对话黄阳明：物理AI爆发前夜，数据基建价值开始兑现|翻译|机器人|客户端节点

分享至

立足数据地基，等一场慢下来的风口。

新眸原创·作者 | 桑明强

跟黄阳明正式开始对话前，他刚刚结束了美国考察，时差还没完全倒过来。

这次美国之行，他约见了一批头部具身智能公司，据他透露，市场对于数据Infra需求激增，甚至有意向客户开口就要一万小时的真机数据，时间节点卡在九月前。

按当前的报价折算，这是一笔价值千万级的意向订单，但黄阳明并没有表现出太多兴奋。

这是具身智能行业最喧嚣的一年。人形机器人的发布会一场接着一场，大模型公司纷纷下场做世界模型，热钱沿着产业链从上游流到下游，所有人都在等一个爆发的节点。

但黄阳明却是个例外。2022年，他离开大厂选择创办了刻行时空，在一众风口下，他选择了具身智能里看起来最慢热的赛道，也就是他的老本行，继续跟数据打交道、锚定"具身智能数据基础设施"。

这个说法听起来抽象，翻译过来就是，当大模型开始从文本世界走进物理世界，机器人需要的数据不再是网页、图片和聊天记录，而是视觉、声音、关节状态、动作轨迹、任务结果共同构成的时空多模态经验。

刻行要做的，就是把这些数据从需求理解、场景设计、采集生产、质量评估到治理交付，组织成一套可工程化运行的闭环。

用黄阳明的话说，他站在整条产业链最不显眼的位置上，做着最基础但同样关键的事：把机器人在物理世界里的每一个动作、每一段轨迹、每一次成功与失败，整理成能被模型读懂、能用在训练里的数据资产。

事实上，数据Infra这件事，黄阳明已经扎根了十年。

他的职业轨迹几乎完整覆盖了中国数据基础设施演进的关键节点——从Hadoop社区早期贡献者，到苹果手表健康大数据与自动驾驶部门的基础设施架构，再到嬴彻科技搭建整套数据闭环系统。

某种意义上，他是中国少数真正完整经历过"数据如何驱动智能系统迭代"这件事的工程师之一。

而现在，他带着过去所有经验投身在新的事业上。

从自动驾驶到机器人

一个数据工程师的迁徙

黄阳明的职业生涯起点，是银行里的交易数据整合。那是大数据的蛮荒时代，谷歌刚发表MapReduce和BigTable论文没多久，Hadoop作为开源界第一个响应者开始萌芽。

他是国内第一批做Hadoop的人，也是社区早期贡献者。那段经历打下的底子是结构化表格数据处理——所有数据都有明确的字段、类型和边界。

真正的转折点发生在2015年加入苹果之后。

他接手的第一个项目是苹果手表的健康大数据架构。心跳、呼吸、有氧率，身体状态的连续信号涌入系统，数据第一次从结构化表格变成了非结构化的多模态融合。

这是他第一次系统性处理多模态时序数据，也是后来所有事情的起点。

之后他被调去苹果内部的自动驾驶部门，参与机器学习基础设施、数据基础设施、云基础设施、设备基础设施、构建基础设施5大块中的3块。

这段经历让他完整理解了一件事：智能系统的迭代速度，从来不是由算法单点决定的，而是由整个数据闭环的效率决定的。

数据从采集、清洗、标注到训练、测试、回流，链路越长，节点越多，对底层架构的考验就越大。

换句话说，智能系统的迭代速度，本质上取决于数据闭环的效率。

后来的故事我们都知道了，苹果自动驾驶项目最终没能推进下去，黄阳明选择回国，加入了嬴彻科技。

在这里，他第一次有机会从0开始，把一整套数据闭环系统从白板上的架构图变成生产环境里跑着的代码。

他经常在会议室呆上一整天，在白板上画出完整的系统架构图，然后按照反康威定律的思路组织团队——先设计好软件组件，再按组件分工招人，而不是反过来按前端、后端这样的职能划分去定义软件。

康威定律说，设计系统的组织，其产生的设计等同于组织之内、组织之间的沟通结构。反康威定律则是，如果你想要某种软件架构，那就先把团队组织成对应的结构，黄阳明对此深信不疑。

