具身智能迎年度检阅：训练可用数据量大增，算力需求涌上云平台
7月17日，WAIC（世界人工智能大会）开幕，具身智能机器人迎来一场年度集中检阅。这个行业仍在快速演进，第一财经记者了解到，一个明显变化是，近期具身智能机器人对算力的需求快速涌上云平台。
即便具身智能的商业需求跟自动驾驶相比还“不在一个数量级”，腾讯云异构计算产品副总监黄阳告诉第一财经记者，增速已经非常快。
黄阳感受最明显的一点是，近期数据方面的需求尤其多，数据清洗、采集相关的需求占新增需求的大头，推动今年腾讯云具身智能相关业务的算力需求规模增长了4~5倍。
数据缺乏此前被认为是具身智能机器人能力演进的最大障碍之一，但记者从一些参加WAIC的机器人厂商了解到，近期业界获取数据用于训练机器人的范式发生了改变，促使数据量和数据处理需求迎来新一波增长。
具身智能吸走更多算力
“从云的角度，我们发现最近数据处理需求量暴涨。”黄阳告诉记者，这也在云上催生了一种新调度模式，企业夜间闲置算力可以用于数据标注和处理，腾讯云通过潮汐算力的方式提供算力供给，降低具身智能厂商的单位算力成本。
对于数据处理需求变化，具身智能数据基础设施厂商艾欧智能联合创始人丁哲章也感受颇深。他告诉记者，业界出现了很多数据公司，有些是从自动驾驶、大模型数据领域转向具身赛道，专门做数据生产、标注、众包采集、清洗处理和转换。
其背后，一种新的数据获取方式兴起，即由人带上数据采集设备收集机器人训练所需的数据，业界也称为“人类数据”，区别于仿真数据和机器人本体采集的数据。
在丁哲章的记忆中，轻量化数采设备是从去年11月开始出现，带有几个视觉视角和一些定位装置，甚至有厂商采用更简易的方式，例如用帽子上安装的手机、戴智能眼镜和普通VR设备。这些设备安在人身上，记录下动作和物体的变化，数据相比真机数据更容易获取，采集效率也大幅提升。
艾欧智能负责数据采集、清洗、标注、管理、转换等工作，为全国多地数采厂提供了采集设备并服务下游模型厂商。在“人类数据”快速增长的情况下，丁哲章发现，这类数据浓度今年以来明显上升。
“以往用仿真合成数据主要是为了弥补真机数据难采、数量不足的缺失，一些公司训练所用数据的大致配比是真机数据10%~20%、合成仿真数据80%~90%。现在仿真数据也有一些独特优势，但已出现一种新方式，即用80%‘人类数据’做预训练、20%真机数据做后训练。”丁哲章告诉记者，业界训练一个模型的“人类数据”以往可能只有几百小时，现在可提高至50万小时，甚至有人认为数据量将能达到1000万小时。