Physical AI 最难复制的是数据飞轮

Physical AI 以后真正难抄的东西是什么？模型？机械臂？

还是数据？最近连续看 @axisrobotics 的进展，我越来越倾向于最后一个。因为模型可以开源，硬件可以买，仿真环境也能搭。

但有一样东西很难短时间复制： 一个已经持续运转的数据飞轮。这也是我觉得 Axis 比“做一个机器人数据集”更有意思的地方。传统的数据集逻辑很简单： 收一批数据 → 清洗 → 发布 → 训练�� 做完基本就结束了。

但机器人不一样。机器人永远会遇到新问题。杯子换个位置不会抓了，抽屉换个角度拉不开了，摄像头偏一点判断又错了…… 你不可能提前把现实世界所有情况都写进数据集。

所以更现实的方式其实是： 先让机器人干，再看它哪里不会。不会的地方，再补数据。补完继续训练。

训练完再让它干。然后继续找新的失败。这就是我现在理解 Axis 最核心的一层： 它想做的不是一个静态的数据仓库，而是一套会根据模型能力不断改变的数据生产系统。

这两者差别非常大。假设今天模型最缺的是 Pick & Place。那就让更多人去采抓取、移动、放置的数据。

等这些简单任务逐渐学会之后，系统继续往更复杂的遮挡、干扰、多步骤任务走。模型能力越强，暴露出来的问题越难。问题越难，需要的数据也越有针对性。

所以理想状态下，它会形成一个��环： 数据 → 模型变强 → 暴露新问题 → 产生新任务 → 收集新数据 → 模型继续变强。这才是真正的数据飞轮。而 Axis 最近的一些变化，其实都能往这个逻辑里放。

Franka Sim Dataset V1 不只是堆轨迹，而是覆盖 207 个任务和 6 万+场景变体； Human-Gated DAgger 开始专门收集机器人“快做错时，人类是怎么救回来的”； Challenger Program 又把更多激励往高难度任务倾斜。你会发现方向其实很统一： 机器人已经会的，少重复一点。机器人不会的，多采一点。

我觉得这句话可能比“490 万+轨迹”更能说明 Axis 下一阶段在做什么。因为 Physical AI 最后拼的，大概率不会是谁硬盘里的数据最多。而是谁能最快发现： 当前模型到底缺什么数据。

再用最低成本，把这些数据补回来。如果这个反馈周期原本需要几个月，未来能够压缩到几周，甚至更短，那机器人模型迭代速度可能就是完全不同的量级。这也是为什么我觉得 Axis 的社区网络很重要。

20 万+用户表面上是 Contributor 数量。但换个角度看，它其实也是一个可以被调度的数据生产网络。今天需要抓取数据，就去抓取。

明天某个模型总是在插入任务上失败，就把更多任务和激励往插入场景调。后天发现仿真到真机之间某类动作掉点严重，再针对这个问题补数据。需求在哪里，数据生产就往哪里移动。

如果未来真能做到这一点，那 Axis 最难复制的可能就不是某一个 Dataset，也不是某一个模型成绩。而是： 任务生成、贡献者、数据验证、模型训练、失败反馈，再回到任务生成的整套循环。单独复制其中一个环节不算难。

难的是让整个系统持续转起来，而且越转越快。所以我现在看 Axis，会少看一点“今天又新增多少 Trajectory”，多看一点： 这些新数据，是不是上一轮模型真正缺的数据？如果答案越来越接近“是”，那这个飞轮才算真正转起来了。

而一旦数据飞轮开始形成， Physical AI 的竞争，可能就不再只是比谁的模型参数更多。而是比谁学得更快。@axisrobotics #PhysicalAI #Robotics