Мобилизация масс людей, JD.com нацелена на «алхимию» воплощенных данных

16 марта, публикация JD.com о создании самой крупной в мире и самой полной по сценарию базы данных для телесного интеллекта привлекла внимание к робототехническому сегменту, который ранее был затмен Lobster и находился в тени.

В определённом смысле, это масштабная индустриальная кампания по производству данных с ярко выраженным оттенком промышленного интернета.

Мобилизация охватила более 100 тысяч внутренних сотрудников и до 500 тысяч представителей различных отраслей, а в Сучжэне было задействовано свыше 100 тысяч граждан — такая беспрецедентная людская армия, использующая масштабную «силу» для прорыва самой уязвимой точки телесного интеллекта: дефицита данных.

На фоне постепенного сближения архитектур моделей и прозрачности требований к вычислительным мощностям, высококачественные физические взаимодействия данных становятся единственным решающим фактором для реального внедрения роботов в тысячи отраслей.

Эта инициатива, названная «самым масштабным в истории человечества сбором данных», раскрывает индустриальный консенсус: когда «мозг» телесного интеллекта — его «мозжечок», отвечающий за управление движением — становится всё более развитым, важнейшей задачей становится создание «мозга», который по-настоящему понимает физический мир, — и это становится ключевым сражением за будущее отрасли.

От масштабных нарративов JD.com к микро-реальности индустрии, возникает вопрос: являются ли эти сотни тысяч данных золотым слитком или просто песком — пока трудно сказать.

Работники, вовлечённые в процесс

Причина, по которой JD.com осмелился и вынужден инициировать такую масштабную кампанию по сбору данных, кроется в его огромной и сложной собственной цепочке поставок.

В отличие от чисто программных интернет-компаний, JD.com — это полноценный физический интерактивный мир, и зрелость телесного интеллекта напрямую влияет на его издержки исполнения заказов и операционную эффективность на ближайшие десять лет.

Эта стратегия глубоко связана с индустриальной экосистемой робототехники в индустриальном парке Идззё в Пекине.

На территории Идззё уже сосредоточено более 300 предприятий, связанных с робототехникой, а общий объём индустриальной цепочки превышает 10 миллиардов юаней, открыто более 40 реальных сценариев применения, что делает его ядром отечественной индустрии гуманоидных роботов. В качестве «ведущей» компании в этом районе, JD.com ранее запустил план ускорения робототехнической индустрии.

Инвестиции JD.com в создание базы данных и инфраструктуры — это, по сути, восполнение самой важной недостающей части индустриальной цепочки. Идззё предоставляет «туловище» и тестовые площадки, а JD.com пытается наполнить их сценариями, чтобы роботы могли понять реальный мир.

Такое сочетание аппаратных и программных решений создает индустриальный резонанс, стремящийся сформировать замкнутый бизнес-цикл от данных до аппаратных обновлений.

Масштабное управление сотнями тысяч человек — задача не из лёгких.

По планам, сценарии сбора данных охватывают логистику, промышленность, розничную торговлю. В реальности это, скорее всего, реализуется через существующую цифровую управленческую сеть JD.com. Например, сотрудники курьерской службы и работники складов могут носить носимые устройства с визуальными и даже силовыми датчиками для ежедневных операций.

С точки зрения сотрудников и граждан, задействованных в Сучжэне, эта кампания наполнена сложностями.

Работники фактически становятся учителями данных для роботов, которые в будущем должны заменить тяжелый ручной труд. Важной задачей становится разработка справедливых систем мотивации и распределения прибыли, чтобы избежать сопротивления со стороны работников.

Однако, как именно это реализуется на практике, пока неизвестно.

Один из сотрудников JD.com в Пекине сообщил Wall Street Journal, что пока он ничего не слышал о такой инициативе. По его мнению, если за это платят, — это скорее рыночная практика, и участие зависит от личного выбора. Также сотрудник JD.com в Сучжэне заявил, что он пока не получал никаких уведомлений.

