具身智能的「GPT時刻」是否已經臨近?Axis Robotics宣布結束測試,即將於Base鏈上線

By: blockbeats|2026/03/26 13:00:09
0
分享
copy
文章來源:Axis

Axis Robotics 正在以仿真優先(Simulation-First)的策略,重構具身智能的數據多樣性與規模化生產方式。

2025 年,機器人行業的多條技術路線正快速收斂:具身硬件供應鏈的商品化升級,讓過去昂貴的原型機首次具備了規模化落地的現實可能;視覺-語言-動作(VLA)模型為機器人帶來理解語義、推理與規劃的「大腦」;而從視頻先驗到仿真合成構成的多層數據金字塔,也在為具身智能的持續進化輸送源源不斷的燃料。

然而,行業仍面臨一個最核心的瓶頸:數據。與大語言模型和自動駕駛相比,具身智能在預訓練階段依舊存在巨大的數據缺口。圍繞這一缺口,業界正在沿多條路線推進:UMI 的大規模操作數據、第一視角(Ego-Centric)視頻的自然互動數據,以及快速發展的仿真合成數據體系。在這幾類數據源共同演進的背景下,學界和工業界逐漸形成了新的技術共識:依賴高質量、大規模仿真數據預訓練,再通過少量真機數據微調,是當前最可行的路徑之一。

但這一共識也提出了更高要求——仿真數據必須同時具備 高質量、低成本、可規模化 三個特性,否則真機數據成本高、仿真質量不足的雙重困境將持續拖慢模型訓練的迭代速度。

所以,具身智能的「GPT 時刻」是否已經臨近?

Axis 的答案是肯定的——前提是需要徹底重塑機器人數據的規模化生產方式,並重新定義物理世界中的部署範式。

Axis Robotics 讓普通人也能參與到具身智能的數據蒐集

傳統的機器人數據蒐集依賴小規模專家團隊或局域遙操作,既難擴規模,也缺乏足夠的多樣性。為突破這一瓶頸,Axis 採用仿真優先(Simulation-First)的策略,構建了端到端具身智能數據基礎設施,並通過分佈式人類協作大幅提升數據生產能力。機器人既服務於人類,也在大規模的人類參與中被持續構建和進化。

Axis 從成立之初就認識到:僅僅提供數據遠遠不夠。要真正破解具身智能的數據困局,必須構建一條覆蓋核心環節的、端到端技術管線。其中最關鍵的三大環節是:任務生成、數據蒐集,以及數據評估與處理:

● 任務生成:無限擴展的動態任務引擎。

數據的邊界,決定機器人的能力邊界。Axis 打造了新一代的 3D 動態任務生成引擎,將用機器人必備的技能結構化拆解為原子技能,並可通過提示詞生成海量高質量仿真任務。從單一場景到複雜鏈式任務,機器人都能在無限豐富的任務空間中持續進化。

具身智能的「GPT時刻」是否已經臨近?Axis Robotics宣布結束測試,即將於Base鏈上線

● 數據採集:人人可用的零門檻採集平台

Axis 將過去專業實驗室才能運行的複雜仿真環境,帶到了瀏覽器和移動設備上。用戶只需打開網頁,就能實時操控機器人和機械臂,像玩遊戲一樣生成高價值的數據軌跡。沒有硬件負擔,沒有技術門檻——數據生產從此真正做到「隨時、隨地、為所有人開放」。

-- 價格

--

● 數據評估和處理:讓每條數據「可用、可訓、可規模化」

每一條數據軌跡都會經過 Axis 自研的自動化評估系統,從完成度到穩定性,從有效性到流暢度,多維度篩選與處理,最終產出可直接進入模型訓練的數據資產。高質量不再依賴人工篩查,而是通過系統化能力實現規模化生產。

在這套完善產品能力的背後,Axis 也構建了強大的基礎底盤。MetaSim 是我們專為具身智能打造的統一底層,負責仿真器解耦、數據驗證與數據增強,是整個數據管線穩定運行的核心引擎。依托 MetaSim,用戶在輕量級 Web 仿真器中生成的大量人類演示軌跡,可以被無縫複現到 NVIDIA Isaac Sim 中進行高精度驗證。與此同時,Axis 深度利用 Isaac Sim 強大的物理與圖形引擎,對原始數據進行高保真渲染和大規模域隨機化(Domain Randomization)。通過這一關鍵增強步驟,數據在 Sim‑to‑Real 遷移和魯棒模型訓練中的價值得以成倍放大,讓每條數據都能在真實世界中產生更強的泛化能力與實際效用。

(網頁端採集原始數據經過增強後成功用於訓練模型,並完成真機部署)

與此同時,只有建立起有效的激勵與擴散機制,這套完善的基礎設施和產品體系才能真正生根發芽,惠及更廣泛的參與者。這正是 Crypto 的獨特價值所在。Axis 希望以 Crypto 為底層,構建一套真正服務於產品實用性的激勵與分發網路,讓全球的普通用戶都能以分佈式的方式參與具身智能的構建過程。

