Pesaing lama Yushu, Zhiyuan, telah memisahkan satu perusahaan lagi.
Dengan pengumuman Mifeng Technology menyelesaikan pendanaan strategis angel+ putaran dengan nilai miliaran yuan, perusahaan data yang didirikan oleh Zhiyuan ini kembali muncul ke permukaan. Setelah perusahaan tangan lincah Titik Kritis, Zhiyuan kembali memisahkan satu kemampuan inti menjadi perusahaan sendiri, menempuh jalan operasi dan pendanaan independen.
Saat menyebut Zhiyuan, banyak orang secara tidak sadar menganggapnya sebagai pesaing utama Yushu.
Bagaimanapun, hanya di tahun 2025, penjualan aktual robot humanoid murni Yushu melebihi 5.500 unit, mengklaim sebagai penjualan nomor satu global; Maret tahun ini, Zhiyuan mengumumkan robot berbadan umum ke-10.000 resmi turun dari lini produksi.
Dari skala produksi massal hingga implementasi komersial, keduanya selalu dibandingkan.
Dan kali ini, sebagai salah satu pesaing paling langsung Yushu, Zhiyuan kembali memperluas alat tawaran kompetisinya di luar tubuh robot.
Karena Mifeng Technology yang dipisahkan oleh Zhiyuan, bergerak di bidang bisnis terpanas saat ini dalam kecerdasan berbadan: pengumpulan, pengelolaan, dan sirkulasi data. Target yang diajukannya juga sangat ambisius, yaitu mencapai kapasitas produksi data level jutaan jam pada tahun 2026.
Model dasar, daya komputasi, perangkat keras, istilah-istilah yang terkait erat dengan kecerdasan berbadan ini, sering kita dengar. Namun, lebih banyak orang mungkin belum menyadari bahwa pentingnya "data" dalam industri kecerdasan berbadan sedang meningkat dengan cepat.
Bahkan Pendiri Bersama dan Presiden sekaligus CTO Zhiyuan, Peng Zhihui sebelumnya juga dengan tegas mengatakan, Zhiyuan tidak kekurangan uang, yang lebih dibutuhkan saat ini adalah data.
Di balik kekurangan data Zhiyuan, terdapat seluruh industri kecerdasan berbadan yang sedang mengalami "kelaparan data" yang belum dilihat oleh kebanyakan orang, namun sangat mendesak.
Lebih Penting dari Daya Komputasi, Mulai Muncul
Memasuki era kecerdasan berbadan, pentingnya data, sedang mendekati pentingnya daya komputasi di era model besar.
Model besar terutama belajar dari dunia internet, sementara robot harus belajar dari dunia fisik. Yang pertama dapat memperoleh bahan pelatihan dari halaman web, buku, dan makalah, sedangkan yang terakhir harus mengambil cangkir, membuka pintu, melipat pakaian, untuk memahami tindakan dan umpan balik di lingkungan nyata.
Yang dibutuhkan robot selain informasi visual, termasuk informasi multimodal seperti sentuhan, persepsi gaya, dan lintasan gerak. Untuk data mesin nyata berkualitas tinggi, di balik setiap data, sering kali berhubungan dengan interaksi fisik yang nyata.
Menurut perkiraan pihak Mifeng dalam konferensi pers, korpus yang dibutuhkan untuk melatih sistem level GPT-5 mencapai level miliaran jam, sementara data efektif berkualitas tinggi yang tersedia secara global untuk pelatihan kecerdasan berbadan hanya sekitar 500 ribu jam.
Di sisi lain, laporan "2026 AI Index Report" yang diterbitkan oleh HAI Universitas Stanford mencantumkan dua pencapaian yang sangat berbeda: tingkat keberhasilan tertinggi robot pada benchmark operasi simulasi RLBench mencapai 89.4%; Dalam benchmark simulasi BEHAVIOR-1K yang lebih kompleks, berorientasi pada kebutuhan rumah tangga nyata dengan rantai tugas yang lebih panjang, tingkat keberhasilan tugas lengkap tertinggi hanya 12.4%.
