对谈补天石白宇利：从智驾到具身，我想把数据闭环再做一次

汽车在使用过程中就能顺带为智驾系统提供优质数据，但机器人不能。

文丨赵宇

编辑丨龚方毅

今年初，白宇利离开蔚来创办补天石科技（Potentia），公司中文名取自女娲补天，被用来指代具身智能的数据环节；英文名则取 Potentia 拉丁语含义：“潜能”。

创业前，白宇利先后在 Momenta 和蔚来搭建智驾数据系统。在 Momenta，他与团队用 9 个月采集约 5 亿帧真实道路图像，供初代感知算法训练。2020 年 8 月，他加入蔚来，继续参与真实道路数据的采集和模型训练，搭建出一套涵盖上百万辆量产车的数据系统。

白宇利说，现在具身行业不缺硬件制造、算力和人才供给，但规模化、低成本的真实数据仍稀缺，没法像智驾那样汽车跑在路上就顺路把数据采集了。他觉得这是补天石能做的。

被问到如何避免像 Scale AI 那样规模不经济时，白宇利说 Scale AI 前期数据标注业务成本随用户和数据量增长而增加，后期才有语言模型上的数据定义、生成和交互工具等有复利的东西。

这也意味着补天石必须跑得足够快：在巨头意识到具身数据这件事的潜力、带着更多资源进场之前，先把效率提上去，把标准工艺和核心算法沉淀下来。

在补天石，白宇利和团队正在工厂、家庭等场景采集人的操作数据，用于具身模型训练。补天石的一次数据交付从客户的模型需求开始，确定传感器配置、采集场景和处理规则，用自研硬件记录视觉、触觉和肢体动作，经标注和评测后交付客户；也可用于其自研的物理 AI 平台，平台再把新的数据需求下发回硬件。

7 月的最后一个周末，我们与白宇利聊了两个小时，话题从具身数据为何稀缺、行业究竟需要多少数据，到他在智驾行业做了十年的数据闭环，再到补天石与同行的异同，以及他对中美具身产业竞争的看法。

补天石团队现在超过 30 人，多位核心成员是他在蔚来和 Momenta 的老同事，在获得由 Granite Asia 投资的近千万美元种子轮融资后，他们计划近期启动新一轮融资。

以下是《晚点 AI》和补天石科技创始人兼 CEO 白宇利的对话，经编辑：

进入真实场景，为具身模型提供更好的数据

晚点：你们公司为什么叫 “补天石”？

白宇利：公司的英文名 “Potentia” 来自拉丁语，意为 “潜能”；中文名 “补天石” 来自女娲补天的故事。我们相信，具身智能还有很大潜能没有释放，而释放潜能不能只是等待技术自然成熟，一定需要有人去完成那些基础、困难但必要的建设。

具身智能今天仍有不少缺口，我们希望从数据基建做起，补上其中关键的一块。这个名字也代表了我们的价值观：相信潜能，直面难题，愿意长期投入那些基础、困难但真正推动行业向前的事情。

晚点：补天石具体做什么业务？

白宇利：补天石的定位是物理 AI 的基础设施，或者叫具身智能的基础设施。我们借助自研的 Ego 套件，在工厂、家庭等真实场景采集数据，依托团队的数据工程与算法能力做标注和评测后，交付给客户。这些数据也可以在我们自研的物理 AI 平台上使用，平台再将新的数据需求下发回硬件——采集、使用、回流，形成闭环的雏形。

晚点：任少卿说，大语言模型发展快，靠的是数十亿网民贡献的互联网数据。智驾没这么幸运，要用实车采数据。具身是不是更难？

白宇利：我认同他的说法。互联网的语言数据来自人类长期经验，且高度压缩，这也是现在语言模型的基础。而物理 AI 与真实环境的观测数据、交互数据、执行任务的数据，无论你想生成它还是增广它，历史上都没有。这是行业共识。

智驾确实有比较好的场景：车在提供出行价值的同时，可以附带完成数据的采集和回收。你看高速和城市快速路上，大家已经很依赖智驾，因为它带来了正向价值。如果没有正向价值，车只是一个更廉价的采集器。

机器人更难的地方在于，它不存在一个天然的、本身就能产生价值的场景。这是现在最大的瓶颈：纯遥操采集无法做 scaling，因为你所有机器人的硬件成本，都是采集成本。

