文章核心观点 - 物理AI（以具身智能和世界模型为代表）是当前科技与投资热点，但其发展面临高质量数据严重短缺的核心瓶颈 [1][3][6] - 行业为解决数据问题，正从单一的真实数据采集、虚拟仿真或互联网视频提取路线，转向虚实融合的综合方案 [2][7][8] - 无问智科发布了业界首个物理AI数据基座平台“无垠”，旨在通过“高质量数据体系”、“高价值场景生态”和“Real2Sim2Real全闭环工具链”三项核心能力，为行业提供大规模、高质量的数据基础设施，打通从训练、测评到商业落地的全链路 [11][15][17][23][29] 行业背景与痛点 - 2026年，具身智能和世界模型是火爆赛道，年内已合计吸金超300亿元 [1] - 具身智能赛道融资活跃，开年2个月融资超20起，行业累计融资金额已超200亿元 [3] - 物理AI（具身智能）面临的最大痛点之一是高质量数据极度稀缺 [6] - 与LLM拥有海量互联网文本/图片数据不同，物理AI需要带物理反馈和交互的多模态数据，当前行业数据供给量与通用具身智能需求量的差距可能在一千万倍以上 [6] - 行业现有的三种数据解决方案各有弊端：真实数据采集成本极高、效率极低；虚拟仿真存在Sim2Real鸿沟；提取互联网视频则利用难度高且缺失物理模态 [7][8] “无垠”数据基座平台的核心能力 - 平台首次提出“数据基座”概念，具备三项核心能力 [11] - 高质量数据体系：结合大量真实场景采集数据与大规模高保真合成数据 [11] - 高价值场景生态：依托仿真技术实现大规模场景泛化与模拟，联合生态伙伴覆盖大量可落地真实场景 [11] - Real2Sim2Real全闭环工具链：实现从数据采集、模型训练、场景测评到产业落地的端到端打通 [11] - 平台已积累超1000TB规模的数据，并宣布将开源1万小时高质量数据以解行业燃眉之急 [15] 平台的技术实现路径（虚实融合） - 数据层：通过多源异构采集与多模态合成，解决数据稀缺与质量难题 [17] - 场景层：实现从训练场1:1复刻到德清全域、长三角高价值真实终端场景的虚实结合全覆盖 [17] - 工具链层：以数据采集范式、跨本体数据迁移、自动化标注、生成式仿真、智能化评测等技术打造全链路闭环工具链 [17] - 应用层：最终实现“训练—测评—落地”持续优化闭环 [17] - 真实数据采集方式全面，包括VR遥操、外骨骼遥操作、UMI、动作捕捉等多种模态，为行业最多模态的采集方式 [18] - 提供跨本体数据迁移工具链，解决数据不通用、企业闭门造车的问题 [18] - 通过高保真生成式仿真技术（如与地平线联合发布的EmbodiedGen数字表亲和数字远亲功能），将真实场景1:1还原至虚拟世界并可任意改变，实现真实数据的指数级放大 [18] - 平台已拥有百万级“simready资产”（可实现毫米级物理交互的仿真物体），覆盖全场景、全品类、全模态 [20] 平台提供的产业价值与生态 - 平台不仅提供数据，还帮助行业打通训练、评测和落地的整个链路 [23] - 训练环节：提供的数据覆盖物流仓储、家庭服务、酒店文旅、工业制造、办公服务和商业零售等六大核心作业场景，支撑模型实现更强泛化性 [23] - 测评环节：提供具身仿真评测框架，支持仿真模拟环境和世界模型环境评测，可自定义任务并进行规则或开放式评测 [23] - 落地环节：基于生态合作伙伴开放的高价值场景，帮助企业打造标杆案例，展示机器人“干活”价值 [25] - 生态合作案例：星动纪元展示了利用平台数据打造的具身智能通用物流场景解决方案 [25]；中国优选运营宣布第一家未来新零售旗舰门店落地长三角（德清）具身智能数据采集训练场 [27] - 平台已吸引五十多家生态合作企业，形成行业最豪华的生态阵容 [29] - 与地平线、地瓜机器人达成深度战略合作，旨在形成“算力（地瓜机器人）+算法（地平线）+数据（无问智科）”的完整基座能力，打通研发到量产的最后一公里 [31] 公司背景与行业洞察 - 无问智科创立于2022年11月，创始人兼CEO刘盛翔是中国最早的自动驾驶开拓者之一，曾主导构建百度Apollo自动驾驶数据与测试验证体系 [34][36] - 创业初衷是洞察到物理AI缺乏高质量数据的行业痛点 [36] - 创业2个月后即与地平线达成合作，地平线不仅是其深度合作伙伴和首位投资人，其创始人余凯还担任无问智科首席顾问 [38] - 自动驾驶与具身智能赛道技术有交集、供应链高度重合，自动驾驶玩家的经验可在具身智能领域复用 [38] - 但具身智能缺乏标准化的数据采集方案、大规模采集方法及生产使用数据的工具链，因此专业的第三方数据基础设施对行业意义非凡 [39]