下一个AI前沿不在电脑里，在能干活的实体机器人

人人都在聊AI，但大部分AI至今还待在电脑里。下一个前沿是实体AI，也就是能在真实世界里实际干活的机器人：拿起物件、分拣包裹、在仓库帮忙，说不定某天还能去你家厨房帮忙。

问题在哪？AI模型从数十亿页文本里学会了写作和说话，但机器人训练没有相当于互联网的东西。机器人需要海量的演示数据，也就是任务执行过程的记录，展示机械手和夹爪该如何运动，而在实验室里靠付费工程师收集数据，慢得离谱还贵得要命。这个瓶颈就是机器人至今还不够智能的原因。

而这正是Axis Robotics要填补的缺口。Axis正在为实体AI打造数据引擎，本质上就是一种众包机器人训练数据的方式，规模是任何实验室都比不了的。任何人都可以打开浏览器，控制仿真机械臂，完成拾取、分拣、移动物件这类小任务。每个操作过程都会变成一条训练轨迹，供真实机器人模型学习。不再是实验室里那几个工程师，而是全球数十万昼夜不停生成数据的人。

@axisrobotics 现在已经有超过22.9万名贡献者，收集了超过2万个小时的真实世界数据，还有数百万条仿真演示数据。简单拆解一下这个循环的运作方式：
首先，平台在仿真中生成各式各样的任务，用到不同的物件、布局和场景，保证数据多样性。
其次，贡献者通过浏览器控制机器人完成任务，每份提交都会被重放，检查物理一致性后才会被计入。
第三，验证通过的数据被用来训练和优化真实机器人策略。

到v2版本后，这个循环的闭环更进一步：训练好的策略自己执行任务，当机器人出错时，人类接手修正，这些修正就用来训练下一代更智能的模型。失败真的变成了燃料。

成果才是这件事有意思的地方。Axis发布了一个Franka机器人数据集，由207项任务、超过5万个浏览器收集的演示构成，用这个数据重新训练一个顶尖机器人模型后，该模型在标准基准测试上的成功率从83.9提升到了88.8，比实验室质控数据集高出31个百分点以上。

这家公司位于伯克利，已经拿到了1200万美元融资来扩大规模，和顶尖AI实验室以及硬件公司合作。大图景是：谁掌握最丰富、最多样的机器人训练数据，谁就掌握实体AI的未来，而Axis正在打造这个引擎，把普通人变成机器人革命的燃料。我们还处在非常早期的阶段。

实体AI需要的不只是更聪明的模型。它需要真实世界的经验。这就是为什么@axisrobotics 值得关注。通过把人类演示转化为大规模机器人训练数据，Axis正在解决这个难题里最关键的一块：帮助机器人从真实动作中学习，而不只是从算法里学习。进展已经显现：
→ 收集超过690万条轨迹
→ 发布Axis数据集V1
→ 开发出人类门控DAgger算法
→ 超过22.2万名用户
→ 由Hack VC领投完成1200万美元融资

该项目的生态参与者包括Booster Robotics、Dexmal AI、OpenRobotics和吉利，围绕一个清晰的理念构建：更好的数据带来更好的学习，更好的学习可以解锁能力更强的机器人。

如果实体AI要走出实验室实现规模化，数据层就能带来真正的改变。这就是我一直关注@axisrobotics 的原因。