晚点：行业内有数据采集工厂，上百人戴着传感器执行任务，把数据记录下来。这种数据有价值吗？

白宇利：有价值。可以把数据放在一个光谱上看，最左侧是真机数据：真实操作、完成真实任务，构型和场景分布一致，数据足够准确，对解那个场景的任务最有价值，但贵、少、泛化性差。最右侧是互联网数据：人在日常生活中的第一视角 vlog，量大，但信息密度和精度不够。

想做泛化能力强的机器人，就要平衡光谱两侧怎么取数据。现在大家找到了一些中间态，用比遥操更便宜的方式实现数据量的增长。

其中比较典型的是 Ego 和 UMI 两类方案：Ego 是趁机器人构型还没确定，先让人戴上眼镜、手套和 IMU（Inertial Measurement Unit，惯性测量单元），把人与真实世界交互的视觉、触觉和肢体动作录下来，将来投影到某种构型的机器人上。UMI 则代表另一条路线，不从人手建模出发，而是选择采集与执行器一致性更高的方案，它结构简单、价格低、容易大规模复制，又能直接解掉大量任务——这两年的 WAIC，很多机器人场景的 demo 都是用双指夹爪做的。

晚点：人形机器人采集数据是不是比汽车在道路场景更复杂？比如洗衣服：需要分辨哪些要洗、深浅色分开、内衣袜子不能一起洗等，维度非常多。

白宇利：是。同样是整理衣物，家政阿姨如果没人教，往往只按最简单的规则来；收纳师则对材质、款式有更多理解，收纳方式更有知识含量。这意味着这类任务没有唯一的标准答案——不像道路场景里红灯停、绿灯行，怎么算 “做对了”，本身就取决于知识水平。

叠衣服还只是个短程任务，更长程的是 “收拾衣服” 这件事——从脏衣篓分拣、放进洗衣机，到洗涤、烘干、取出，最后才是叠好收纳，每一环都有自己的难题。

收拾衣服也只是家庭场景中的一类任务。完整的家居环境对机器人的综合能力要求更高，是具身智能最挑战的应用场景之一。

晚点：行业里有种说法，“具身要实现数据闭环快速迭代，需要上千万小时的数据，而现在最多只有几十万小时。” 你认同吗？

白宇利：需要多少数据，很难脱离数据质量给出统一答案。如果以机器人在真实世界执行来算，千万小时肯定不够。可能需要比智驾大一到两个量级，而智驾当年几十亿公里是基础。

另外，大家会把泛化预训练的数据和场景强化、微调的数据混为一谈。做模仿学习，在单一场景下，可能 10 万、甚至 1 万小时或更少就能调得很好。

还有一部分是更长尾的数据，很难预定义，只有边干才能边知道。这需要机器人在真实世界里干活，用 corner case 和 bad case 来定义，这种数据量有多少，现在还说不好。

晚点：所以做数据不能只懂数据，还得懂模型，否则数据也做不好。

白宇利：当然。现阶段，很多模型团队还很难完整定义自己需要什么数据。定义之前，他得先知道有什么样的场景、硬件、spec（规格说明、技术标准或参数指标）能生产这样的数据。即便有了 spec，在什么场景上生产才符合算法需求、数据回来之后怎么用，中间都有很大的鸿沟。而且一次次模型迭代之后，怎么再有新的数据回来？中间需要一个桥梁来做定义和翻译，这就是补天石做的事情。

晚点：给具身模型提供更好的数据，涉及哪些环节？

白宇利：主要是四个环节。一是数据获取：用什么传感器接触真实世界，来源可以是既有硬件、真机或互联网数据。二是数据和任务的定义：什么数据对模型有价值、怎么获取。三是数据处理：手部、末端、肢体关节的识别，行为和任务的描述，把原始数据变成模型能用的数据。四是交付给模型：让模型用起来、拿到反馈，再获取下一波数据。

