硬氪專(zhuān)訪(fǎng)｜商湯聯(lián)創(chuàng)王曉剛帶隊(duì)具身智能新業(yè)務(wù)，要幫機(jī)器人重新理解真實(shí)世界

作者｜黃楠

編輯｜袁斯來(lái)

在AI行業(yè)，商湯科技已經(jīng)是家成立11年的公司，早已習(xí)慣一次次浪起浪涌。

在視覺(jué)AI崛起的時(shí)代，它從港中文實(shí)驗(yàn)室跑出、叩開(kāi)規(guī)模化落地的大門(mén)。但To B業(yè)務(wù)從來(lái)不是一份輕松活，包括商湯在內(nèi)、絕大部分公司不得不應(yīng)對(duì)客戶(hù)長(zhǎng)期定制化的開(kāi)發(fā)需求。

直到ChatGPT橫空出世，所有公司集體轉(zhuǎn)向大模型。在算力層面先走一步的商湯，找到了施展空間。根據(jù)商湯年報(bào)，其生成式AI 2024年收入為24億元，占比由2023年的34.8%提升至63.7%，成為商湯科技最關(guān)鍵的業(yè)務(wù)。

但大模型狂飆3年后，一個(gè)實(shí)際的問(wèn)題出現(xiàn)：“除了特定場(chǎng)景的單點(diǎn)突破，AI如何真正走進(jìn)物理世界、成為改變生產(chǎn)生活的實(shí)用工具？”

這也是商湯在每一次技術(shù)迭代中都在追問(wèn)的核心命題。

隨著具身智能成為下一代AI革命的主賽場(chǎng)，近日，大曉機(jī)器人公司成立，由商湯聯(lián)合創(chuàng)始人、執(zhí)行董事王曉剛出任大曉機(jī)器人董事長(zhǎng)，正式入局具身智能戰(zhàn)場(chǎng)。

王曉剛告訴硬氪，大曉機(jī)器人成立的初衷，并非是跟風(fēng)“本體內(nèi)卷” 或 “復(fù)雜技能炫技”，而是要回歸真正的痛點(diǎn)，并提出“以人為中心（Human-centric）”的全新研究范式。在提供專(zhuān)注于構(gòu)建能理解物理世界規(guī)律的“大腦”基礎(chǔ)之上，最終輸出一個(gè)適配真實(shí)場(chǎng)景需求的軟硬一體產(chǎn)品。

這也是行業(yè)趨勢(shì)。去年尚在探索移動(dòng)穩(wěn)定性與適用場(chǎng)景的具身智能行業(yè)，短短一年，已是截然不同的景象。有公司拿下動(dòng)輒數(shù)億元的訂單，走進(jìn)深圳、上海、蘇州的機(jī)器人工廠(chǎng)車(chē)間，讓具身智能不再只是To VC的故事。

AI技術(shù)演進(jìn)正在從“數(shù)字智能”走向“物理智能”。身處其中的老牌AI公司們，會(huì)發(fā)現(xiàn)自己身處又一次重要轉(zhuǎn)型中。

商湯2025年上半年凈虧損為11.62億元、同比下降50%，研發(fā)投入也還在增長(zhǎng)，它需要找出更落地的方向。

通用智能的突破，不在于一步登天的AGI幻想，而是從真實(shí)交互中沉淀可復(fù)用的能力。機(jī)器人的終極價(jià)值不在于形態(tài)的酷炫，而在能否解決實(shí)際物理世界的難題。從視覺(jué)AI、大模型再到具身智能，商湯以大曉機(jī)器人為支點(diǎn)，正試圖撬動(dòng)的，不僅是一個(gè)千億級(jí)的具身智能市場(chǎng)，還是AI與物理世界深度交互的可能。

以下是硬氪同王曉剛的對(duì)談實(shí)錄，內(nèi)容經(jīng)編輯：

不做單純的具身大腦公司

硬氪：今年被普遍認(rèn)為是具身智能落地元年。為什么商湯會(huì)選擇在這個(gè)節(jié)點(diǎn)成立大曉機(jī)器人切入具身賽道？

王曉剛：主要基于產(chǎn)業(yè)化落地與技術(shù)范式兩個(gè)維度的考量。

在產(chǎn)業(yè)化方面，具身智能是一個(gè)規(guī)模達(dá)數(shù)十萬(wàn)億級(jí)、乃至更大發(fā)展空間的廣闊賽道。正如英偉達(dá)創(chuàng)始人黃仁勛所言，未來(lái)每個(gè)人都可能會(huì)擁有一個(gè)或多個(gè)機(jī)器人，其數(shù)量有望超越手機(jī)，而單體價(jià)值可與汽車(chē)相媲美。