如果故事继续下去，他可能会在自动驾驶数据基础设施这条路上走得更远。但2021年，一场经纬闭门分享会改变了他的想法。那场会上，投资人分享了一个判断：基础设施创新的黄金期已经到来，不需要再去做ToC或ToB的应用，Infra本身就能创业，而且"任何比较粗糙的先进都能打败精致的落后"。

这句话击中了他。

他一直想创业，但始终没想好方向。自动驾驶行业的格局也让他犹豫——市场足够大，但场景单一，车子往前开、左转右转，道路和车道线全世界统一，最终必然走向寡头垄断。客户就那么几家，供应商的议价权会被压得很低。

后来，他曾短暂加入过高仙机器人，同时让他看到了另一种可能性。AMR企业对数据的需求同样强烈，但它们既没有互联网基因，也没有自动驾驶的数据工程经验。

大家口头上都说数据重要，但真正沉下心做基础设施的几乎没有。每家公司都被业务追着跑，没人有精力去做这种长线的底层建设。

这个判断在今天看来几乎是常识，但在2021年，"具身智能"还没有成为共识，机器人行业还在讨论AMR和AGV的路线之争。黄阳明带着同事好友，在2022年正式创办了刻行时空。团队的核心成员几乎都来自自动驾驶数据工程背景，"含嬴率很高"，他自己开玩笑说。

创业四年，核心团队几乎没有流失。这在创业公司里并不常见，黄阳明把原因归结为大家对这件事的共识——他们相信数据基础设施的价值，也相信自己在做的事情会在某个时间点被验证。

创业至今，刻行时空保持扁平化与工程师文化，定期举办类“TGIF”活动，推动同事在轻松的氛围下交流。“Thank God It's Friday”起源于谷歌，旨在倡导平等对话，激发创新

这种团队共识的好处是抗变化。创业四年，行业概念换了好几轮——从自动驾驶到机器人运维，从具身智能到空间智能，再到现在的世界模型。上层的叙事一直在变，但刻行底层的架构几乎没有做过颠覆性的调整。

黄阳明常说，做基础设施就要找不变的东西。设备会迭代，场景会变化，概念会翻新，但数据怎么采集、怎么追踪、怎么治理、怎么回流、怎么合规，这些底层逻辑是通用的。

数据不是标品

是一整套工程

刻行的产品体系有两个名字：StarBase和coScene。

前者面向数据生产现场，后者面向数据应用端。两个产品共享同一个底层数据引擎，这是黄阳明从银彻时期就延续下来的设计哲学：所有上层应用都建立在统一的数据基座之上。

这个基座的核心概念是"Scene"，一个带语义、有起止时间的记录单元。小到一次夹取动作，大到一个完整的项目，都可以用Scene来组织。

小单元保证数据可追踪，大单元管理权限、自动化流程和数据集合的组织结构。无论是采集阶段的StarBase、加工阶段的coScene，还是标注、质检、回归测试，全部围绕这个统一的底座展开。

黄阳明喜欢用挖矿和炼煤来比喻这套体系。StarBase是矿坑里的生产系统，哪里有煤矿就部署到哪里，负责把数据源源不断地挖出来；coScene是中央精炼厂，把各处运来的原煤进行加工、分级、治理，最终变成可交付的数据产品。

就像数据库能服务千家万户的业务，CPU能跑在各种不同的电脑里，本质都是因为抽象层切得足够好。

刻行要做的也是同样的事情——机器人行业高度碎片化，医疗机器人讲究精度，搬砖机器人讲究承重，装载码头用的是大型机械臂，每个场景的本体构型、传感器配置、控制频率都不一样，但底层的数据组织逻辑是相通的。

"中立"是黄阳明反复强调的原则。

刻行不绑定任何特定的机器人本体，也不做硬件。与此同时，这种中立性让刻行有机会成为不同本体之间的数据翻译层，也让它在和模型公司对话时站在了更客观的位置上。

创业的前两年，刻行的主要收入来自软件授权。把StarBase和coScene私有化部署到客户本地，按项目收费。这条路走得并不轻松。

黄阳明后来复盘，最大的问题在于，一套工具交付出去只是开始。客户要让它真正跑起来，还要配人、建流程、梳理标准，落地成本极高。更难的是销售环节，一套企业级软件要落地，需要依次说服经济买家、技术买家和最终用户，每个环节都有不同的诉求，每个角色都可能成为阻力。

