Perang Kecerdasan Embodied membara hingga ke data.
Dari kalangan investasi diketahui, hari ini (12 Agustus), perusahaan infrastruktur data kecerdasan embodied, Scaleforce (Yuan Dian Technology), untuk pertama kalinya mengungkapkan pendanaannya: menyelesaikan dua putaran dalam 40 hari, dengan investor termasuk pihak industri kecerdasan embodied top domestik, Hengxu Capital, dan Kailian Capital.
Didirikan kurang dari tiga bulan, Scaleforce telah cepat memasuki periode operasional: pesanan data bernilai puluhan juta yuan dari klien mercusuar Tashizhihang telah sepenuhnya dimulai, kerja sama berturut-turut telah dijalin dengan banyak perusahaan model dunia, produsen utama perangkat keras kecerdasan embodied, dan penyedia solusi industri... roda komersialisasi berakselerasi.
"Persaingan kecerdasan embodied telah memasuki babak kedua yang mengutamakan data dan kecerdasan." Ini adalah pemandangan nyata yang dilihat Guo Jiangliang, dan juga alasan dia memilih berwirausaha. Seperti yang dikatakannya, misi Scaleforce adalah membiarkan data menembus seluruh siklus hidup AI fisik, menumbuhkan kecerdasan tak terbatas di dunia fisik.
Semakin Panas Kecerdasan Embodied, Semakin Langka Datanya
Suasana meriah masih terbayang jelas—melihat kembali paruh pertama 2026, total pendanaan di jalur kecerdasan embodied domestik mencapai 93,5 miliar yuan, melonjak 5 kali lipat dibandingkan periode yang sama tahun lalu.
Tapi semakin panas kecerdasan embodied, semakin langka datanya. Sebuah konsensus industri adalah, model besar embodied yang mampu mencapai kemampuan otonom umum setidaknya membutuhkan data interaksi berkualitas tinggi tingkat puluhan juta jam. Namun hingga awal 2026, total data interaksi fisik berkualitas tinggi yang tersedia secara global hanya sekitar 500.000 jam—kekurangannya lebih dari 99%.
Berbeda dengan model bahasa besar yang bisa mengambil bahan pelatihan dari internet, kecerdasan embodied membutuhkan data interaksi fisik multimodal yang mencakup penglihatan, sentuhan, lintasan sendi, mekanika objek, dan penjajaran temporal lingkungan—data ini tidak bisa didapat secara online, harus dikumpulkan di dunia nyata.
Lebih rumit lagi, industri juga menghadapi tiga dilema: kualitas data tidak terkendali—presisi penjajaran temporal-spasial data multimodal rendah, anomali tidak bisa dipantau secara real-time; skala data tidak mencukupi—perangkat pengumpulan tidak bisa dikelola secara massal, tingkat otomatisasi rendah; kemampuan generalisasi data buruk—masalah OOD (Out-Of-Distribution) parah, penggunaan ulang lintas platform hampir mustahil.
Inilah peluang yang dilihat Guo Jiangliang saat mendirikan Scaleforce—persaingan kecerdasan embodied pada dasarnya adalah persaingan data. Siapa yang bisa membangun benteng di infrastruktur data, dialah yang akan menguasai inisiatif dalam kompetisi ini.
Melalui Scaleforce, kita melihat sebuah jawaban: mendefinisikan ulang infrastruktur AI fisik dari sumber datanya.
Saat ini, Scaleforce telah menciptakan sistem operasi AI fisik MatrixOS. Di dalamnya, mesin generalisasi data ADA (Action-Data Alignment) berupaya menyelesaikan masalah penggunaan ulang data lintas platform. Berdasarkan evaluasi multiskenario perangkat nyata, tingkat keberhasilannya melonjak dari 65% menjadi 92%.