對(duì)商湯而言，過(guò)去我們聚焦To B軟件領(lǐng)域，若要進(jìn)一步擴(kuò)大企業(yè)規(guī)模，實(shí)現(xiàn)軟硬結(jié)合的業(yè)務(wù)升級(jí)，機(jī)器人賽道的垂直整合屬性是重要突破口。同時(shí)，基于此前在各垂直行業(yè)的積累，團(tuán)隊(duì)理解用戶(hù)痛點(diǎn)與需求，相較于對(duì)場(chǎng)景理解不足、難以解決實(shí)際問(wèn)題的具身企業(yè)，商湯的場(chǎng)景落地能力更受期待，產(chǎn)業(yè)化推進(jìn)速度也有望更快。

從技術(shù)范式來(lái)看，傳統(tǒng)具身智能的發(fā)展存在明顯短板。

機(jī)器人本體硬件發(fā)展迅速，但 “大腦”端的智能能力相對(duì)欠缺，核心問(wèn)題在于采用了 “以機(jī)器為中心（Machine-centric）” 的技術(shù)路線(xiàn)；即先設(shè)計(jì)形態(tài)、參數(shù)差異巨大的各類(lèi)機(jī)器人本體，再通過(guò)本體采集數(shù)據(jù)訓(xùn)練通用模型。這種思路并不成立，正如自然界中人與動(dòng)物無(wú)法共享同一大腦，不同結(jié)構(gòu)的機(jī)器人如靈巧手、夾爪、不同數(shù)量的機(jī)械臂等，也難以適配統(tǒng)一模型。

硬氪：大曉機(jī)器人團(tuán)隊(duì)所采用的技術(shù)方案有何差異性？

王曉剛：我們提出的是 “以人為中心（Human-centric）” 的新的技術(shù)范式。先研究人類(lèi)與物理世界的互動(dòng)方式、運(yùn)動(dòng)規(guī)律，通過(guò)穿戴式設(shè)備、第三視角設(shè)備等多元工具，結(jié)合視覺(jué)、觸覺(jué)、力學(xué)等多維度數(shù)據(jù)，記錄人類(lèi)在真實(shí)生產(chǎn)生活中的行為、尤其是復(fù)雜的常識(shí)性行為。

通過(guò)將上述數(shù)據(jù)輸入世界模型，讓模型深度理解物理世界規(guī)律與人類(lèi)行為邏輯，從而構(gòu)建出強(qiáng)大的機(jī)器人“大腦”。同時(shí)，成熟的世界模型反過(guò)來(lái)還能指導(dǎo)硬件設(shè)計(jì)，讓硬件形態(tài)更貼合實(shí)際應(yīng)用需求。

今年八九月份，特斯拉、Figure AI等企業(yè)宣布摒棄真機(jī)路線(xiàn)，轉(zhuǎn)向基于第一視角攝像頭的視覺(jué)方案，但其本質(zhì)僅是通過(guò)視覺(jué)記錄人類(lèi)行為，并未涵蓋力、觸覺(jué)、摩擦等關(guān)鍵維度，但這些維度正是具身智能與物理世界發(fā)生三維接觸的核心需求。

僅靠視覺(jué)技術(shù)，機(jī)器人可實(shí)現(xiàn)跳舞、打拳等模仿類(lèi)動(dòng)作，但在挪瓶子、擰螺絲等需要與物理世界交互的場(chǎng)景中，難免面臨技術(shù)瓶頸。

目前，大曉機(jī)器人所提出的Human-centric范式已得到了實(shí)踐驗(yàn)證。此前，大曉機(jī)器人核心教授成員劉子緯教授團(tuán)隊(duì)合作構(gòu)建了一個(gè)EGO life數(shù)據(jù)集，包含300小時(shí)第一視角與第三視角的人類(lèi)真實(shí)行為數(shù)據(jù)；期間，基于該數(shù)據(jù)集研發(fā)的具身視覺(jué)模型，經(jīng)實(shí)測(cè)，可以有效解決現(xiàn)有數(shù)據(jù)多為簡(jiǎn)單無(wú)意義行為、難以支撐復(fù)雜運(yùn)動(dòng)學(xué)習(xí)的痛點(diǎn)。