Dua pencapaian ini berasal dari benchmark yang berbeda, namun setidaknya menunjukkan bahwa robot mengalami kemajuan cepat dalam tugas jarak pendek dan terkendali, namun kemampuannya masih jelas kurang saat menghadapi tugas rumah tangga yang kompleks.
Kurangnya data pelatihan berkualitas tinggi dan beragam, adalah salah satu penyebab penting.
Dengan kata lain, robot saat ini, kekurangan kemampuannya sebagian besar berasal dari terlalu sedikit dunia nyata yang telah dilihat.
Oleh karena itu, industri pengumpulan data kecerdasan berbadan yang baru muncul ini mulai berkembang pesat.
Cara paling umum saat ini adalah teleoperasi mesin nyata, di mana manusia mengontrol robot dari jarak jauh untuk menyelesaikan tugas, kemudian merekam informasi visual, tindakan, dan status selama proses eksekusi. Kualitas data relatif tinggi, biayanya juga tidak rendah.
CEO Mifeng, Yao Maoqing sebelumnya menjelaskan, harga data mesin nyata satu jam di dalam negeri biasanya antara 500 hingga 1.000 yuan, dan membutuhkan kerja sama antara tubuh robot, operator, dan skenario, sehingga kecepatan ekspansi terbatas.
Jalur lain adalah data simulasi. Perusahaan menggunakan digital twin dan mesin fisika, membuat robot menyelesaikan banyak tugas pelatihan di lingkungan virtual, dapat menurunkan biaya pengumpulan. Namun, keterampilan yang dipelajari robot di dunia virtual, masih mungkin tidak dapat sepenuhnya ditransfer ke dunia nyata, ini juga merupakan "Jurang Sim-to-Real" yang dihadapi industri dalam jangka panjang.
Setelah data dikumpulkan, ada masalah yang lebih mendasar.
Perusahaan yang berbeda menggunakan platform robot, sensor, dan format data yang berbeda, tindakan menggambil yang sama, dapat direkam sebagai struktur data yang sama sekali berbeda. Banyak data mentah juga harus melalui proses pembersihan, pelabelan, dan pengolahan terstruktur, sebelum dapat masuk ke pelatihan model.
Oleh karena itu, banyak perusahaan masih berada dalam tahap "mengumpulkan sendiri, menggunakan sendiri, melatih sendiri", data tersebar di perusahaan dan platform yang berbeda.
Dengan meningkatnya pentingnya data, persaingan juga mulai meluas dari tubuh robot, ke infrastruktur seperti pengumpulan, pengelolaan, dan sirkulasi.
Namun, seberapa banyak data yang dibutuhkan industri, saat ini tidak ada kesepakatan seragam. Yang pasti, hanya mengandalkan satu perusahaan untuk mengumpulkan dan menggunakan sendiri, sulit untuk mencakup skenario kompleks yang perlu dihadapi oleh robot umum.
Siapa yang dapat pertama kali membangun jaringan pasokan data yang terstandarisasi dan berskala, memiliki peluang lebih besar untuk menjadi "penjual sekop" dalam ekspansi industri ini.
Mifeng Technology membidik kesempatan ini.
Membuat Data Menjadi Platform
Tentu saja, pengumpulan data sangat penting, tetapi yang diinginkan Mifeng Technology tidak hanya sampai di sini.
Saat ini, pengumpulan data berkualitas tinggi di industri, masih banyak mengandalkan tubuh robot. Perusahaan perlu membeli robot, menyiapkan skenario, mengorganisir operator, kemudian menyelesaikan pengumpulan melalui teleoperasi, di mana tubuh robot adalah salah satu bagian dengan biaya tertinggi.
Mifeng mempertahankan skema data mesin nyata, sekaligus meluncurkan produk pengumpulan tanpa tubuh seri MEgo, termasuk perangkat pengumpulan head-mounted MEgo View dan penjepit pengumpulan MEgo Gripper.
