从空间扫描到训练闭环,禾赛Kosmo如何进入OpenAI供应链
从空间扫描到训练闭环,禾赛Kosmo如何进入OpenAI供应链
11月,禾赛旗下的三维世界数据引擎Kosmo和物理AI基础设施公司Ropedia达成战略合作,双方联合生产的多模态空间数据,会面向OpenAI、Meta、DeepMind、NVIDIA、Google、Microsoft这些团队,直接进入训练闭环。
这份名单的含金量,不用我多说。这几家对训练数据的要求有多高,圈内人都清楚。能进这个名单,靠的是东西本身。
不过我有个习惯,名单再亮眼,也要扒开看细节:这份要送进OpenAI训练闭环的数据,到底长什么样?
先看数据。11月12日,双方联合支持的Ropedia Xperience 2正式发布:596个地点、1,589个公制尺度3D扫描场景、74项任务、4,230条第一视角记录,总时长131小时,场景扫描全部由Kosmo One完成。
可能有人觉得,131小时不算多。
但这件事的重点不在时长。真正值得留意的是,业内第一次把静态空间资产和动态人类经验放进了同一个坐标系、同一条时间轴上,原生对齐。
举个例子,以前具身智能的训练数据是缺一条腿的:三维重建能把空间还原得很准,但里面没有人;第一视角视频能记录人怎么操作,但空间坐标对不上。模型拿这种数据学东西,相当于看着一张没标比例尺的地图学走路。这次等于把两条腿接上了,同时还跑通了实转虚、动作重定向、虚拟遥操作、长程轨迹生成四条数据复用路径。1,589个场景,就是1,589张标好比例尺的地图。
再说商业模式,我个人觉得这是整件事里最值得琢磨的部分。
双方做的不是卖一批数据就结束,而是一个循环:模型定义采集规范,针对性采集,交付训练,失败案例再回流回来指导下一轮采集。
说白了就是,客户的模型哪里学不会,问题就带回来,下一批数据专门补这一块,数据跟着模型一起迭代。做过生意的应该明白,一锤子买卖赚的是差价,嵌进客户研发流程里赚的是长期合作。而且客户不用分开买空间数据和行为数据、自己做跨源对齐,数据工程成本和Sim-to-Real的落差都省了。这种便利,用过之后基本回不去。
硬件也值得看一眼。10月14日刚发布的Kosmo One,号称全球首款8K超高清AI空间相机,单台集成了高解析力激光雷达、8K影像、一英寸大底CMOS和高精度IMU,微秒级同步采集,毫米级几何精度。配合Kosmo World平台,一次重建能同步生成3DGS、mesh、depth三种数据,没扫到的区域由AI补全。
Ropedia CEO陈昭熹有个说法我印象挺深:Kosmo采的是舞台,他们采的是剧本和演员。舞台标准化之后,剧本的价值才更显出来。这家公司的背景我也查了下,服务全球1800余家数据机构,覆盖20余家头部具身智能企业,旗舰数据集Xperience-10M在Hugging Face具身智能榜单排第一。算是正经玩家。
最后说下我的看法。
市场看禾赛,大多盯着激光雷达装机量榜单。但就在大家盯着这块的时候,这家公司已经把业务伸进了OpenAI这些团队的训练环节。激光雷达解决的是让车看清路,Kosmo解决的是让AI理解物理世界。高质量的真实空间数据,正在从稀缺资源变成行业标配,而做标准资源生意的公司,通常在价值链上的位置比较稳。这,才是这份名单背后真正值钱的东西。
来源于互联网黑板报
免责声明:上述内容仅代表发帖人个人观点,不构成本平台的任何投资建议。