大曉機(jī)器人團(tuán)隊(duì)成員：一排從左往右依次為李鴻升、陶大程、王曉剛、潘新鋼；二排從左往右依次為呂健勤、趙恒爽、劉子緯、劉希慧（圖源/企業(yè)）

硬氪：公開(kāi)數(shù)據(jù)顯示，2024年中國(guó)具身智能市場(chǎng)規(guī)模已突破8000億元，近兩年具身領(lǐng)域涌入了數(shù)百家初創(chuàng)主體。在這一背景下，大曉機(jī)器人對(duì)自身在行業(yè)的生態(tài)位是怎么定義的？

王曉剛：大曉團(tuán)隊(duì)的最終目標(biāo)，是輸出軟硬一體的產(chǎn)品，能針對(duì)性解決各場(chǎng)景下的實(shí)際問(wèn)題，而不是單純做模型的公司。

在這個(gè)過(guò)程中我們發(fā)現(xiàn)，現(xiàn)有硬件設(shè)計(jì)往往難以匹配場(chǎng)景需求，這也推動(dòng)團(tuán)隊(duì)走上聯(lián)合研發(fā)、定制化制造硬件的道路。

以機(jī)器狗產(chǎn)品為例，業(yè)內(nèi)傳統(tǒng)機(jī)器狗的攝像頭視角窄、安裝位置低，導(dǎo)致其在路口無(wú)法精準(zhǔn)識(shí)別行進(jìn)方向，過(guò)馬路時(shí)難以捕捉紅綠燈信號(hào)。我們與Insta360合作了一款全景相機(jī)模組，能實(shí)現(xiàn)360度全視角覆蓋，解決視野局限問(wèn)題。

此外，當(dāng)前不少機(jī)器狗仍存在防水性能不足、算力平臺(tái)成本高、續(xù)航能力有限等痛點(diǎn)，均無(wú)法滿(mǎn)足實(shí)際場(chǎng)景的常態(tài)化使用需求。

硬氪：聯(lián)合開(kāi)發(fā)的具體落地中，雙方的合作模式是怎樣的？

王曉剛：我們的強(qiáng)項(xiàng)在于大腦端的模型、導(dǎo)航能力、操作能力。過(guò)去，公司雖然有B端的軟件服務(wù)、大裝置提供底層設(shè)施，但在端側(cè)并未形成標(biāo)準(zhǔn)化的產(chǎn)品形態(tài)。

依托前兩年商湯投資布局的多家本體硬件及零部件企業(yè)，大曉團(tuán)隊(duì)采用生態(tài)合作模式，提供硬件設(shè)計(jì)規(guī)范、跟伙伴聯(lián)合設(shè)計(jì)和開(kāi)發(fā)硬件本體；同時(shí)，在模型端我們也保持開(kāi)放態(tài)度，提供基礎(chǔ)模型和素材方案。

硬氪：商湯在安防、自動(dòng)駕駛等領(lǐng)域有豐富的數(shù)據(jù)與技術(shù)沉淀，這些資源在向具身機(jī)器人領(lǐng)域遷移延伸時(shí)，哪些核心能力可以直接復(fù)用？

王曉剛：兩方面的核心能力。第一是研發(fā)體系與安全標(biāo)準(zhǔn)。自動(dòng)駕駛與具身機(jī)器人均需依賴(lài)海量數(shù)據(jù)驅(qū)動(dòng)技術(shù)迭代，其沉淀下來(lái)的研發(fā)體系、數(shù)據(jù)閉環(huán)、數(shù)據(jù)飛輪經(jīng)過(guò)驗(yàn)證，能有效提升機(jī)器人技術(shù)的迭代效率。同時(shí)，自動(dòng)駕駛領(lǐng)域?qū)Π踩浴?shù)據(jù)質(zhì)量的嚴(yán)苛標(biāo)準(zhǔn)，也可遷移至具身機(jī)器人的研發(fā)中，為產(chǎn)品可靠性提供保障。

