China Bukan Sekadar Membina Robot Humanoid — Ia Sedang Membina Kilang Data

Persidangan Robot Dunia 2026 di Beijing memberikan gambaran jelas tentang hala tuju industri robot humanoid China: tumpuan kini bukan hanya pada pembinaan tubuh robot yang semakin canggih, tetapi juga pada infrastruktur data yang diperlukan untuk melatih “otaknya”.

Sekurang-kurangnya 90 pusat pengumpulan dan latihan data robot humanoid dilaporkan sedang beroperasi atau dalam pembinaan di seluruh China. Angka ini menunjukkan bahawa keutamaan pelaburan sedang beralih daripada menghasilkan perkakasan kepada mengumpul pengalaman fizikal dalam skala industri. Namun, persidangan itu turut mendedahkan jurang antara menghasilkan data dalam jumlah besar dengan membuktikan bahawa data tersebut benar-benar melahirkan kecerdasan robot yang boleh dipindahkan merentas mesin, tugasan dan tempat kerja. 13

Data berjasad menjadi aset strategik baharu

Robot humanoid memerlukan lebih daripada imej atau teks. Untuk melatih kecerdasan fizikal yang berguna, sistem perlu memahami apa yang dilihat manusia, cara manusia bergerak, tindak balas objek serta urutan sesuatu tindakan dari masa ke masa.

Sebab itu video perspektif pertama, maklumat posisi badan, data kedalaman, isyarat sentuhan dan status robot menjadi input penting kepada model AI berjasad. Dalam konteks ini, “data berjasad” merujuk kepada data yang menghubungkan persepsi dengan tindakan fizikal di dunia sebenar.

Lightwheel AI mengetengahkan pendekatan itu melalui EgoSuite-Open100K, sebuah dataset aktiviti manusia perspektif pertama yang dirancang mencapai 100,000 jam. Dataset tersebut merangkumi lebih 15,000 tugasan dan lokasi pengumpulan dunia sebenar, dengan rakaman daripada kamera yang dipasang pada kepala dan pergelangan tangan, selain posisi tangan serta seluruh badan, label semantik dan maklumat kedalaman. Sebanyak 10,000 jam pertama disediakan melalui Hugging Face, manakala projek itu turut menyasarkan pengedaran melalui AtomGit. 1 12

Kelebihannya mudah difahami: demonstrasi manusia dapat meliputi pelbagai pergerakan dan tugasan harian tanpa setiap contoh perlu dirakam menggunakan robot fizikal yang mahal.

Namun, data manusia tidak sama sepenuhnya dengan pengalaman robot. Manusia secara semula jadi menyesuaikan keseimbangan, geseran dan sentuhan. Robot pula perlu mengesan dan mengawal kesan fizikal tersebut melalui badan, sendi dan penderianya sendiri.

Enam cara mengumpul data, satu pertukaran asas

Tian Feng dari Intelligent Industries Research Institute milik SenseTime berkata enam kaedah pengumpulan data sedang digunakan secara selari. Antaranya ialah teleoperasi, penangkapan gerakan, data sintetik dan pengumpulan data di barisan pengeluaran sebenar. 13

Setiap kaedah menangkap bahagian masalah yang berbeza:

• Teleoperasi boleh mengekalkan tindakan khusus robot serta maklum balas fizikal, tetapi memerlukan perkakasan robot, pengendali dan infrastruktur terkawal.
• Penangkapan gerakan merekod pergerakan manusia pada skala besar, tetapi tidak semestinya menangkap daya dan kekangan yang akan dihadapi robot.
• Data sintetik boleh menghasilkan senario luar biasa dengan pantas, walaupun tingkah laku dalam simulasi masih perlu dipindahkan dengan baik ke dunia fizikal.
• Pengumpulan di barisan pengeluaran paling hampir dengan kegunaan komersial kerana ia merakam tugasan, kegagalan dan kekangan persekitaran yang sebenar.
• Rakaman perspektif pertama manusia menawarkan liputan luas pada kos yang lebih rendah, tetapi mungkin tidak mengandungi dinamik robot seperti tork sendi dan daya sentuhan.

Perbezaan kosnya besar. Menurut perbincangan tersebut, rakaman manusia tanpa menggunakan badan robot boleh menelan kos kira-kira satu perlima berbanding pengumpulan demonstrasi menggunakan robot fizikal. Pertukarannya ialah data itu mungkin lebih mencerminkan cara pekerja pengumpulan data yang diupah melakukan sesuatu tugasan, bukannya cara pekerja berpengalaman melakukannya. 13

Itu bukan alasan untuk menolak data manusia. Sebaliknya, data tersebut wajar dilihat sebagai satu lapisan dalam campuran latihan yang lebih luas, bersama teleoperasi, data status robot, simulasi dan maklum balas daripada penggunaan sebenar.

Rantaian bekalan perkakasan kini turut menjadi rantaian bekalan data

Mesej lebih luas daripada persidangan itu ialah infrastruktur robotik kini merangkumi peralatan untuk merakam demonstrasi dan tingkah laku sensorimotor — bukan sekadar motor, bateri dan rangka robot.

Sistem rakaman perspektif pertama dan peranti tangan, sarung tangan data, antara muka sentuhan, kamera, mikropengawal, memori serta komponen analog semuanya menjadi sebahagian daripada saluran data. 13

Peralihan ini membuka laluan yang berpotensi lebih murah untuk mengumpul sejumlah besar demonstrasi. Tetapi ia juga menimbulkan masalah piawaian. Data yang dikumpulkan menggunakan penderia, kaedah penentukuran, ruang tindakan, perisian perantara dan konvensyen pelabelan yang berbeza mungkin sukar digabungkan.