他曾花了大量时间跑客户，从深圳龙华跑到光明，再从宝安跑到南山，在不同的工厂和研发楼之间辗转，一点点打磨面向客户的沟通方式。

对一个长期做内部工具的技术负责人来说，这是最艰难的转型。他习惯了在公司内部解决问题，有需求直接沟通，有问题快速迭代。面对外部客户，反馈链路一下子变长了很多。

国内的工程师文化也和他熟悉的美国环境不一样——遇到不好用的地方，很多人宁愿自己琢磨，也不愿主动提出来。这种文化上的落差，一度让他很不适应。

物理AI爆发前夜

认知在快速进化

现在的刻行，数据业务已经成为绝对的重心。两条路径并行：一条是自营，自建数采场，从采集、治理到标注、质检全链路自己做，最终把成品数据卖给终端客户；另一条是代加工，帮外部的数据生产方做治理、质控、评估和销售撮合，逐渐向平台属性过渡。

据黄阳明透露，数据主要按小时计价，而非按条售卖。比如无本体数据大约300元/小时，真机数据报价2000-3000元/小时，加上特定标注还会再上浮。价格的浮动空间很大，背后是一套精细的价值判断体系。

短任务很简单，拿起一个杯子挪到另一个位置，十几秒就能完成。长任务就要复杂得多，比如准备一整套待客点心，要开冰箱、取食材、切盘、加热、装盘、端到客厅、拉开椅子，整个过程十几分钟到半小时。

机器人连续长时间不出错的概率较低，这种长程任务的稀缺性，决定了它的溢价空间。

除了任务长度，动作密度、失败恢复能力、场景多样性，都会影响数据的最终价值。同样是一小时数据，动作转折多、状态切换频繁的，和重复单一动作的，训练价值天差地别。场景越多样，数据的复用性越强，客户也越愿意持续复购。

在黄阳明的认知里，具身数据从来都不是货架上的标准化商品。它更像工程服务，买家不会上来就签下百万级的订单，通常先要一小批样例回去跑测试，验证有效再加量，几轮磨合下来才会进入稳定采购。

判断数据好不好的标准只有一个：能不能嵌入真实的训练闭环，实实在在地提升模型表现。

这也是为什么单纯堆产能没有意义。刻行的核心壁垒，从来不是有多少台机器人、多少个采集工位，而是从需求翻译到交付的全链路能力。

客户说出一个训练目标，团队能把它拆解成具体的场景设计、本体选型、任务SOP、质控标准，再通过StarBase下发到各个数采场执行，产出的数据经过coScene治理、标注、质检，最终带着完整的元数据和合规凭证交付到客户的训练管线里。

任何一个环节掉链子，整个闭环就走不通。

刻行整合了海内外的模型训练需求

并搭建了完整的交付闭环

这次北美之行，黄阳明见了很多头部模型公司，一个很深的感受是：无本体数据的需求体量，远比真机大得多。

百万小时甚至两三百万小时的需求，从规模不算特别大的创业公司嘴里说出来，已经很稀松平常。

具体来讲，无本体采集的逻辑比较简单，用人类佩戴的第一视角设备记录操作过程，再通过重定向技术映射到机器人身上。通用性强，理论上一次处理就能卖给所有做预训练的公司，加上硬件成本低、可以众包，起量速度远快于真机。

但黄阳明始终清楚真机数据在后训练阶段的价值。

预训练追求量大、通用、成本低，无本体和仿真都能满足；后训练要解决的是真实动力学、传感器噪声、延迟、失败恢复、力控触觉这些问题，这些是无本体和仿真只能逼近、无法真正闭环的部分。