通過這一網路,數據貢獻、任務執行與激勵反饋將實現全流程的透明、可查與可追溯;更重要的是,它為數據任務和軌跡數據的資產化打開了全新的可能性——讓每一次參與,都能轉化為具身智能生態的一部分價值流動。

Axis 已經通過一條完整的端到端數據管線,驗證了其採集軌跡在模型訓練中的真實有效性

在「Little Prince's Rose(小王子的玫瑰)」活動中,團隊僅用三天時間,便從社區收集了超過 1 萬條高質量軌跡。所有軌跡在重放驗證、數據平滑等增強處理後,被直接送入策略訓練,並最終成功部署至 Franka 機械臂,實現了自主澆花這一具身任務。

這一里程碑展示了 Axis 的零樣本 Sim‑to‑Real 遷移能力,也首次證明:基於 Web 的大規模眾包仿真遙操作,完全可以生成可用於訓練具身智能模型的高價值數據。

社區對 Axis 兼具「可玩性 + 挑戰性」的產品體驗表現出極高熱情。兩輪測試累計 15 天,總參與用戶超過 20,000 名,累計數據軌跡數量超過 170,000 條,這些數據均可在產品實時數據面板中公開查看。

Axis Robotics 的使命,是推動具身智能的真正民主化

Axis 相信,正如機器人未來將服務於每一個普通人的生活,普通人也應該擁有參與構建下一代機器人的權利。最終,Axis 交付給市場的核心價值,奠基於兩大支柱之上:

1、用於預訓練的「高質量」機器人仿真數據集

Axis 正在為通用機器人基礎模型提供真正有意義的資料輸入。「高品質」不僅意味著規模,更意味著任務類型的高度多樣性、場景佈局的豐富性以及資料的多模態結構。Axis 的目標不是簡單地生成大量資料,而是重新定義行業標準——什麼樣的資料,才稱得上是可直接用於預訓練、能夠推動學術與工業前沿進步的機器人資料。

2、可擴展的基礎設施堆疊

除了資料本身,Axis 正在建構一個低門檻、靈活且長期可擴展的技術基礎設施,並以生態化思維重新定義其開放方式。我們的願景,是讓這套設施不是 Axis 單家使用,而是通過開放端口,吸引更多參與方共同建構整個具身智能生態。

在未來,我們將逐步開放任務建構、資料蒐集、資料處理與模型訓練等核心介面,讓開發者、研究機構、企業與社區能夠以插件化、可組合的方式參與其中。在不牺牲技術嚴謹性的前提下,這套開放生態將同時支援大規模的普惠參與,以及模型級的高品質產出,使具身智能的建構從封閉流程,走向真正的開放協作。

Axis 正在與製造業、機器人本體廠商以及模型公司建立廣泛的生態合作,包括蓮花汽車、Booster Robotics、群核科技、元點智能等夥伴,共同在資料生產、模型訓練與實際部署等多個維度推進落地。

以亟需規模化本體遙操作資料的具身機器人公司為例,Axis 會將其本體轉化為高保真的數位孿生,並通過動態任務生成管線建構 sim-ready 的場景佈局與任務資產。隨後,通過 Axis 的分佈式任務分發體系,全球用戶可直接在瀏覽器中操作該數位孿生機器人,完成多樣化、高品質的軌跡貢獻,從而以標準化、低成本的方式實現資料生產與業務協作。

隨著機器人硬體供應鏈不斷走向成熟、製造成本大幅下降,具身智能行業的價值重心正從硬體軀殼加速遷移至底層 AI 模型與資料基礎設施。在未來規模達萬億美元的具身智能市場中,資料與 AI 演算法層預計將佔據約 10% 的核心產業價值。而在這一新興的資料經濟體系中,隨著物理引擎精度提升、域隨機化技術廣泛應用,仿真資料正從輔助工具轉變為真正的核心生產要素,並成長為潛力達到千億美元級的基礎設施賽道。

面對這一臨近爆發的市場需求,Axis Robotics 以輕量化的網頁接入和分佈式任務分發機制,將傳統「昂貴、集中、重資產」的仿真遙操作模式,重塑為可指數級擴展的全球數據網路

通過大幅降低邊際數據生產成本、提升高並發軌跡蒐集能力,Axis 不僅為行業夥伴提供高效、可擴展的數據解決方案,也在快速增長的具身智能數據市場中,形成了具備強增長性、廣闊營收空間與可複製性的商業模式。

展望未來:邁向具身智能的「GPT 時刻」

具身智能的「GPT 時刻」,需要一個能夠捕獲人類智能、並將其穩定轉換為可驗證的機器執行能力的核心引擎。隨著在 Base Chain 的正式上線,Axis 正在部署這樣一套面向未來的分佈式基礎設施——一個既具韌性、又能承載全球協作規模的開放網路。

3 月 25 日,Axis 的主產品正式上線,面向所有人開放:普通用戶、研究人員、開發者,以及全球各地的 AI 實驗室,都將能夠加入這一生態,共同構建歷史上最大規模、最具多樣性的機器人訓練數據集。