Di sisi lain, ada efisiensi produksi data. Scaleforce mengembangkan sendiri mesin kualitas data GDP (Global-Deep-Proactive), melalui analisis entropi informasi, estimasi probabilitas posterior, analisis semantik aksi, dan pembelajaran aktif Bayesian, secara terus-menerus mengoptimalkan strategi pengumpulan data, tingkat konversi data yang dapat digunakan mencapai 80%, tertinggi di dalam negeri.
Di sisi pengumpulan data, Scaleforce membangun jaringan produksi data AI fisik berskala global, platform mendukung manajemen dan penjadwalan terpadu puluhan hingga ratusan ribu node pengumpulan data di seluruh dunia, tingkat otomatisasi keseluruhan proses melebihi 95%. Selain itu, Scaleforce berpegang pada paradigma pengumpulan data human-centric, secara global pertama kali menciptakan kit pengumpulan data dengan sinkronisasi waktu multisensor sub-milidetik, dapat mengumpulkan data multimodal lengkap seperti penglihatan, sentuhan, persepsi gaya, perilaku, secara sinkron dan skala besar.
Secara sederhana, MatrixOS lebih mirip "sistem produksi" yang dibangun seputar data kecerdasan embodied: depan terhubung ke dunia fisik nyata, terus mendapatkan data; tengah menyelesaikan pemrosesan, pembersihan, generalisasi, dan manajemen data; belakang menyerahkan data ke model, robot, dan skenario aplikasi spesifik.
Begitu rantai ini benar-benar berjalan, data tidak lagi menjadi pengiriman proyek sekali pakai, melainkan dapat terus masuk ke putaran pelatihan berikutnya, menghasilkan data baru, akhirnya membentuk roda data. Diketahui, Scaleforce sedang membangun jaringan produksi dan distribusi data berkualitas tinggi dengan kapasitas terbesar dan biaya terendah secara global, begitu jaringan terbangun, efek skala dan keunggulan biaya data akan menjadi penghalang kompetitif terkuat.
Periode Jendela Industri
Baru Saja Raih Pesanan Puluhan Juta Yuan
Kapan robot benar-benar masuk ke rumah tangga?
Sampai saat ini, kepanasan kecerdasan embodied sudah pasti. Ketika industri mulai memasuki tahap skalabilitas, pengumpulan, pembersihan, generalisasi, manajemen, dan distribusi data, secara bertahap menjadi segmen industri yang independen.
Inilah posisi yang dipilih Scaleforce. Berdasarkan platform MatrixOS yang dibangun sepenuhnya, bagi produsen perangkat keras, Scaleforce dapat menyediakan data skenario terarah; bagi perusahaan model dunia, dapat menyediakan data interaksi fisik nyata; bagi klien industri, dapat membangun siklus tertutup data seputar tugas spesifik.
Posisi netral ini memungkinkan Scaleforce menanggapi permintaan yang melimpah dari berbagai segmen rantai industri. Saat ini, perusahaan telah meraih pesanan data puluhan juta yuan dari Tashizhihang—melalui layanan "pengumpulan data skenario terarah + pemrosesan data platform MatrixOS", membantu robot seri A Tashizhihang berhasil memasuki beberapa skenario operasi di pabrik Aptiv.
Sementara itu, Scaleforce telah menjalin kerja sama mendalam dengan banyak perusahaan termasuk Zhizai Wujie (sebagai salah satu) perusahaan model dunia, produsen utama perangkat keras kecerdasan embodied, dan penyedia solusi industri; serta bergabung dengan ekosistem komputasi Huawei Ascend, menjadi kontributor pipeline data dan algoritma kecerdasan embodied/model dunia open source global pertama Ascend; selain itu, perusahaan juga menjalin kerja sama eksplorasi mendalam kecerdasan embodied dengan Universitas Peking dan Universitas Aeronautika dan Astronotika Peking, bersama-sama mengeksplorasi batas teknologi kecerdasan embodied generasi berikutnya.