如果说预训练数据是工业化的标准件，后训练数据就是定制化的手工品。两者服务于不同的阶段，不存在谁完全替代谁。

刻行两条线同时布局，一边用无本体数据满足大体量的预训练需求，一边用真机数据深耕后训练的高价值环节。

目前，刻行运营着国内最大的异构人形机器人数据采集场之一，对应意向订单价值超过亿元。接入的机器人本体，覆盖了市面上绝大多数主流厂商。

只是黄阳明很清楚，这些都还只是开始。

等待爆发

做物理世界的数据基座

谈及这一轮AI大爆发与上一轮的区别，黄阳明深有感触。体现在数据层面，就是现在行业里所有的数据采集，本质上都是 "人造" 的。

专门租场地、专门买机器、专门雇人设计任务、专门操作采集。数据是为了训练刻意生产出来的，不是从真实业务里自然生长出来的。

这和互联网时代的数据形态完全不同——京东的物流数据来自真实的仓储流转，美团的外卖数据来自真实的订单履约，抖音的行为数据来自真实的用户浏览。数据是业务的副产品，天然带着真实场景的复杂度。

今天物理世界的数据市场，还没走到这一步。

没有大规模落地的机器人业务，就没有自然涌现的真实数据。大家只能先搭好数采场，人工制造训练素材。这是行业早期的必经之路，也注定了当前的数据成本高、场景有限、多样性不足。

按照黄阳明判断，真正的拐点会出现在机器人垂直落地之后。

他的预期是，三年之内，会有一批技术中等的机器人公司，在特定的垂直场景里跑通商业闭环。工厂上下料、物流分拣、手术辅助、家庭服务……当机器人开始在真实场景里稳定干活，数据就会像互联网时代一样，作为业务的副产品自然涌现。到那个时候，数据基础设施的价值才会真正释放出来。

不是每家有场景的公司，都有能力治理、评估、交易自己的数据。就像互联网时代催生了大量的数据中台、数据治理工具一样，机器人时代也会需要一套完整的基础设施，来承接真实场景里涌出的海量时空数据。

这个过程不会太快。他始终觉得，行业对具身智能的落地节奏，预期还是太乐观了。就像当年所有人都觉得自动驾驶三五年就能全面落地，结果走到今天也只是在特定场景里逐步开放。具身智能的场景复杂度远高于自动驾驶，落地周期只会更长。资本没有耐心等十年，所以会不断制造新的概念、新的风口，但技术本身的进化有它自己的节奏。

在这个过程里，机器人公司会淘汰一批、换一批，概念会换一轮、又一轮，只有数据会一直是核心。没有数据，再精巧的模型也无从迭代。

所以刻行的策略很明确：不追风口，不做硬件，不凑全栈的热闹，坚持生态中立，死死守住数据基础设施这一层。采集设备会迭代，数采场的形态会变，甚至机器人的形态都会变，但数据怎么组织、怎么追踪、怎么评估、怎么流通的底层逻辑不会变。把这一层做深做透，就能吃到整个行业成长的红利。

这件事说起来简单，做起来需要极强的定力。

黄阳明经常说，这个世界变化很快，行业热的时候，到处都是赚快钱的机会，下场做机器人、做模型、做解决方案，似乎都比做基础设施回报更快。

但黄阳明始终觉得，人要做自己擅长且有长期积累的事。就像他常跟身边人说的，选专业要选数学这种不变的东西，不要去追热门的应用方向，做企业也是一样。

在所有不变的东西里，合规是他最看重的变量之一。

事实上，刻行是国内最早走通数据合规路径的公司之一，通过临港和上海技术交易所完成了国内合规链路的搭建，在北美也有合作方协助完成当地的合规流程。

这件事成本很高，也很费时间，但他坚持要做。任何行业都是先放开后规范，等产业规模起来了，监管一定会收口。提前把合规做扎实，短期看增加了成本，长期看就是最深的护城河。

这也是为什么刻行始终强调自己是基础设施公司，而不是单纯卖数据的。

数据交付只是当前阶段的变现方式，底层的产品平台、生产组织能力、质量评估体系和合规交付能力，才是真正支撑长期价值的东西。

对话快结束的时候，被问到创业以来最有成就感的时刻，黄阳明沉默了很久。他说每打通一个环节、每拿下一个合作、每拿到一笔订单，都会觉得不容易，但要说最得意的时刻，好像还没有。永远有下一个问题要解决，永远有下一个关口要过。

他，还在等那个把所有东西真正连起来的时刻。就像埋下一颗种子，看着它慢慢发芽、抽枝，你知道它会长成一棵大树，但现在还需要耐心。