第二，應(yīng)用功能。我們?cè)谥腔鄢鞘兄蟹e累的方舟平臺(tái)擁有上百種不同應(yīng)用功能，以前主要服務(wù)于固定攝像頭場(chǎng)景。如今，將其與具身機(jī)器人打通，當(dāng)設(shè)備走到戶(hù)外時(shí)，借助平臺(tái)的后端分析能力就可以無(wú)縫遷移，拓展功能邊界。

“一兩年內(nèi)，Human-centric將在機(jī)器狗中最先規(guī)模化”

硬氪：回顧商湯科技過(guò)去十一年，其恰好見(jiàn)證并參與了視覺(jué)AI大規(guī)模落地、到如今具身智能爆發(fā)的完整變遷。如何理解各階段技術(shù)迭代的差異化路徑及其背后的底層邏輯？

王曉剛：商湯的發(fā)展歷程，清晰地勾勒了AI技術(shù)從1.0到3.0形態(tài)的演進(jìn)脈絡(luò)。

2014年公司成立之初，AI處于1.0時(shí)代，以人臉識(shí)別為代表實(shí)現(xiàn)技術(shù)超越肉眼的識(shí)別率。彼時(shí)的“智能”來(lái)源于人工標(biāo)注，通過(guò)為圖像添加標(biāo)簽，給原本無(wú)智能屬性的圖像注入 “認(rèn)知能力”。

但由于標(biāo)簽信息量少、針對(duì)性強(qiáng)等局限，不同任務(wù)需單獨(dú)標(biāo)注對(duì)應(yīng)的圖像與視頻，出現(xiàn)了“有多少人工就有多少智能”的情況。受限于數(shù)據(jù)維度，因此當(dāng)時(shí)的模型不僅體量小，也很難實(shí)現(xiàn)跨場(chǎng)景、跨行業(yè)的泛化應(yīng)用。

進(jìn)入2.0大模型時(shí)代，情況發(fā)生根本性轉(zhuǎn)變，核心區(qū)別在于數(shù)據(jù)本身所含的智能變多了。我們使用互聯(lián)網(wǎng)上的文字和圖文數(shù)據(jù)，一首詩(shī)、一篇文章、一段代碼中，它記錄了人類(lèi)數(shù)千年積累的大量行為智能，遠(yuǎn)高于簡(jiǎn)單標(biāo)簽的智能含量。

大模型配合這些數(shù)據(jù)實(shí)現(xiàn)智能化爆發(fā)，使模型能夠跨越不同場(chǎng)景和行業(yè)，具備較強(qiáng)的通用性。

然而，互聯(lián)網(wǎng)數(shù)據(jù)的價(jià)值正逐漸被“榨干”，通用性的邊際效應(yīng)也逐漸放緩。

進(jìn)入我們正在邁向的3.0具身智能時(shí)代，將轉(zhuǎn)向與物理世界的直接交互。要構(gòu)建理解世界物理規(guī)律、人類(lèi)行為邏輯的“世界模型”，僅靠研讀文字和圖文數(shù)據(jù)遠(yuǎn)遠(yuǎn)不夠，必須深入物理世界展開(kāi)實(shí)際交互。無(wú)論是收拾房間、提供服務(wù)等具體場(chǎng)景，都蘊(yùn)含著復(fù)雜的實(shí)時(shí)智能。通過(guò)與世界的直接接觸與互動(dòng)，AI將突破現(xiàn)有數(shù)據(jù)的局限，產(chǎn)生新的智能增長(zhǎng)路徑。

硬氪：從行業(yè)趨勢(shì)觀察，具身智能賽道的研發(fā)熱度已從去年聚焦“具身大腦”，轉(zhuǎn)向如今對(duì)“小腦”運(yùn)控能力的探索，這一方向轉(zhuǎn)變背后的本質(zhì)原因是什么？

王曉剛：我認(rèn)為核心原因是，大家的研究范式仍然是以機(jī)器為中心（Machine-centric）。

在這種范式下，機(jī)器的交互自然地變成了運(yùn)控、即小腦，因?yàn)樗c底層的硬件密切相關(guān)；然而，也正是由于不同的機(jī)器人本體采集的數(shù)據(jù)不同，導(dǎo)致無(wú)法形成通用的、統(tǒng)一的大腦。