Несмотря на официальные заявления о том, что «сбор всех данных будет осуществляться строго в соответствии с законом и нормативами», реальная ситуация зачастую сложнее.

В случае логистики, складские линии стандартизированы, но доставка по домам и розничные сценарии требуют обработки большого объема данных о лицах, их лицевых характеристиках и привычках.

В условиях ужесточения правил по защите данных, сбор неструктурированных данных у сотен тысяч человек, их обезличивание и очистка могут стоить астрономические суммы.

Проблема Мораливика

В 1988 году робототехник Ганс Мораливик пришёл к выводу:

«Довести компьютер до уровня взрослого человека в тестах интеллекта или шахматах — легко, а вот дать ему восприятие и движения младенца — чрезвычайно сложно, почти невозможно.»

Сегодня, в контексте телесного интеллекта, эта парадоксальная проблема Мораливика проявляется в дефиците данных в отрасли.

Успех больших моделей основан на использовании триллионных высококачественных текстовых корпусов, накопленных за тридцать лет интернета. Но физический мир не имеет аналога интернета. Для масштабирования телесного интеллекта в реальных условиях сталкиваемся с огромной «стеной данных».

Масштабные усилия JD.com нацелены именно на преодоление этой проблемы и сложностей сбора данных.

Первое — ограничения симуляции.

На сегодняшний день, основные пути получения данных в отрасли сильно разошлись и сталкиваются с собственными барьерами.

Большинство стартапов используют симуляционные среды, такие как NVIDIA Isaac Sim или MuJoCo, позволяющие роботу проходить миллионы циклов обучения в виртуальной среде. Это дешево, быстро и не опасно для оборудования.

Однако, опытные специалисты всё яснее понимают ограничения «Sim-to-Real» (симуляция — в реальность).

Физическая сложность мира включает не только визуальные эффекты, но и очень тонкие физические контакты: гибкость кабелей, нежёсткое растяжение одежды, микроскопические изменения трения при закручивании винтов, электромагнитные шумы датчиков.

Современные физические движки не способны точно моделировать эти высокоразмерные, нелинейные микропроцессы. Это приводит к тому, что модели, отлично работающие в симуляции, при переносе на реальное оборудование часто дают сбои или искажения движений.

Если симуляция далека, — возвращаемся к реальности.

От Mobile ALOHA в Стэнфорде до современных компаний, таких как Figure AI, Yush, Zhiyuan, — активно используют дистанционное управление: человек в костюме с датчиками или VR-гарнитурой управляет роботом, записывая визуальные, суставные и силовые данные.

Это сейчас считается самым качественным способом сбора данных, но здесь возникает вторая проблема — экономическая эффективность.

Стоимость одного полноразмерного гуманоидного робота достигает сотен тысяч или миллионов юаней, а сбор данных через дистанционное управление требует дорогого оборудования и высококвалифицированных операторов.

Wall Street Journal узнал, что стоимость сбора и очистки данных по сложным взаимодействиям может достигать нескольких сотен долларов за сценарий, а неудачи — очень часты.

Такая «ручная» модель сбора данных не может обеспечить сотни миллиардов параметров, необходимых для развития универсального телесного интеллекта.

Чтобы снизить барьеры, крупные компании, такие как Google, запустили открытые датасеты, например Open X-Embodiment, собирая данные из разных лабораторий для общего использования. В России есть проекты с открытыми миллионами реальных данных.

Но тут скрыта ещё одна проблема — крайне фрагментированная структура аппаратных средств роботов. Различные типы: собаки, колёсные, гуманоиды, — имеют разные суставы, моторы, датчики и центры тяжести.

Данные, собранные на одном типе робота, невозможно напрямую применить к другому. Отсутствие стандартов и унификации превращает эти данные в разрозненные острова, не дающие эффекта масштаба.

Возможно, именно в этих трёх проблемах и кроется корень изменений в бизнес-логике телесного интеллекта: кто имеет реальные сценарии внедрения, тот и обладает долгосрочной конкурентной «защищённой зоной» по сбору дешёвых и качественных данных.

