋汽車主機廠、自動駕駛企業及騰訊、阿里等AGI研發公司。而Meta收購Scale AI的案例，更印證了他的判斷：“當AI進入落地階段，數據質量正成為AI發展的關鍵壁壘。”

他還提到，硅谷已有三家華人創建的數據公司，如surge AI等，去年營收接近10億美金，“這説明美國在高質量語料庫建設方面非常重視，我們也認識到這是一個很好的機會，今年在這方面的進步非常明顯。”

具身智能：數據需求的新維度

當技術焦點從自動駕駛轉向具身智能與人形機器人，趙捷發現，兩者面臨的核心挑戰高度相似：如何用數據支撐智能體在物理世界的感知、決策與行動。“從智能駕駛到具身智能，數據邏輯是相通的——都需要應對真實世界的複雜性、動態性與長尾場景。”

從數據角度看，具身智能對數據的需求更為複雜。“我們人類從事很多動作時，不管是行走、抓取，都需要跟真實世界做非常強的交互，在這個過程中勢必需要採集大量的數據。”趙捷舉例，“僅在一個正常的抓取動作中，我們可能需要上百萬條相關數據，反覆地去做採集加標註，把它變成可用的數據集，再在仿真環境中訓練算法，最後移植到機器人本體上。”

他強調，也正因此，具身智能所需的數據維度遠超大語言模型。

面對這一難題，趙捷提出可借鑑自動駕駛的發展經驗。他指出，自動駕駛發展早期面臨長尾效應問題，很多corner case在真實場景中難以獲取，“比如在下雨天捕捉到行人橫穿馬路時發生車禍的場景，可能採集10次、100次都不一定能採集到。”

對此，行業採用了基於虛擬場景的合成數據方式解決。“先在真實場景中建立3D物理環境模型，再通過算法處理，模擬出想要的前景，如人物、車輛等，以此模擬不太常見的corner case。”

趙捷認為，具身智能同樣可以採用類似方法：“在常見場景中儘可能採集更多數據，在特殊情況下則需要大量合成數據，這種基於真實場景數據並補充合成數據的方法，相信各個廠家都在使用。”

趙捷強調，具身智能的實現需要範式更新：從“數據驅動”轉向“交互驅動”，讓智能體通過“感知-理解-行動”閉環學習；從“單一模態”轉向“跨模態融合”，整合視覺、觸覺等多源信息；從“高算力依賴”轉向“輕量化即時性”，適配機器人本體的資源限制；從“單純學習”轉向“強化學習與認知推理結合”，如 Embodied-R框架展現的“類人慢思考”能力。

未來：前景廣闊，任重道遠

在趙捷看來，無論是車輪上的智能，還是機器人的軀體，最終都需要數據這把鑰匙，打開通用人工智能的大門。而這條道路上，數據的“純度”與“力量”，將是決定成敗的關鍵。

談及具身智能的未來，趙捷充滿信心。“當前人形機器人的發展正處於初期階段，2025年才剛進入商業化元年”，但市場前景廣闊，應用場景將不僅限於工業，還將拓展至商業、服務等多個領域。

對於人形機器人進入千家萬户的時間，趙捷參考智能駕駛的發展歷程分析：“激光雷達成本從10萬美金降到幾千人民幣，推動了智能駕駛的普及。人形機器人也一樣，等供應鏈成本降低到大家可承受的時候，就能慢慢進入千家萬户，我非常期待這一天的到來。”

在數據安全與治理方面，趙捷認為，可在早期數據集建立中設置規範和規則，屏蔽不具有主流價值觀的數據，同時在模型測試和使用階段加強檢測與評判，進行有效的數據和模型迭代，從而降低模型在使用過程中表現出不符合主流價值觀及各種安全性的問題。

對比中美在數據生態上的差異，趙捷指出：“在大語言模型發展上，美國確實走在前面，但從近一兩年，尤其去年下半年開始，中國的大語言模型公司也在加大投入，差距正在快速縮小。”