Setelah operator mengenakan atau memegang perangkat, dapat merekam proses operasi di supermarket, pabrik, rumah tangga, dan skenario nyata lainnya, tanpa perlu melibatkan robot sepenuhnya dalam pengumpulan.
Dibandingkan dengan teleoperasi mesin nyata, pengumpulan tanpa tubuh lebih mudah menurunkan biaya dan memperluas skala. Menurut rencana yang diungkapkan pihak Mifeng, dari kapasitas data tahun 2026, 60% hingga 70% akan berasal dari pengumpulan tanpa tubuh.
Namun, mengumpulkan data hanyalah langkah pertama, apakah dapat melalui pengelolaan dan masuk ke tahap pelatihan, sangat menentukan apakah pada akhirnya memiliki nilai.
Data mentah sering kali mengandung noise dan konten yang tidak valid, masih perlu melalui proses penyelarasan waktu, rekonstruksi lintasan, pelabelan, penyaringan kualitas, dll. Perusahaan bahkan jika menguasai banyak data mentah, belum tentu dapat langsung mengubahnya menjadi set pelatihan yang efektif.
Oleh karena itu, Mifeng menaruh banyak perhatian pada pengelolaan data.
Mesin pengelolaan data MEgo Engine yang dikembangkan sendiri, mencakup proses pembersihan data, rekonstruksi lintasan 6D, rekonstruksi persepsi spasial, pemeriksaan kualitas, penilaian cerdas, dan pelabelan otomatis. Menurut pernyataan pihak Mifeng, efisiensi pelabelan otomatisnya dibandingkan dengan cara tradisional dapat meningkat lebih dari 10 kali, dengan target membuat data setelah pengumpulan lebih cepat masuk ke tahap pelatihan.
Selain menjual data, Mifeng juga berharap menyediakan kemampuan mengolah data mentah menjadi set pelatihan.
Di lapisan yang lebih atas, Mifeng juga membangun pusat data (data mall), berharap mengemas sumber daya data yang tersebar secara standar, dan membuka pasokan untuk seluruh industri.
Gagasan seperti ini mirip dengan komputasi awal: vendor cloud menjadikan daya komputasi sebagai layanan yang dapat dipanggil sesuai permintaan, sementara Mifeng berharap menjadikan data juga sebagai sumber daya dasar yang dapat diperdagangkan dan digunakan kembali.
Menurut rencana perusahaan, Mifeng akan mencapai kapasitas produksi data level jutaan jam pada tahun 2026, dan melalui "Aksi Kolaborasi Menciptakan Data Sarang Lebah" bersama vendor cloud, pemilik skenario, dan lembaga industri, mengejar skala data level miliaran jam sebelum tahun 2030.
Ini saat ini masih merupakan target kapasitas produksi, apakah dapat direalisasikan sesuai jadwal, masih tergantung pada produksi massal perangkat keras, jaringan pengumpulan, dan pesanan nyata.
Namun meskipun demikian, modal sudah bersedia membayar untuk gagasan ini.
Pada Februari tahun ini, Mifeng Technology menyelesaikan pendanaan seed round dan angel round dengan nilai miliaran yuan, dipimpin oleh Sequoia China;
Pada Juni, menyelesaikan lagi pendanaan strategis angel+ round dengan nilai miliaran yuan, dipimpin oleh Guofang Chuangtou, diikuti oleh beberapa modal industri dan lembaga milik negara;
Aliyun, Baidu Cloud, JD Cloud, dan perusahaan lainnya juga telah mencapai kerja sama strategis dengan Mifeng, arah kerja sama melibatkan ekosistem data, kolaborasi skenario, dan dukungan daya komputasi.
Dengan demikian, Titik Kritis dan Mifeng, dua perusahaan yang dipisahkan dari Zhiyuan, juga memiliki arah bisnis masing-masing:
Titik Kritis membidik perangkat keras tangan lincah, sedangkan Mifeng membidik aspek data kecerdasan berbadan.