其次是無(wú)法生成復(fù)雜活動(dòng)。傳統(tǒng)依賴(lài)真機(jī)操控采集數(shù)據(jù)的模式存在明顯局限，只能生成拾取、移動(dòng)、放置等十幾秒鐘就能完成的簡(jiǎn)單動(dòng)作數(shù)據(jù)，但像收拾房間、提供服務(wù)等復(fù)雜的、需要長(zhǎng)時(shí)間驅(qū)動(dòng)的活動(dòng)，是無(wú)法完成的。

這也佐證了我們提出以人為中心（Human-centric）、通過(guò)環(huán)境式采集來(lái)訓(xùn)練世界模型的必要性。

硬氪：與目前已有的世界模型相比，大曉機(jī)器人提出的“開(kāi)悟”世界模型3.0 （Kairos 3.0），在底層的邏輯上有什么區(qū)別？它是如何解決物理世界幻覺(jué)問(wèn)題的？

王曉剛：我們構(gòu)建的世界模型與Sora、李飛飛World Labs團(tuán)隊(duì)提出的Marble等現(xiàn)有基于合成數(shù)據(jù)的模型不同，區(qū)別在于，開(kāi)悟3.0采用了“多模態(tài)理解融合 — 合成網(wǎng)絡(luò) — 行為預(yù)測(cè)”三段式架構(gòu)。

其模型統(tǒng)一了以相機(jī)為中心的多模態(tài)理解與生成，支持空間想象、并實(shí)現(xiàn)靈活的跨視角應(yīng)用如世界探索（圖源/企業(yè)）

我們的模型分為三個(gè)部分。第一部分是多模態(tài)理解與融合；現(xiàn)有模型主要依賴(lài)圖像、視頻及文字描述作為輸入，而我們的輸入體系更豐富，涵蓋圖像、視頻、相機(jī)位姿、目標(biāo)3D軌跡、觸覺(jué)力學(xué)等多模態(tài)信息，這使模型能夠更好地理解物理世界。

例如大曉與南洋理工的合作研究中，模型可通過(guò)單張照片反推攝像機(jī)位姿；當(dāng)機(jī)械臂腕部攝像頭捕捉到圖像時(shí)，能精準(zhǔn)定位機(jī)械臂位置，并根據(jù)圖像變化反向推導(dǎo)機(jī)械臂的運(yùn)動(dòng)軌跡，實(shí)現(xiàn)對(duì)物理世界交互邏輯的深度理解。

第二個(gè)是合成網(wǎng)絡(luò)；基于第一步的理解融合，開(kāi)悟世界模型3.0可以合成各種視頻，包括能選擇不同類(lèi)型的機(jī)器人進(jìn)行操作任務(wù)的合成。

第三個(gè)是預(yù)測(cè)；接收指令后，模型能夠預(yù)測(cè)機(jī)械臂下一步應(yīng)該如何操作，從而指導(dǎo)機(jī)器人去操作。這使得我們的模型可以模擬動(dòng)態(tài)場(chǎng)景，將動(dòng)態(tài)目標(biāo)分開(kāi)，并能靈活地替換場(chǎng)景中的各種元素，比如換瓶子、換手機(jī)、換桌面、甚至換房型等。

這些都是現(xiàn)有的世界模型做不到的，真正從“認(rèn)知與模擬”延伸至“實(shí)際執(zhí)行”，形成從理解到操作的完整閉環(huán)。

硬氪：這種“以人為中心（Human-centric）” 范式在數(shù)據(jù)效率提升、跨場(chǎng)景泛化能力突破及多模態(tài)融合落地層面，具體如何解決行業(yè)核心瓶頸？

王曉剛：具體表現(xiàn)為“環(huán)境式采集 + 世界模型”的組合模式。這里的“環(huán)境”，特指人類(lèi)所處的生活與生產(chǎn)場(chǎng)景，“世界模型”也聚焦于人與周邊環(huán)境的交互規(guī)律，而非自動(dòng)駕駛關(guān)注的道路場(chǎng)景或水下等特定領(lǐng)域。

Human-centric的優(yōu)勢(shì)是數(shù)據(jù)采集效率高，且所有數(shù)據(jù)均源自真實(shí)場(chǎng)景。同時(shí)，除視覺(jué)數(shù)據(jù)外，還整合了力學(xué)、觸覺(jué)等多維度信息，人類(lèi)多年積累的人體工程學(xué)成果，也能在此基礎(chǔ)上得以應(yīng)用，這是實(shí)現(xiàn)快速增長(zhǎng)的前提，也是此前Machine-centric研究路徑所不具備的。

