作者丨薛皓皓
编辑丨子钺
头图丨星忆智能
当具身大脑公司加速自建数据管线，第三方数据公司的竞争力在哪里？
星忆智能创始人宋知珩认为，数据公司的竞争力主要来自两端：一端在采集，依靠硬件、场景和人员组织能力压低数据采集成本；另一端在算法，提升标注精度和数据处理效率。星忆智能选择押注后者。
宋知珩团队不仅向客户提供第一人称人类数据采集，更重要的是，其技术能让数据处理与标注变得十分高效。处理完的数据可以作为训练数据，直接喂给具身模型。“我们拥有高效的手势及人体姿态处理及标注的技术。”宋知珩表示。
随着Open AI GPT6 Astra展现出对物理世界的理解能力，李飞飞将World Labs卖给AMD，物理AI的技术路线正在加速收敛。到底是具身模型还是多模态模型更能展示出对物理世界的卓越理解能力，尚无定论，但是两者都需要训练数据，对具身数据的需求都颇为明确。
据星忆智能介绍，公司目前订单已达“千万级”，客户既有具身模型公司，也有从大语言模型走向多模态模型的通用模型公司。公司已为Being（智在无界）的H0.8隐式触觉视觉模型提供关键数据，同时与京东展开深入合作。京东拥有采集硬件、大规模人员和丰富场景，星忆智能则承担数据处理与标注，双方分别解决“数据从哪里来”与“数据如何被模型学会”的问题。
在2026（第二十届）DEMO CHINA期间，创业邦与星忆智能创始人宋知珩进行了一次对话。作为一线创业者，宋知珩围绕具身数据公司的核心壁垒、数据采集与标注难点、第一人称人类数据的价值等话题，谈了自己的观察与思考。
星忆智能创始人宋知珩
从人形整机
到数据创业
创业邦：您此前在智元机器人负责哪一部分工作？
宋知珩：我是人形整机的产品经理。整机产品定义，以及数据采集、遥操作和二次开发的收敛、管理，都在我们这边。
创业邦：从做人形整机，到出来做数据创业，这个转化是怎么发生的？
宋知珩：在智元的时候，我能看到中美在机器人叙事上的差异。一开始，中国更像是先做一个很好的本体，让全世界都能用中国的本体去做算法；美国上来就做具身大脑，所以他们在数据和模型方面更早投入。在 2025 年那个时间点，中国和美国在模型、数据上已经有比较明显的差距，到今天也仍然有差距。
所以出来创业，我们想解决行业最需要解决的问题。
创业邦：你为什么认为行业最需要解决的是数据问题？
宋知珩：具身模型训练得好不好，很大程度上取决于这个行业有没有高质量、大规模的数据。就像李飞飞当时做 ImageNet 之前，大家在卷图像算法；有了 ImageNet 这样的大规模数据集之后，算法能够以非常快的速度迭代。我们觉得数据是其中最重要的变量，所以创业就立足于数据，先把它做扎实。
创业邦：李飞飞创办的 World Labs 被 AMD 收购后，你认为这向行业释放了什么信号？世界模型的技术路线是否正在加速收敛？对李飞飞本人而言，这算不算一种成功？
宋知珩：我觉得这首先是一个信号：大厂开始更大力度地进入世界模型领域，技术路线确实在加速收敛。
如果聚焦具身世界模型，我认为整个行业的技术路线还没有真正收敛，但收敛速度确实在加快。
对李飞飞来说，我认为这是一次阶段性的成功。对于研究者和创业公司而言，最终还是要把商业化落地跑通，才能说是一件完整的成功。但进入 AMD 之后，她不必再把大量精力放在融资和公司经营上，而是可以依托大公司的资源，更充分地把技术和产品往前推进。从这个角度看，这已经是一个很好的阶段性结果。
第三方数据公司
有自己的生态位
创业邦：很多本体公司、具身智能公司都在自建数据管线。既然客户自己会采集、清洗和训练，第三方数据公司的空间在哪里？
宋知珩：我们接触的客户，大家其实都想自建整个体系，这没有问题。尤其是在模型训练时，视频怎么切分，怎么切成 clip（片段），后面怎么清洗、怎么做后处理，客户总是要自己再做一些操作，所以它永远都会是一个比较基础的管线。
但我们更聚焦在数据标注上。数据大体可以分为两类：一类是手部姿态、人体姿态，以及多模态中像触觉这类数据的标注；另一类是场景语义标注。
语义部分，大家都可以用大模型去做，大厂很擅长这个；但手部姿态、人体姿态这些，是我们比较擅长的方向。
创业邦：也就是说，客户自建的是基础管线，星忆智能做的是其中更难的处理环节？
宋知珩：可以这样理解。客户要做数据切分、清洗和后处理，数据资产和训练闭环也一定要掌握在自己手里。我们不去覆盖所有环节，而是聚焦在数据处理和高精度标注上。
