Kto płaci za „grunt danych” humanoidów? Przestawienie w Pekinie pokazuje, co naprawdę liczy

Zlikwidowane centrum - czy to koniec?

Centrum szkoleniowe robotów humanoidów w Shougang Park, Pekin, które od marca 2025 roku działało jako jedno z pierwszych w Chinach, przestało funkcjonować. Zdaniem lokalnych mediów, przyczyną było wycofanie się Realman - dostawcy sprzętu i technologii. To nie był upadek projektu, ale jego przebudowa. Shijingshan District wyjaśnił, że po wyjściu partnera z etapu I centrum przechodzi do nowej fazy: rozwój 4D Gaussian light fields i modeli świata. Zamiast budować kolejne projekty, zmienia się logika działania - od zbierania danych w kontrolowanych warunkach do ich wykorzystania w rzeczywistych scenariuszach.

To nie jest pierwszy przypadek, gdy centrum szkoleniowe zmienia kierunek. W ciągu dwóch lat wiele regionów Chin zainwestowało w takie instalacje jako część strategii rozwoju inteligencji embodowanej. Ale budowanie infrastruktury to tylko początek. Kluczowym pytaniem jest, kto będzie płacić za dane w długiej perspektywie - i czy te dane będą naprawdę przydatne.

W maju tego roku Phase III centrum w Shijingshan zebrała prawie 270 robotów i miała roczną zdolność produkcyjną danych zbliżoną do 20 milionów punktów. Początkowo, w marcu 2025 roku, etap I miał planować produkcję ponad miliona punktów danych rocznie. Takie tempo rozwoju pokazuje, jak intensywnie regiony Chin inwestują w infrastrukturę dla robotów humanoidów.

Dane nie są „gruntami” - są narzędziem

Wcześniejsza logika była prosta: im więcej danych, tym lepiej. Centrum w Pekinie miało zebrać ponad 20 milionów punktów danych rocznie, głównie z symulowanych scenariuszy - od obsługi domowej po montaż elektroniki. Ale jak się okazało, dane ze stabilnych warunków laboratorium są trudne do wykorzystania w rzeczywistym świecie. Roboty napotykają zmieniające się oświetlenie, nierówności podłogi, nieprzewidziane zakłócenia - sytuacje, których nie da się łatwo symulować.

Realman zrozumiał to i zmienił strategię. Zamiast zbierać dane w kontrolowanych warunkach, teraz zdalnie prowadzi operacje robotów w fabrykach, magazynach i domach. Działa to jak „zamknięty obieg”: dane powstają w trakcie rzeczywistej pracy, są natychmiast wykorzystywane do poprawy modelu, a ten z kolei lepiej radzi sobie z kolejnymi sytuacjami. To nie jest już tylko zbieranie danych - to ciągła iteracja.

Dane ze stabilnych warunków laboratorium są trudne do wykorzystania w rzeczywistym świecie, gdzie występują zmieniające się oświetlenie, nierówności podłogi i nieprzewidziane zakłócenia. Realman przekonuje, że dane z rzeczywistych operacji w środowiskach niekontrolowanych są bardziej wartościowe dla modelu niż dane ze stabilnych warunków laboratorium.

Kto będzie płacić za dane w przyszłości?

Problem polega na tym, że dane dla robotów humanoidów mają silny charakter „domeny prywatnej”. Każda firma używa innych ciał robota, sensorów, układów sterowania i architektur modeli. Dlatego dane z jednego systemu są trudne do wykorzystania przez drugą. To oznacza, że nawet jeśli centrum szkoleniowe zbierze miliony punktów danych, firma może nie być skłonna je kupować - jeśli nie przyniesie bezpośredniej poprawy modelu.

Zatem pojawia się konflikt: władze lokalne chcą budować publiczne centra jako infrastrukturę wspierającą rozwój branży, a firmy skupiają się na tym, czy dane są kosztowne i czy przyniosą realną wartość. To nie jest sprzeczność - ale różnica w celach. Dlatego kluczowe staje się pytanie: kto będzie finansował ten obieg? Czy to będą firmy, które je wykorzystują, czy państwo jako inwestor w przyszłość?

Wartość danych nie leży w ilości, ale w ich przydatności. Dlatego kluczowe staje się pytanie: kto będzie finansował ten obieg? Czy to będą firmy, które je wykorzystują, czy państwo jako inwestor w przyszłość?

Nowa era danych - od zbierania do zastosowania

To pokazuje, że rząd rozumie, że nie ma jednej „prawidłowej” metody. Dane mogą pochodzić z symulacji, filmów, internetu lub rzeczywistych operacji - ale ich wartość zależy od tego, jak są wykorzystywane.

Przyszłość nie leży w budowaniu kolejnych centrów szkoleniowych, ale w tworzeniu zamkniętych obiegów: scenariusz → dane → model → poprawa. To oznacza, że centrum nie musi być „dokładnie takie samo” - może się zmieniać, jak to zrobiło Pekin. Kluczowe jest, by działało w sposób zgodny z rzeczywistymi potrzebami modelu, a nie tylko zgodny z planem inwestycyjnym.

Realman przekonuje, że dane z rzeczywistych operacji w środowiskach niekontrolowanych są bardziej wartościowe dla modelu niż dane ze stabilnych warunków laboratorium. To pokazuje, że przyszłość leży nie w ilości danych, ale w ich jakości i przydatności.

Co to oznacza dla przyszłości robotyki?

Zlikwidowanie centrum szkoleniowego w Pekinie nie jest końcem, ale przełomem. Pokazuje, że budowanie infrastruktury bez jasnego modelu finansowania i zastosowania to ryzyko. Ale też pokazuje, że przyszłość leży nie w ilości danych, a w ich jakości i przydatności.

Dla firm - to wyzwanie: muszą myśleć o danych jako o narzędziu do rozwoju modelu, a nie tylko jako o koszcie. Dla rządów - nowa rola: nie budowanie centrów, ale wspieranie zintegrowanych systemów, które łączą dane z rzeczywistymi scenariuszami i aplikacjami. To nie jest już „kto płaci za grunt danych” - to „jak przekształcić dane w wartość”.

To przekształcenie pokazuje, że przyszłość robotyki nie leży w budowaniu coraz większych centrów danych, ale w tworzeniu dynamicznych, zintegrowanych systemów, które łączą rzeczywiste warunki działania z ciągłym doskonaleniem modeli. Kluczowe staje się nie to, kto płaci za dane, ale jak te dane są wykorzystywane w praktyce - czy przekształcają się w lepsze decyzje, szybsze reakcje i bardziej niezawodne działania robotów. Dla firm oznacza to konieczność przejścia od myślenia o danych jako o koszcie do postrzegania ich jako klucza do konkurencyjności. Dla rządów - nowa rola: nie budowanie infrastruktury, ale wspieranie ekosystemów, które umożliwiają zamknięte obiegi danych.