硬氪：Human-centric有望在多長(zhǎng)時(shí)間內(nèi)，帶來(lái)類(lèi)似自動(dòng)駕駛領(lǐng)域技術(shù)范式確立后的爆發(fā)式價(jià)值增長(zhǎng)？

王曉剛：短期內(nèi)，Human-centric在四足機(jī)器人（機(jī)器狗）將最先實(shí)現(xiàn)規(guī)模化應(yīng)用。

當(dāng)前業(yè)界的機(jī)器狗普遍受限于自主導(dǎo)航與空間智能能力，多依賴(lài)人工遙控或固定路線(xiàn)作業(yè)，應(yīng)用場(chǎng)景被嚴(yán)重束縛。大曉團(tuán)隊(duì)的方案可以突破這一局限。

一方面，我們?cè)谠O(shè)備上搭載了大曉機(jī)器人的自主導(dǎo)航技術(shù)，可通過(guò)機(jī)管平臺(tái)實(shí)現(xiàn)多機(jī)協(xié)同調(diào)度，接收百度地圖導(dǎo)航指令自主執(zhí)行任務(wù)，還支持語(yǔ)言、多模態(tài)大模型等靈活交互方式；例如可根據(jù)指令識(shí)別特定人群提供幫助、拍攝違章車(chē)輛車(chē)牌號(hào)等。

另一方面，機(jī)器狗與商湯方舟視覺(jué)平臺(tái)深度打通，能借助方舟的視頻分析、目標(biāo)檢測(cè)、異常事件處理能力，識(shí)別打架斗毆、垃圾堆積、未牽繩寵物、違規(guī)無(wú)人機(jī)等場(chǎng)景化問(wèn)題，并將數(shù)據(jù)實(shí)時(shí)回傳后臺(tái)。

這種“自主導(dǎo)航 + 場(chǎng)景智能識(shí)別”的組合，配合云端管理平臺(tái)，可大幅增加其巡檢等應(yīng)用規(guī)模。一兩年之內(nèi)，我們能夠看到機(jī)器人進(jìn)入部分工業(yè)場(chǎng)景。

硬氪：具身智能的商業(yè)化落地正遵循梯度推進(jìn)邏輯，從中長(zhǎng)期來(lái)看，還有哪些場(chǎng)景值得重點(diǎn)關(guān)注？

王曉剛：中期來(lái)看，商業(yè)服務(wù)場(chǎng)景的前置倉(cāng)物流將成為規(guī)模化突破點(diǎn)。

相較于工業(yè)場(chǎng)景存在的跨產(chǎn)線(xiàn)復(fù)制難問(wèn)題，前置倉(cāng)物流的需求具有高度一致性，隨著線(xiàn)上購(gòu)物的普及，各地閃購(gòu)倉(cāng)的分揀、打包等環(huán)節(jié)存在標(biāo)準(zhǔn)化的自動(dòng)化需求。

目前行業(yè)的痛點(diǎn)是，前置倉(cāng)內(nèi)SKU數(shù)量多達(dá)上萬(wàn)種，依賴(lài)真機(jī)采集數(shù)據(jù)的傳統(tǒng)模式難以覆蓋。而我們通過(guò)環(huán)境式采集積累的海量數(shù)據(jù)，能有效訓(xùn)練通用模型，實(shí)現(xiàn)跨倉(cāng)快速?gòu)?fù)制，滿(mǎn)足行業(yè)規(guī)模化落地的核心訴求。

從長(zhǎng)期視角出發(fā)，家庭場(chǎng)景將是具身智能的重要方向，但落地周期相對(duì)更長(zhǎng)，安全性問(wèn)題是核心挑戰(zhàn)。機(jī)器人進(jìn)入家庭后，需應(yīng)對(duì)碰撞避讓、物品安全等多重風(fēng)險(xiǎn)，類(lèi)似自動(dòng)駕駛從L2到L4的責(zé)任界定與安全保障難題。

不過(guò)，當(dāng)前行業(yè)也在進(jìn)行積極探索，例如Figure AI基于視覺(jué)路線(xiàn)開(kāi)展環(huán)境式采集，與擁有上百萬(wàn)種戶(hù)型的房地產(chǎn)基金合作，積累家庭場(chǎng)景中的人類(lèi)行為數(shù)據(jù)，逐步實(shí)現(xiàn)全場(chǎng)景滲透。