Inilah yang sering digambarkan sebagai “data pulau” — rekod yang berguna tetapi terperangkap dalam susunan perkakasan dan perisian yang menghasilkannya. Dataset terbuka boleh mengurangkan masalah itu, namun sifat terbuka semata-mata tidak menjamin data boleh digunakan semula.

Skema data bersama, metadata penentukuran, piawaian masa, antara muka dan protokol penilaian diperlukan sebelum jumlah data yang besar boleh berubah menjadi keupayaan bersama merentas platform. 13

Adakah robotik mempunyai hukum penskalaan AI?

Satu lagi persoalan yang belum terjawab ialah sama ada corak yang biasa dilihat dalam model bahasa besar — lebih banyak data dan model yang lebih besar menghasilkan sistem yang lebih berkebolehan — turut terpakai dalam robotik.

Laporan GEN-0 oleh Generalist AI pada November 2025 memberikan jawapan yang menggalakkan tetapi masih terhad. Dalam eksperimen syarikat itu, model yang lebih kecil sukar menyerap data sensorimotor yang semakin pelbagai, lalu mengalami keadaan yang disebut sebagai “ossification” atau kekakuan model. Prestasi terus meningkat pada skala lebih besar, dengan laporan itu mengenal pasti peralihan yang kelihatan sekitar 7 bilion parameter. 36

Dapatan ini penting, tetapi belum boleh dianggap sebagai hukum penskalaan robotik yang diterima seluruh industri. Ia datang daripada model, data dan kaedah penilaian sebuah syarikat. Robotik juga berdepan cabaran tambahan yang tidak dihadapi model teks dengan cara yang sama: sesuatu dasar kawalan perlu bertindak melalui tubuh tertentu, dalam persekitaran tertentu dan di bawah kekangan fizikal sebenar.

Jadi, persoalannya bukan sekadar sama ada model itu cukup besar. Persoalan yang lebih penting ialah sama ada data latihan mengandungi isyarat fizikal yang betul, serta sama ada dasar kawalan yang terhasil boleh dipindahkan kepada badan robot dan tugasan yang berbeza.

Banyak robot dihantar tidak bermakna permintaan komersial sudah kukuh

Skala pembuatan China memberikan kelebihan besar untuk menggunakan robot dalam eksperimen dan pengumpulan data. Namun, jumlah penghantaran boleh mengelirukan jika kebanyakan mesin masih digunakan untuk demonstrasi keupayaan, bukannya menghasilkan nilai ekonomi berulang.

Interact Analysis melaporkan bahawa pengeluaran robot humanoid global melebihi 20,000 unit pada 2025. Tetapi hanya kira-kira 10 peratus digunakan dalam aplikasi dunia sebenar; majoritinya digunakan untuk penyelidikan, pengumpulan data atau hiburan. Analisis yang sama mengenal pasti China sebagai pemacu utama bekalan dan penggunaan awal robot humanoid. 21

Konteks ini penting apabila menilai ledakan pusat data. Sokongan kerajaan, pembelian pukal dan program pembelian balik data boleh meningkatkan jumlah robot, kemudahan serta jam rakaman dengan pantas. Langkah itu mungkin membantu membina ekosistem pembelajaran, tetapi tidak dengan sendirinya membuktikan bahawa pelanggan sanggup membayar robot yang boleh mengurangkan kos, meningkatkan pengeluaran atau melakukan kerja yang sukar dilaksanakan manusia.

Kesimpulannya: masalah sebenar ialah penyatuan

Persidangan Beijing itu tidak membuktikan bahawa China telah menyelesaikan kecerdasan berjasad. Sebaliknya, ia menunjukkan bahawa industri tersebut sedang mengumpulkan komponen untuk penyelesaian yang berpotensi pada skala luar biasa:

1. Data yang luas daripada demonstrasi manusia dan pelbagai persekitaran.
2. Data yang berasaskan fizik daripada teleoperasi, penderia robot dan tugasan pengeluaran sebenar.
3. Infrastruktur yang saling beroperasi supaya rakaman boleh digunakan merentas badan robot dan timbunan perisian.
4. Model yang boleh berkembang dan dipindahkan, bukan sekadar menghafal demonstrasi.
5. Maklum balas penggunaan sebenar yang merekod kegagalan, pemulihan dan campur tangan manusia.
6. Hasil komersial yang dapat membiayai pengumpulan data seterusnya tanpa bergantung selama-lamanya pada subsidi.

Ekosistem yang dicadangkan Lightwheel juga menghala ke arah kitaran seperti ini: piawaian data terbuka, pengumpulan yang dipandu penilaian serta reka bentuk bersama antara data dan model. 1

Kesimpulan paling tepat bukanlah “China telah membina otak robot”. China sedang membina kilang, instrumen dan dataset yang bertujuan menjadikan otak sedemikian mungkin. Sama ada infrastruktur itu mampu menghasilkan robot humanoid yang benar-benar berguna secara meluas akan bergantung pada kualiti data, ketepatan fizikal, keserasian merentas perkakasan dan bukti bahawa robot boleh mencipta nilai berterusan di luar demonstrasi serta makmal penyelidikan.