Hanya saja, operasi pendanaan independen meninggalkan ruang layanan eksternal untuk Mifeng, namun tidak otomatis menyelesaikan masalah kepercayaan rekan industri.
Apakah Pesaing Zhiyuan Berani Menggunakan Mifeng?
Yang pertama harus diselesaikan Mifeng adalah netralitas.
"Aksi Kolaborasi Menciptakan Data Sarang Lebah" yang diajukannya, adalah upaya membangun jaringan data tingkat industri. Namun, agar lebih banyak perusahaan robot berpartisipasi, Mifeng perlu membuktikan bahwa data eksklusif klien tidak akan mengalir ke Zhiyuan, dan tidak akan digunakan secara tidak sah oleh pesaing lainnya.
Yao Maoqing pernah merespons masalah ini secara terbuka. Dia menyatakan, transaksi data Mifeng dibagi menjadi dua mode: "hak penggunaan" dan "kepemilikan"; Untuk klien yang membeli kepemilikan, perusahaan akan menyelesaikan transfer aset, dan menghancurkan data terkait di tingkat lokal.
Bahkan satu-satunya cara Zhiyuan memperoleh data Mifeng, juga melalui pemesanan berdasarkan pasar, tidak ada panggilan gratis, pengaturan ini setidaknya memperjelas prinsip isolasi data.
Hanya saja, agar pesaing Zhiyuan melakukan pembelian jangka panjang, Mifeng masih perlu melalui perjanjian, isolasi izin, proses pengiriman, dan audit pihak ketiga, terus-menerus membuktikan netralitasnya.
Bagaimanapun, bagi pesaing Zhiyuan, Mifeng bukanlah "pilihan yang harus diambil", dan juga bukan satu-satunya perusahaan yang mengincar bisnis data.
JD telah meluncurkan terminal pengumpulan JoyEgoCam, infrastruktur data berbadan, dan platform transaksi data, serta mengajukan target mengumpulkan lebih dari 10 juta jam data video skenario nyata dalam dua tahun ke depan.
Luming Robot juga sedang mengembangkan pengumpulan tanpa tubuh, Lingchu AI fokus pada data operasi nyata manusia, sementara Guanglun AI berfokus pada data sintetis dan infrastruktur simulasi.
Mereka bersaing dalam hal yang sama: mengubah skenario dan data mentah yang tersebar, menjadi kumpulan data yang dapat terus digunakan untuk pelatihan.
Mifeng juga harus menghadapi dua ujian sekaligus: skala dan kualitas.
data-check-id="576080">Jutaan jam saat ini hanya rencana kapasitas produksi, bukan data yang telah diselesaikan pengirimannya; Baik pengumpulan mesin nyata maupun tanpa tubuh, memperluas skala berarti investasi berkelanjutan dalam perangkat, personel, dan skenario. Jika tidak dapat menyelesaikan masalah kualitas dan generalisasi data, kumpulan data sebesar apa pun mungkin hanya penumpukan pengulangan.Yang akhirnya menentukan apakah Mifeng dapat membentuk efek jaringan, tetap kepercayaan rekan industri terhadapnya.
Namun, keputusan Zhiyuan untuk memisahkan operasi pendanaan Mifeng, setidaknya memberi ruang layanan eksternal untuk bisnis ini.
Jika data tetap berada di dalam Zhiyuan, hanya dapat meningkatkan kemampuan model satu perusahaan; Setelah distandardisasi, dikomoditaskan, dan mendapat pengakuan dari produsen robot lainnya, barulah memiliki kesempatan menjadi infrastruktur industri.
Pada akhirnya, bagi Mifeng, kapasitas produksi jutaan jam hanyalah ambang batas.
Ketika pesaing Zhiyuan juga bersedia melakukan pembelian jangka panjang darinya, bahkan menyerahkan data inti untuk diprosesnya, bisnis ini baru benar-benar berdiri tegak.
Artikel ini berasal dari akun WeChat publik: Rencana Huruf Biru , penulis: Chester
