对话博登智能赵捷：工业级的“数据炼金师”有多重要？
（文/张志峰 编辑/周远方）
在人工智能技术从虚拟向物理世界渗透的浪潮中，数据被视为推动人工智能发展的“底层燃料”，同时也是实现技术突破的关键“核心壁垒”。
从支撑自动驾驶的算法进化，到助力具身智能的技术突破，博登智能的实践，正是中国AI企业以数据为基石、破解产业难题的典型代表。
“AI的突破离不开高质量数据支撑，而当时国内缺少专业化、工业级的数据处理服务商。”赵捷博士向观察者网表示，2019年，当自动驾驶、大语言模型等技术加速落地时，他敏锐地察觉到行业痛点：数据供给仍停留在“手工作坊”阶段，难以满足AI模型对规模化、高精度数据的需求。
博登智能的解决方案，是将数据处理升级为“智能流水线”。其自主研发的多模态数据标注大模型，能够同时处理文本、图像、音频、视频等多模态的复杂数据，广泛应用于自动驾驶、智慧医疗、智慧教育等场景。
赵捷博士强调：“无论是虚拟世界的语言模型，还是物理世界的人形机器人，都需要我们从数据根基上筑牢创新之路。”他将公司定位为“数据炼金师”，旨在通过技术创新提炼数据的“纯度”与“价值”。
目前，博登智能已在北上广及香港设立子公司，服务对象涵盖汽车主机厂、自动驾驶企业及腾讯、阿里等AGI研发公司。Meta收购Scale AI的案例进一步印证了他的判断：“当AI进入落地阶段，数据质量已成为AI发展的关键壁垒。”
此外，赵捷博士还提到，硅谷已有三家由华人创建的数据公司，如Surge AI等，去年营收接近10亿美金，“这说明美国在高质量语料库建设方面非常重视，我们也意识到这是一个很好的机会，今年在这一领域的进步尤为显著。”
从数据角度看，具身智能对数据的需求更为复杂。“我们人类从事很多动作时，无论是行走、抓取，都需要跟真实世界做非常强的交互，在这个过程中势必需要采集大量的数据。”赵捷博士举例，“仅在一个正常的抓取动作中，可能就需要上百万条相关数据，反复地进行采集和标注，将其变成可用的数据集，再在仿真环境中训练算法，最后移植到机器人本体上。”
他强调，也正因此，具身智能所需的数据维度远超大语言模型。
面对这一难题，赵捷博士提出可借鉴自动驾驶的发展经验。他指出，自动驾驶发展早期面临长尾效应问题，很多corner case（极端场景）在真实场景中难以获取，“比如在下雨天捕捉到行人横穿马路时发生车祸的场景，可能采集10次、100次都不一定能采集到。”
对此，行业采用了基于虚拟场景的合成数据方式来解决。“先在真实场景中建立3D物理环境模型，再通过算法处理，模拟出想要的前景，如人物、车辆等，以此模拟不太常见的corner case。”
赵捷博士还强调，具身智能的实现需要范式更新：从“数据驱动”转向“交互驱动”，让智能体通过“感知-理解-行动”的闭环学习；从“单一模态”转向“跨模态融合”，整合视觉、触觉等多源信息；从“高算力依赖”转向“轻量化实时性”，适配机器人本体的资源限制；从“单纯学习”转向“强化学习与认知推理结合”，如 Embodied-R框架展现的“类人慢思考”能力。
在赵捷博士看来，无论是车轮上的智能，还是机器人的躯体，最终都需要数据这把钥匙，打开通用人工智能的大门。而这条道路上，数据的“纯度”与“力量”，将是决定成败的关键所在。
谈及具身智能的未来，赵捷博士充满信心：“当前，人形机器人的发展正处于初期阶段，2025年才刚进入商业化元年，市场前景广阔，应用场景将不仅限于工业领域，还将逐步拓展至商业、服务业等多个领域。”
对于人形机器人何时能够进入千家万户，赵捷博士参考了智能驾驶的发展历程进行分析：“激光雷达成本从10万美金降到几千人民币，推动了智能驾驶的普及。人形机器人也是如此，等供应链成本降低到大众可承受的范围时，就能逐步进入千家万户，我非常期待这一天的到来。”
在数据安全与治理方面，赵捷博士认为，可以在早期数据集建立中设置规范和规则，屏蔽不具有主流价值观的数据，并在模型测试和使用阶段加强检测与评判，通过有效的数据和模型迭代，降低模型在使用过程中表现出不符合主流价值观及各种安全性问题的风险。
对比中美在数据生态上的差异，赵捷博士指出：“在大语言模型发展上，美国确实起步较早，但近一两年，尤其去年下半年开始，中国的大语言模型公司也在加大投入，差距正在快速缩小。”
1、商务部回应调整不可靠实体清单措施,今天中国商务部颁布的《不可靠实体清单》