我们上半年达成的目标就是这条线：跑通了可量产的硬件，有任务定义和分发的能力，能做数据的增广和处理，并且可以交付给真实客户。

目标是让客户的具身模型能够实现按天迭代

晚点：补天石服务的客户都有哪些？

白宇利：谁在做模型，我们就服务谁。现阶段，典型的就是头部的机器人厂商，和在做更多模态基础模型、通用模型的大厂。

晚点：大厂资源很多，为什么不自己做？

白宇利：第一，行业没有收敛，各家 in-house 的数据和平台，更多服务于自己的路线；而数据方向上有些东西是共性的，我们在体外做的优势，就是把共性的部分一体化地建设。

第二，大厂资源很多，但不可能在每个方向上都重投入，而且决策和调整的链路相对较长；创业公司的优势恰恰是决策快。对于一些大厂需要探索，但暂时无法全额投入的方向，比如更激进的传感器和方法，我们可以放在体外快速验证。

因此，我们的迭代要足够快，也要压准方向：在更早的预研阶段就跟大厂算法团队 co-work，跑在它前面或陪跑，才有机会形成长期合作。

晚点：大厂愿意跟你们 co-work 吗？

白宇利：从我们交付的客户看，这个市场肯定存在，大家也非常愿意。有个很有意思的现象：今年下半年，外部看到的是数据短缺、算法团队嗷嗷待哺，同时数据生产团队又很多。既然供需都在，为什么匹配不成订单？

因为算法需要的和市场能供给的，中间有莫大的鸿沟。这恰恰需要懂算法、懂算法路径的人来做数据的理解，再匹配到生产流程，标准化、规模化地生产。

晚点：行业要的是个香蕉，可我现在有的是个苹果——虽然都是水果。

白宇利：对。模型侧很难解决怎么做分布、怎么做评测、怎么把一些前置的小算法做出来。传统数据生产方更擅长执行，但与算法需求之间往往还需要一层理解和转化。这些是我们在智驾体系里跟着算法部门持续积累的，包括对话的口径、沉淀出来的流程、方法论和软件，属于珍贵经验。

晚点：聊到 AI 数据行业，绕不开 Scale AI。它估值一度到过 290 亿美元，后来被收购，也经历了阵痛和转型。它和补天石有哪些异同？

白宇利：我一直用一个标准区分数据公司：它的收入和利润是线性的，还是有复利的？

Scale AI 大部分阶段没有复利。它前期给视觉算法、给智驾标数据，是随人头和数据量增长的生意；后期才沉淀出一些有复利的东西，比如语言模型上的数据定义、生成，和一些交互工具。

只做前者是非常纯的数据公司，这不是我们对自己的定义。我们要的是后者：在持续给模型提供数据的同时，积攒出有复利的东西——沉淀成 SOP、标准工艺，或是软件、核心的模型和算法。

晚点：在国内具身数据行业，比较头部的公司是光轮智能，它和补天石的区别在哪？

白宇利：类似的生态位，不同的方法。Steve（光轮智能创始人谢晨）也是我在蔚来的老同事，他押注仿真，围绕自己的仿真器提供更大量、更低成本的数据。我们做的是不变量：在构型、硬件、模型都没收敛时，建一套软硬件一体的闭环系统，随模型变化快速迭代、拿到反馈。哪套硬件、哪个仿真器更好，都能接进来参与数据生产。我们围绕的是迭代效率和速度。

晚点：从智驾的逻辑看，特斯拉做具身那条路比较顺：智驾全球领先，能力复用到 Optimus，工程能力也强。

白宇利：不一定。在传统行业里做得足够好、分出一个团队做新事情，和一个没有历史包袱、更有创新性的新团队，各有各的优势。机器人行业有机会百花齐放。

中国有足够多的场景、很好的制造业和人才，又有政策支持。美国有很强的研发投入容错率。但机器人到后面，如果你有十倍的数据、十分之一的成本，研发范式可能就跟它不一样，就像 DeepSeek 因为有卡的约束，不得不做极致的算力优化，才做出非常好的成果。

一定是有成本约束，才能做极致的工程化。我坚信国内至少能比肩美国，某些维度上能超过。

晚点：接下来半年到一年，补天石最重要的目标是什么？

白宇利：上半年我们打通了从数据获取、任务生成、任务处理到模型需求的链路，接下来要让它成环，也就是把数据需求到采集的闭环打通。这个闭环已经以单链路交付了一个客户，下一步是多客户的快速交付和沉淀，把交付周期从月级压到周级、天级甚至小时级。迭代速度是我们很核心的北极星。