具身智能不會由少數人垄斷;它將由所有人共同締造。

本文來自投稿,不代表 BlockBeats 觀點。

猜你喜歡

如何成為一名專業的加密貨幣交易員:WEEX 對法拉利賽車手卡爾·穆恩的訪談

法拉利賽車手卡爾·穆恩談如何掌握加密貨幣交易:80/20 法則、人工智慧工具、比特幣9.5 萬美元,以及賽道上的風險教訓。

早報 | 亞馬遜追加投資 Anthropic 最高達 250 億美元;SEC 擬推出“創新豁免”機制支持代幣化證券鏈上合規交易

4 月 21 日市場重要事件一覽

杰夫·霍夫曼,Booking.com的創始人:Web3和人工智慧如何重塑萬億美元的社交旅行市場

最有價值的平台不僅是供應商的聚合者,還將圍繞支付、忠誠度和社群建立關係網絡。

美國司法部開設40億美元的OneCoin申請賠償平台

美國司法部推出了一個專供OneCoin受騙投資者申請賠償的平台,涉及被詐騙的資金總額達40億美元。 平台目前可供索賠的金額超過4千萬美元,資金來自犯罪資產沒收,特別是與Konstantin Ignatov相關的資金。 索賠截止日期為2026年6月30日,投資者需在此之前提交相關損失證明。 可用資金相對於被盜的總金額來說僅為九牛一毛,投資者最多只能拿回每美元被盜資金的一分。 主謀「加密女王」Ruja Ignatova仍然在逃,被列入聯邦調查局十大頭號通緝名單。 WEEX Crypto News, 美國司法部OneCoin申請賠償平台的運作 美國司法部新推出的平台允許OneCoin詐騙的受害者申請賠償,平台提供的4千萬美元來自於犯罪資產的沒收。這些資金與被捕的共同協作者Konstantin Ignatov相關,他被控以電信欺詐和洗錢罪名。受害者需提交經過文件證明的索賠,司法部將根據受害者的損失情況進行驗證,並根據獲得的賠償金額按比例分配。 平台運作有約束,因為證據不足或法律管轄權的缺乏,使得部分資產無法追回。該詐騙案的實際總損失遠超於司法部可收回的4千萬,造成每名索賠者拿到的金額僅僅是其損失的極小部分。 [放置圖像:OneCoin標誌或詐騙主謀圖片] 美國司法部舉措的成效和挑戰 OneCoin詐騙案的籌劃主腦Karl Sebastian…

以太坊價格預測:ETH 自早上以來上漲 9%,表現優於大多數資產

以太坊價格在過去 24 小時內上漲 9%,目前接近 $2,400 的阻力位。 比特幣 ETF 出現淨流出 $325.8 百萬,而以太幣 ETF 流入 $187 百萬,顯示市場資金轉移。 以太坊日交易量週比上升 41%,達到約 360…

Foundry迅速攫取Zcash算力近三成份額

Foundry在短短一個月內攫取了Zcash網絡29%的算力,這一速度與ViaBTC的步伐形成鮮明對比。 該公司透過提供針對機構礦工的合規基礎設施迅速完成了算力的擴張。 Foundry與ViaBTC各控制約三成算力,意味著Zcash的礦池集中度結構發生改變。 Foundry的進入可能代表去中心化,而逐步上升超過35%則會改變這一敘述。 WEEX Crypto News, Foundry疾速佔領Zcash礦池算力的背後意義 Foundry在短短一個月內就獲得了Zcash網絡算力的29%。這一數字代表著Zcash現存的挖礦環境發生顯著改變,新的算力架構吸引了許多機構礦工。在這種情況下,網絡的安全性必須進行重新評估。Foundry的快速進入與其具備的合規性設計密不可分,確保了在滿足多數機構需求的基礎上,不影響礦池的運行效率。 Foundry將成為Zcash網絡結構的轉折點? Foundry能否維持其目前的算力份額,將取決於其後續在網絡內部的市場行為。如果Foundry的份額繼續上升到35%以上,那麼最初以去中心化為目的的進入,就可能被解讀為新的中心化趨勢。Zooko Wilcox,Zcash的創始人,表示Foundry的參與有利於分散原本集中於一個池的算力力量,並且提高了整個網絡的反應效率。 Foundry的設施如何滿足機構需求? 從Foundry的行為模式可以看出,其在算力池內部組建了一套基於美國監管標準的合規系統,並包含PPLNS支付模式、KYC/AML查驗、SOC 1與SOC 2等同級審計及24/7技術支持服務。這樣的高標準令其成為吸引機構礦工的主要力量,這與其在比特幣池中的表現相互呼應。 Zcash未來的路徑會像比特幣一樣嗎? Zcash的算力結構迅速演變,機構力量的介入加速了整個網絡的激活程度。Foundry的快速崛起表明,各礦工對於合規池的需求似乎已過時論斷。因此,未來的挑戰在於如何將這種活力轉化為持久的社會信任,而不是回落至過去的集中化狀態。…

熱門幣種

最新加密貨幣要聞

閱讀更多