2026年6月，面向实体AI提供机器人训练数据采集标注服务的科技公司XDOF，已获得多家头部AI实验室的付费订单。当前实体AI的落地进度远落后于大语言模型，核心短板就来自高复杂度、多场景的训练数据缺口，苦脏累属性让多数厂商不愿涉足该赛道，XDOF的商业化落地也为行业破局提供了新路径。
不同于大语言模型可以依托海量公开互联网文本完成预训练，需要和物理世界实时交互的实体AI、通用机器人，训练数据需要覆盖不同光照条件、地面摩擦力、障碍物形态、人体交互习惯等无数非标准化变量，数据采集过程往往需要工作人员在工厂、仓储、普通家居场景反复调试采样，长期被业内调侃为“AI领域最不光鲜的脏活累活”。
过去五年，大语言模型的迭代速度远超行业预期，GPT、Claude等产品已经渗透到办公、内容生产、企业服务等数十个场景，商业化路径已经基本跑通。但对比之下，实体AI的落地进度却始终慢半拍：不管是工业场景的协作机器人还是家用服务机器人，一旦离开预设场景就容易出现误判，通用化程度迟迟无法突破。
登录后解锁全文，体验收藏、点赞、评论等完整功能
立即登录
滇公网安备 53252802528133号