Menghadapi permintaan pasar luar negeri akan data skenario nyata berkualitas tinggi, tata letak internasional Scaleforce juga telah dimulai secara substansial, dan membentuk tim bisnis luar negeri yang dipimpin oleh ahli operasi dan penjualan Asia Tenggara senior, memajukan penutupan bisnis pasar luar negeri dan pembangunan jaringan mitra.
Tapi tetap ada rasa ingin tahu dari luar: bagaimana perusahaan yang didirikan kurang dari tiga bulan bisa berlari secepat ini?
Wajah mungkin baru, tapi di belakang Scaleforce berdiri tim dengan akumulasi mendalam—pendiri Guo Jiangliang adalah anggota pendiri Baidu Intelligent Cloud, menginkubasi dari nol beberapa produk inti seperti MapReduce Baidu Cloud, platform pembelajaran mesin, AI mid-platform perusahaan, cloud inspeksi kualitas industri, memimpin tim mencapai terobosan bisnis di beberapa industri strategis seperti industri, keuangan, energi dan listrik, secara kumulatif mencapai pendapatan miliaran yuan.
Kemudian, dia menjabat sebagai Wakil Presiden Teknologi perusahaan AI+manufaktur Innovation奇智 (Innovation Qizhi), secara lengkap membangun sistem teknologi model industri besar dan kecerdasan embodied industri, mengalami perusahaan dari awal hingga go public. Melihat seluruh karirnya, selalu mendalami teknologi dan bisnis terdepan Data & AI Infra adalah label paling mencolok Guo Jiangliang.
Kepala Ilmuwan Alex, doktor dari Institut Bahasa Komputasi Universitas Peking, sebelumnya berturut-turut menjadi anggota inti di Meta AI dan Huawei Noah's Ark Lab, memimpin desain arsitektur LLM MoE generasi pertama domestik dengan parameter triliunan, terlibat dalam seluruh proses dari resep data, pengembangan kode hingga optimisasi operator dasar, memiliki cadangan teknologi algoritma mendalam dan wawasan internasional.
Selain itu, Chief Revenue Officer Victor pernah memimpin perusahaan mencapai kinerja penjualan hampir 1 miliar yuan, memiliki akumulasi mendalam di ekosistem AI, model besar, dan kecerdasan embodied domestik; Chief Product Architect Angel memimpin desain, pengembangan, dan implementasi beberapa set produk platform data tingkat perusahaan.
Tiga keping puzzle teknologi, produk, dan komersialisasi terkumpul, tim praktis yang saling kenal dan bekerja sama bertahun-tahun, memiliki visi teknologi terdepan dan pengalaman pengoperasian bisnis terbentuk, menjadi fondasi kemampuan produk Scaleforce. Menurut Guo Jiangliang, "Keunggulan terbesar tim kami adalah di masa lalu bersama-sama mengangkat senjata, berperang, semuanya adalah pelaku industri praktis dan wirausaha berkelanjutan yang mengutak-atik data dan menggulirkan kinerja."
Saat ini, waktu semakin kritis. Seperti tahun ini yang diakui industri sebagai "tahun pertama data embodied", Guo Jiangliang memimpin tim turun tangan dengan tegas. Dan industri umumnya percaya, 2027 hingga 2029 mungkin menjadi periode jendela penting komersialisasi skala besar robot humanoid. Jika robot menyambut penyebaran skala besar dalam beberapa tahun ke depan, maka infrastruktur data yang tampaknya masih dalam tahap awal hari ini juga akan menyambut ledakan sesungguhnya.
Gelombang panas menghadang. IPO Unitree Technology di pasar STAR sudah dekat, di belakangnya masih ada barisan IPO panjang. Beberapa tahun berlalu, kecerdasan embodied akhirnya tiba di momen penukaran. Dan perjalanan berikutnya, adalah jendela waktu yang tidak boleh dilewatkan oleh data embodied.
Artikel ini berasal dari akun WeChat "投资界" (ID:pedaily2012), penulis: Wu Qiong
