2026年下半年,智元、乐聚等头部具身智能厂商,都在试图从模型架构的军备竞赛,转向数据基础设施的争夺战。这意味着具身智能与物理AI似乎正在经历一场更大范围的范式迁移。 这一转变的内在逻辑在于,当Transformer架构趋于共识,当RL训练框架日渐标准化,制约具身智能规模化落地的瓶颈,开始向上游悄然移动,而三维结构化训练数据的稀缺性,正以越来越刚性的方式卡住整个产业的进化速度。 半导体产业曾有过类似的历史节点。1980年代,设计与制造分离,台积电的崛起使芯片设计公司无需自建晶圆厂,整个产业的创新密度由此数量级跃升。 今天的物理AI领域,正在酝酿一次非常类似的垂直分工。当下游具身智能企业在拼命堆叠算法,越来越多人意识到,谁来为整个产业提供数据货币的基础铸造能力,或许谁就能引领未来。 机器人大讲堂近日发现,群核科技在这个问题上,比多数人更早给出了答案。近日其三篇论文同时入选计算机视觉领域顶会ECCV,覆盖空间感知与推理评测基准、强化学习数据生成、高保真物理仿真三个核心方向,这家企业历经十余年沉淀后,已经系统性构建一条物理AI的仿真数据生产线,试图博弈更远的未来。 01. 三维数据短缺的结构性问题 先来看看这几篇论文: 《SPEAR: A Simulator for Photorealistic Embodied AI Research》直接对准了仿真训练场的真实感与可编程性瓶颈——群核科技联合Adobe等多家科技巨头共同打造,开放超过1.4万个原生接口,能以照片级真实感同步输出深度图、语义分割等多模态训练数据,相当于为具身智能企业提供了一个开箱即用的高保真训练场。 《Stand Up and Move: Benchmarking Interactive Spatial Intelligence in WalkerBench》瞄准的是评测体系的缺失。这是全球首个基于真实街景的交互