我们团队过去在手部、人体姿态识别上有长期积累。国内一家头部 VR 厂商字节 Pico 的手势技术相关基模，来自我们团队核心成员的工作。
创业邦：在具身智能数据里，第一人称人类数据、遥操作数据和仿真合成数据并存。你们为什么把重点放在第一人称人类数据？
宋知珩：我们专注的是人类数据，第一人称数据又是人类数据里非常重要的一部分。
我们一直在思考，机器人应该从哪里学习操作？最好的方式就是从人身上学。这个世界是人创造的，每天人都在进行大量操作。把这些数据记录下来，再把人类的行为数据蒸馏出来，让模型学习到，我们认为这是几乎唯一可行的路线。
它满足具身数据的三个要素：第一，可规模化，成本可控，有大规模来源；第二，可以在真实场景里泛化，能够在各种场景中采集，让模型学习到足够的多样性；第三，它对模型有明显增益。
创业邦：这是否意味着第一人称人类数据可以替代真机遥操作和仿真数据？
宋知珩：在人类操作逻辑、理解世界这一层面，人类数据能够起到至关重要的作用；但真机数据还是会用一些。
人类数据是跨本体的数据，它学习的是这个世界里的操作逻辑和操作规律；真机数据更多是为了让模型理解、适应当前的机器人本体。我们认为，未来可能是 90%—99% 的人类数据，加上非常少量的真机数据，完成整个训练。
至于仿真，它是模型完成预训练后、走向真机部署之间很重要的一步。仿真能够帮助强化学习、避免真机出现问题，但它能带来的新增智能有限。
行业瓶颈
不仅在数据采集
也在数据处理
创业邦：行业里都在讲“高质量数据”，你们怎么定义？
宋知珩：其实很好理解，数据最终的目标是训练模型。什么样的数据对模型的增益最显著，什么就是高质量数据。
它有既能量化的部分，也有不太能量化的部分。比如平均关键点误差、位姿精度，都是可以量化的；精度要高，模态要丰富，这些也是可量化的。
但数据的 diversity，也就是多样性，是一个很深的问题。比如我抓过一个杯子，又抓过一个手机，这两组数据到底有什么本质差异？最终模型学习的数据集要足够泛化，覆盖各种场景，但不同数据之间的差异性边界在哪里，行业并没有真正研究透。
大家现在通用的做法，是把海量数据放到模型里训练，人工只做基础的多样性判别，最后还是以模型学到的多样性为准。这是一个需要持续追求的过程。
星忆智能核心算法
围绕核心算法的数据采集与处理的基础设施
创业邦：所以精度、多样性、模态丰富度之外，最终还是要看数据进模型后的表现？
宋知珩：对。模型有没有因为这些数据获得更显著的增益，才是最重要的判断。
创业邦：高质量数据怎么获得？数据处理在这里到底解决什么问题？
宋知珩：我们现在看到，整个行业的数据积累不会成为关键瓶颈。行业训练到后面，可能需要1亿到10亿小时数据。算一笔账，10万人每天采5小时，采200天，就能有1亿小时。这几个数字本身并不大。
但数据处理会成为一个非常大的瓶颈。我们看到某公有云平台上的具身数据，只有不到5%经过了非常精细的处理，能够被反复用于模型训练。
真实场景里有很多问题：高速运动、低光照、噪声、图像质量不佳、运动模糊、严重遮挡。比如抓杯子时，杯把会形成深孔，物体也会把手遮挡住。要把这些手部位姿恢复出来，或者精准标注出来，是非常艰巨的任务。
创业邦：也就是说，原始视频被采到之后，并不等于它已经可以用于训练？
宋知珩：对。采集到的数据要经过处理，才能真正用于模型训练。高质量数据不只是“有视频”，而是要让模型从中学到可靠的操作逻辑。
创业邦：面对这些复杂场景，星忆具体用什么技术来处理？
宋知珩：团队在手部姿态识别、人体姿态识别和多模态数据领域积累了十多年，从 2015 年到现在，过去在顶会、顶刊发表过数十篇相关论文。
我们把过去的研究训练到统一的Transformer模型中，把它作为一个基座模型。你可以把大语言模型理解为预测下一个word，或者做完形填空；我们的模型是在预测手和人体姿态在物理空间里的时间和空间一致性，再把它精准地标注出来。
创业邦：所谓“时空一致性”，具体是在解决什么？
宋知珩：在连续动作里，手和人体的姿态不能前一帧、后一帧突然跳变；出现遮挡、低光照、运动模糊时，也需要尽可能恢复合理的姿态。模型要处理的不是单独一帧“画面里有没有一只手”，而是这只手在一段动作中如何移动，它与人体、物体之间的关系是否连续。
创业邦：一家具身智能数据公司真正的核心壁垒在哪里？
宋知珩：我们觉得数据公司的核心壁垒有两部分。