晚点：放到三年的维度看呢？

白宇利：智驾从 2004 年的 DARPA 公开赛，到第一个 MVP（Minimum Viable Product，最小可行性产品）出来，差不多经历了十年。对我们来讲，如果五年之内能帮助至少 10 家像特斯拉这样的机器人公司产生，那就是一件非常功德无量的事情。

数据的规模决定了智能的规模。如果你想参与到一个更强的智能里，你要有一套系统，能承载大规模数据的获取和处理能力。

晚点：补天石的团队和融资情况分别是怎样的？

白宇利：现在有三十几个人。一部分是我做智驾的老同事，2016、2017 年就入行的人。这拨人的执念不是智驾本身，而是 AI 或者 AGI，有持续的信念。也有从机器人公司出来的老兵，还有来自华为这样大厂的算法人才。

做 infra 需要长期有耐心的人，不是突然觉得机器人很酷就来了。前瞻研究上，我们用了蛮多靠好奇心驱动的 “小朋友”，给他们更远的目标、足够的资源和试错空间，会非常有创造力。

融资方面目前可以公布的是，我们已经完成近千万美元种子轮融资，由 Granite Asia 投资。基于团队建设、基础业务能力和客户拓展方面的进展，我们计划在八九月份启动新一轮融资。

智驾十年：从 5 亿帧图像，到上百万辆车

晚点：你是怎么想到创办一家公司，专门做具身数据业务的？

白宇利：归根结底，还是行业发展到了这个阶段。我一直相信，有生之年能够看到 AI 和机器人真正落地。问题只是，什么样的信号会让你觉得，这一天正在临近。

2016 年我进入智驾行业。恰好那一年，AlphaGo 以 4:1 战胜李世石。那场比赛让我看到，在围棋这种规则明确的任务中，一旦形成有效的技术范式，AI 的能力就可能随着迭代迅速提升，甚至超过最顶尖的人类选手。

后来 Momenta 的创始团队找到我，问我要不要一起做一件很酷的事：把视觉识别技术应用到智驾场景。

当时行业非常乐观，普遍认为智驾可能五年就能实现。但回头看，从 2004 年的 DARPA 无人车挑战赛，到特斯拉等商业公司推动技术落地，再到今天技术路线逐渐收敛，智驾已经走了二十多年。

这段经历让我意识到，技术突破其实只是起点，到真正走向成熟还需要走很长的一段路。今天的具身智能也处在类似阶段，模型和硬件进步很快，但数据基础设施还没有跟上，所以我们创办补天石，希望能把具身智能的数据闭环做起来。

晚点：大家当时非常乐观，记得有创业者放话，“五年实现 L4”。

白宇利：是。现在大家看机器人也一样：乐观的觉得三五年能搞定，悲观的说是有生之年的事。我相信一定能在有生之年看到，机器人在真实世界里解决掉大部分繁杂的劳动。但它究竟是三五年还是五十年，是全行业的事。

此时此刻我看到的是：硬件制造已经不是大瓶颈——以中国制造业的能力，把上百万的机器人做到十万块或更便宜，会很快。模型的上限还没达到——更好、更大量的数据、更细致的场景定义，能让模型的泛化能力持续上升。剩下的，算力也好、人才也好，都不是卡点。

真正阻碍机器人快速落地的，是更好的数据基建，也就是让模型能在真实世界里快速吸取经验。而这恰恰是我前十年在智驾行业解决过的问题。如果我们能做出一个很好的 infra，让具身落地的时间从 50 年压到 5 年，是一件非常值得骄傲的事。

晚点：选择做这件事，和在 Momenta 工作的关系更大，还是和蔚来的关系更大？

白宇利：我在两家公司做的东西，服务于智驾行业的不同阶段。

在 Momenta 时行业路径还没收敛，我们一直在打地基，让研发阶段有第一批数据，帮助模型快速迭代。在蔚来，是让这套系统从 100 辆实验车，推到 100 万辆用户车里，还能持续迭代。

