# 智域基石发布数据编译管线，结构化语言对齐具身操作资产

> 原文链接：https://robotics.hellobike.com/news/2026-11-16-4093c8cb
> 频道：news | 更新日期：2026-11-16 | 标签：auto, rss, 36kr
> 核心摘要：针对全球高质量具身交互数据仅约50万小时的缺口，智域基石推出Physical AI DBMS与五环节编译管线，将原始观测转化为可训练操作级资产。自研ArcheGo采集设备，通过结构化语言解决跨本体复用难题，服务预训练与后训练需求。

# 智域基石发布数据编译管线，结构化语言对齐具身操作资产

::: v-pre
> 本文由 AI 根据公开内容整理，可能有误，请以原文为准：[杨哲轩谈数据编译、模型能力与机器人如何重新进入真实世界](https://36kr.com/p/4072117363495816?f=rss)（36氪）

## 核心内容

智域基石创始人杨哲轩指出，当前全球高质量真实物理交互数据总量仅约50万小时，且外购1000小时数据经筛选后有效部分可能仅剩100小时。为解决采集规模与模型需求间的错位，公司定位在数据采集与模型训练之间，利用Physical AI DBMS和物理因果模型，将视频与IMU等原始观测编译为可检索、可评测的操作级数据资产，旨在填补具身智能进入真实场景所需的高质量数据鸿沟。

技术架构上，公司搭建包含质检、底座重构、编译、检索与交付的五环节管线，核心是以结构化语言对齐任务步骤、手部姿态及运动意图。硬件端自研ArcheGo系列双目/六目可穿戴设备以获取完整接触信息。业务上明确区分人类第一视角数据用于预训练泛化、真机数据用于特定任务后训练，并通过“真实任务网络”连接产业端，实现从一次性采集向持续真实任务供给的转型。

## 关键看点

- **数据编译管线**：构建五环节处理流程，将原始视频与IMU数据重构为统一时空基准的结构化操作资产，支持按技能与场景智能检索
- **结构化语言对齐**：判定结构化语言是唯一对齐介质，通过物理因果模型补全动力学、空间关系及失败恢复逻辑，解决纯视频语义缺失
- **跨本体数据分工**：明确人类第一视角数据服务预训练泛化，真机数据专注后训练；跨本体复用限于任务定义与恢复模式而非直接指令
- **自研采集硬件**：推出ArcheGo系列双目/六目可穿戴设备，覆盖头戴主视角与双腕，旨在将物理规律与物体接触信息完整数字化

## 工程与产业观察

该方案揭示了具身数据工程正从粗放采集转向精细化“制造业”。通过结构化语言与物理因果模型将非结构化观测转化为操作级资产，是解决当前数据规模与模型能力错位的关键路径。其区分预训练与后训练数据源、强调跨本体方法论复用而非指令复制的策略，为行业构建高价值数据壁垒提供了工程化参考范式。
:::

## 原始参考来源 (Sources)

- [36氪：杨哲轩谈数据编译、模型能力与机器人如何重新进入真实世界](https://36kr.com/p/4072117363495816?f=rss)