第一是采集端。采集端拼的是硬件和人力成本。硬件方面，像深圳、华强北这类供应链可以非常快地把市场需要的硬件做出来；组织更低成本的人力，很多人力外包公司也做了很长时间，有自己的积累。
第二是数据处理端。它拼的是处理效率和精度。我们过去的积累都在算法上，所以很自然地更适合做数据后处理。
创业邦：你们更为关注数据处理端的能力建设？
宋知珩：数据采集硬件会受产品成熟、售后等因素制约规模化；人力外包要组织更大规模的人，也并不简单。我们做数据后处理，如果算法越来越强，数据飞轮迭代得越来越好，处理能力的scale（规模化）速度可以是指数型的。
创业邦：这是否意味着，你们想避免把业务做成“人越多、产能才越大”的数据生意？
宋知珩：行业里很多做数据后处理和标注的厂商，会用大量人去做标注，但这个事情没有办法真正 scale。我们希望不断提高数据后处理和标注的效率、自动化率。这样服务客户的能力扩张，不一定要靠线性增加人力，也可以更多靠算力和算法能力。
当客户继续
内化数据管线
星忆的客户在哪里？
创业邦：目前公司的主要客户类型是什么？不同客户的需求有什么差异？
宋知珩：主要是模型厂、机器人厂商和互联网大厂。
现在主流客户还是用于训练具身模型。越来越多从大语言模型走向多模态模型的公司，也需要第一人称视角的人类数据。比如有些多模态模型用于具身抓取时表现很好，我们认为一个重要原因是它训练时使用了大量人类数据。
但现阶段，具身客户还是更多，因为需求最直接。对多模态模型来说，人类数据或第一人称视角的人类数据只是整个数据集的一部分；对具身模型来说，这类数据占比会更大。
创业邦：随着 OpenAI GPT-6 Astra 一类多模态模型开始展现对物理世界的理解能力，大语言模型公司向多模态模型转型后，对第一人称人类高质量数据的需求，会比具身模型公司更大还是更小？
宋知珩：现阶段看，多模态模型公司对第一人称人类高质量数据的需求会更大。
核心原因还是发展阶段不同。具身模型公司现在整体还处在相对早期的阶段，模型参数规模相对较小，训练所需的数据规模也还没有完全打开；而多模态模型已经进入更大参数规模、更强理解能力的阶段，它们对真实世界数据，尤其是人类操作与交互数据的需求会更明显。
以 GPT-6 Astra 为例，据我们了解，它已经使用了数百万小时的人类数据进行训练，后续还在采购更多这类数据。国内一些多模态模型厂商，也在陆续增加对第一人称人类数据的采购。
对具身模型来说，第一人称人类数据是学习操作逻辑、理解物理世界的重要训练材料；而对更大规模的多模态模型来说，这类数据也会成为补足其真实世界理解能力的重要来源。
创业邦：公司的订单和商业化进展处于什么阶段？
宋知珩：我们现在有千万级订单，收入不止 2000万元，商业化在逐步推进。但在服务客户的过程中，我们也看到最大的挑战：如果大量依赖人工做数据后处理和标注，服务能力难以真正规模化。我们现在的重点，是不断提高数据后处理和数据标注的效率、自动化率。只有这样，才可能通过扩增算力，极大地扩充服务客户的产能。
创业邦：能透露一些合作客户吗？
宋知珩：可以透露一部分。我们和 Being（智在无界）有合作，对方在做最新的 H0.8 隐式触觉视觉模型，使用了我们的关键数据；其官网中有相关提及，双方也在进行战略合作。
另外，我们与京东也有比较深入的合作。
创业邦：京东本身也重视机器人业务。你们与京东的合作点具体在哪里？
宋知珩：京东很重视机器人的业务和数据采集业务。他们的能力恰好在于有采集硬件，也有大规模人力和丰富多样的场景去做采集。
所以，他们擅长采集，我们擅长处理，这就是一个非常好的结合。
《Signals》往期精彩内容：90后天大校友，打造脑机接口通用模型，宇树早期投资人押注
AI智能体越能干，这门AI安全赛道越有市场
库克点赞的10人团队：用户覆盖160多个国家，想做AI时代的终身大学
瞄准餐厅后厨场景，前美团外卖技术负责人，让AI餐饮机器人落地干活
AI模型迭代、大厂入局，Agent创业还有机会吗？
绕不开英伟达，也不能被它困住：英伟达架构师辞职做物理AI芯片
光合创投合伙人朱嘉：科技投资的快决断与慢等待
商汤国香资本余俊：具身机器人进入全栈竞争阶段，下一步是让客户算得过账
脑机接口“卡脖子”芯片，这家海南公司造出来了
本文为创业邦原创，未经授权不得转载，否则创业邦将保留向其追究法律责任的权利。如需转载或有任何疑问，请联系editor@cyzone.cn。