两个阶段对 infra 的要求不一样，恰好对应机器人现在的两个阶段：预训练和基础能力研发，以及场景落地。

晚点：Momenta 的第一批数据是怎么采集的？

白宇利：那个阶段，车上也没有数据。Momenta 最早的做法，是把行车记录仪装到不同的车上去跑里程，并建立一个快速回收的机制。我们用 9 个月时间采集了 5 亿帧真实道路图像，建起第一波数据集，支撑了最初的感知算法迭代。那时还没到控车的阶段，要解决的都是感知问题：识别车、人、道路和车道线，识别哪些是通用障碍物、哪些地方可以开上去。

晚点：在 Momenta 的阶段是从 0 到 1，到蔚来就是从 1 到 10 甚至 100 了。在蔚来要克服的难点主要是什么？

白宇利：感知做好之后，怎么在车上形成闭环。Momenta 也有闭环，但 L4 实验车很贵，没有正向商业闭环时，车队规模只能做到 100 多台。想让闭环快速迭代，需要一个足够大的真实出口：车在道路上真实执行规控动作，把 corner case 收回来，驱动算法迭代。

我们当时看到的是：功能上不了量产车，就很难规模化。2020 年，全球把这件事做得最大的是特斯拉；而在中国市场，最有可能把更好的模型部署到量产车上的，是蔚来。

回头看，我从蔚来离开时，真正有数据迭代闭环的车已经有上百万辆。这些车能采回来的数据、能见到的真实场景和 corner case，跟 100 辆车差好几个数量级，底下支撑迭代的系统也完全不一样。

比车更大、比百万辆更大的规模是什么？我认为具身机器人有这样的机会。那么，是不是需要一套通用的基础设施，能支撑从百万到千万到上亿的设备都能做这样的迭代？这是我出来做补天石这家公司的底层逻辑。

晚点：你在 2024 年 6 月做过一次公开演讲，谈的是智驾行业做这件事的难点。

白宇利：那是在一次智源的论坛上。当时智驾刚开始做无图、做端到端，我讲了一些 infra 上的成果，也讲了世界模型。那时大家还不太懂世界模型是什么，有点早。

回到 2024 年初，我们已经能看到潜在的趋势是：智驾正从 “能不能开” 到 “开的体验好不好”，也就是从效率性转向交互性。

晚点：当时行业面临的技术难点，现在解决了多少？

白宇利：大部分难点能看到解决的路径，因为现在模型已经能在这么大体量的真实运行中形成迭代闭环，快速收敛、让功能变好。要做到接近 L3 水平的智驾功能，现在已经看到曲线，就是时间问题，一两年就会收敛。剩下的长尾问题，很多人认为跟机器人解泛化是同一个问题，需要的可能是相同的技术。

晚点：所以智驾那一套有很多可以复用到具身领域？

白宇利：数据飞轮、数据闭环这样的研发范式，肯定完全复用。机器人、智驾或智能体都符合一个大原则：跟环境交互、拿到 feedback，再把 feedback 变成下一轮数据的输入。infra 层面也大部分可复用：规模化采集真实世界的数据、按模型需求生成高质量数据，以及用数据管线处理不同传感器的数据。

不能复用的主要有三点。一是精度。车纵向控制米级、图像厘米级就够。机器人的执行操作可能要毫米级，从传感器到执行器都跨了量级。

二是场景复杂度。道路场景可穷举，一个老司机一生见多少场景是可计算的。机器人单是居家场景，就跨了两三个量级甚至更多。

三是迭代效率。现阶段，能够在开放环境中稳定完成多种任务的通用机器人仍然很少，模型迭代也比较慢。我们要做的，就是把这套迭代周期逐步压缩下来。

晚点：你已经做了十年智驾，现在又进入具身领域。你图什么？

白宇利：在今天，能找到一件值得长期投入、又能不断满足好奇心的事，并不容易。语言模型正在改变许多白领工作的方式，但机器人要在真实世界中理解环境、完成操作并与人协作，仍然有很长的路。从独立完成任务，到人机协作，再到机器人之间的协作，至少可以持续探索十年。

我也不相信所谓的 “一人公司” 会是最终形态。技术会放大个体能力，但复杂的问题仍然需要协作解决。马斯克想的是在空间尺度上跨星际，其实在空间之外的虚拟世界和更多尺度上，还有非常多能做的事。我希望补天石能够聚集一群有创造力的人，商业公司只是一个载体，而建立这样一种长期、有效的协作方式，是我真正想尝试的事情。

题图来源：补天石科技