Это объясняет, почему Tesla и JD.com выбрали совершенно разные пути.

Tesla использует свои гигантские фабрики, чтобы тестировать робота Optimus прямо на линиях сборки аккумуляторов; JD.com — через свою масштабную логистическую сеть, сотни тысяч работников и розничных точек создаёт полуавтоматическую линию сбора данных.

Эта стратегия превращает цепочку поставок в барьер для конкурентов и одновременно — в барьер для развития общего искусственного интеллекта.

Многие стартапы без собственных сценариев вынуждены менять стратегию — либо продают оборудование университетам и научным центрам по низким ценам, чтобы получить доступ к данным, либо арендуют производственные площади и нанимают новых поставщиков данных, таких как JianZhi.

Можно сказать, что вхождение JD.com полностью развернуло занавес телесного интеллекта, превратив его в игру с большими вложениями, сценарием и людскими ресурсами.

В условиях дефицита данных, «защита» алгоритмов становится менее прочной, а крупные игроки, обладающие реальными физическими взаимодействиями, тихо захватывают путь к AGI.

Высококачественные данные — редкость

На фоне амбициозных планов JD.com — накопить за два года более 10 миллионов часов реальных сценариев — отрасль реагирует не на всеобщее восхищение, а сдержанно и взвешенно.

В контексте телесного интеллекта, качество и модальность данных важнее их объема.

Эксперты указывают на ключевую проблему: сейчас не хватает первых лицевых видео, а нужны «состояние-действие» пары с точным физическим откликом.

Например, граждане Сучжэня с камерами в магазинах или курьеры, записывающие доставку, создают огромные массивы визуальных данных общего назначения.

Эти данные ценны для обучения моделей мира, чтобы понять, что такое дверь или яблоко, — но для обучения «контрольных стратегий», чтобы понять, с какой силой сжимать яблоко, такие визуальные данные практически бесполезны.

Один из специалистов по робототехнике отметил Wall Street Journal, что роботам нужны ценные данные, особенно реальные. По его мнению, деятельность JD — это скорее аутсорсинг процессов, бизнес по предоставлению персонала и площадок.

При физическом захвате предметов человек использует очень сложные тактильные, силовые и пространственные знания, которые обычные носимые устройства не могут зафиксировать. Если сотни тысяч человек просто снимают видео, то потеря данных при их преобразовании в управляемые действия будет колоссальной.

Другой руководитель крупной российской робототехнической компании заявил, что главная проблема отрасли — отсутствие единого стандарта для определения и сбора данных.

Например, у разных компаний разные параметры суставов, датчики и приводы. Как перенести миллионы часов данных на роботов с разной конфигурацией?

Без единого стандарта эти данные в итоге станут только внутренним ресурсом JD, а не инфраструктурой для всей отрасли.

Возможно, именно поэтому в первом году планирования JD особо подчеркнул сбор «100 тысяч часов данных о роботах». Реальное развитие отрасли — это использование универсальных видео для предобучения, тонкая настройка роботов на высококачественных данных и развитие через обучение с подкреплением.

Объявление о создании центра телесного интеллекта — это знак того, что отечественные компании начинают использовать масштабные и инженерные подходы для решения дефицита данных.

Объединение реальных сценариев и крупной рабочей силы — это новый путь накопления данных.

Но для настоящего «интеллектуального взрыва» данных недостаточно. Важны стандартизация, защита конфиденциальности и соблюдение нормативов при масштабном сборе.

Это вопросы, которые должны решить компании и вся индустрия на пути к коммерциализации.

Риск и отказ от ответственности

Рынок подвержен рискам, инвестировать следует осторожно. Настоящий материал не является инвестиционной рекомендацией и не учитывает индивидуальные цели, финансовое положение или потребности читателя. Пользователи должны самостоятельно оценить соответствие информации своим условиям.