【数据的综述】和谢晨聊，新时代的石油、历史、版图、数据金字塔、定价与Recipe
合集 · AI的淘金年代 (14)
-
【Agent创业三部曲】独家对话Manus创始人肖弘：Manus诞生全复盘
1:10:50
-
今天Agent像大猩猩刚拿起一根烧火棍：对YouWare创始人明超平访谈
2:38:17
-
10年跳槽7家公司，离开字节AI创业，火了！Lovart创始人陈冕：“这一刻就是好爽啊！！”
1:44:57
-
对话Kimi创始人杨植麟：K2、Agentic LLM、缸中之脑、“人类文明的放大器”和“站在无限的开端”
1:39:39
-
Manus决定出售前最后的访谈：啊，这奇幻的2025年漂流啊…
3:31:01
-
全球大模型第一股的上市访谈，和智谱CEO张鹏聊：敢问路在何方？
2:24:36
-
印奇出任阶跃星辰董事长的首次访谈：聪明人的诱惑、残酷的淘汰赛、清华姚班、赌注和超多元方程
2:00:05
-
对谢赛宁的7小时马拉松访谈：世界模型、逃出硅谷、反OpenAI、AMI Labs、两次拒绝Ilya、杨立昆、李飞飞和42
6:44:38
-
和谢晨聊“数据的综述”：AI和机器人数据的历史、版图、金字塔与Recipe
2:36:51
-
对洪乐潼的4小时半马访谈：AI for Math、把数学变成Lean、数学天书中的证明、直觉、被创造的与被发现的
4:23:11
-
对罗福莉的3.5小时访谈：AI范式已然巨变！OpenClaw、智能体框架、Agent范式很吃Post-train、卡的分配比例、巨变下的组织
3:34:39
-
对姚顺宇的4小时访谈：请允许我小疯一下！在Anthropic和Gemini训模型、技术预测、英雄主义已过去
3:48:01
-
对游凯超的3小时访谈：模型与Infra的Co-design 、Token VS 电、“仁慈的独裁者” 、“如果vLLM失败了，我们会后悔一辈子”
2:59:09
-
对英伟达研究副总裁刘洺堉的4小时访谈：Cosmos 3、世界模型、武术、黄仁勋影响我的，和你不需要击败所有对手
3:36:13
Description
2026年，除了嘉宾访谈，我们也很希望推出一些内部人士的产业单集。今天就是这样的一次尝试。 我们知道数据、算力、算法，是驱动人工智能的三驾马车。今天这集节目我们邀请我们的返场嘉宾谢晨，试图通过一集节目完整聊聊这其中一架马车——数据。我们尝试来做一个“数据的产业综述”。 大语言模型的数据遇到撞墙的难题，机器人的数据则处于一片荒漠中。数据产业是如何运转的？一些人正在探索的仿真数据、数据金字塔等将如何改变产业格局？ OUTLINE： 00:01:07 寻觅 00:20:09 综述 00:41:39 共生 00:48:30 势力 01:06:56 历程 01:14:45 迹象 01:32:00 对照 01:42:40 金字塔 01:55:31 定价 02:02:50 Recipe 02:17:06 版图 02:28:52 终点 LINKS： 我们的播客在小宇宙、Apple Podcast、Spotify等全音频平台播出； 我们的视频播客在Bilibili、小红书、视频号、抖音等全视频平台播出； 如果你想服用文字版，请搜索我们工作室的公众号：语言即世界language is world。 DISCLAIMER: 本内容不作为投资建议。 CONTACT: xiaojunzhang@lisw.ai Jump into the new world-and explore with us!😉
Comments
求个kaiming
♥ 57 ↩ 6
feifei不愧是教母啊，每个时代都能找到北极星问题，给大家造公路测试自己的发动机[笑哭]。前不久看她cs231n的结课演讲才知道behavior。
♥ 38
无论是预训练还是后训练评测，其本质都可以收敛到同一个核心公式：有效信号密度 ÷ 信号获取成本。 具身智能恰好落在这个比值的洼地——有效信号本就稀疏，而获取成本又极高。它完全不像自动驾驶，后者天然享有免费的数据回流与影子模式触发教学，能以极低的边际成本持续撬动高质量信号。正因如此，不少资深研究者才判断具身领域将更依赖 Sim-to-Real 迁移。 但这里存在一个容易被忽视的陷阱：Sim-to-Real 转换过程中极易引入信号失真。分母（成本）变小了，分子（有效信号密度）也跟着缩水，比值并未改善，等于做了白工。如何精细调节这一转换，最大化地保留甚至恢复有效信号，就成了 Sim-to-Real 真正的做功点。 再把目光投向近年来的趋势——业界明显偏好任务域收窄，深耕单一场景的专用机器人，而非执着于通用领域。与此同时，各种消费级人类数据采集平台纷纷涌现，这相当于有无数人在为机器人“开车示范”。窄任务域本身就让有效信号更加聚焦，叠加数据采集成本因平台化而骤降，真实世界数据的信号效率被根本性抬升。此消彼长之下，Sim-to-Real 的不可或缺性，已经被削去了一大截。
♥ 19
我是小珺死忠粉[打call]
♥ 17 ↩ 2
谢谢您给我们带来了这么多的前沿知识和那些顶尖人才的思想！
♥ 13
这个大佬讲话方式好奇怪，有一种人机感，和正常人讲话不一样，有点像用朗诵比赛的方式在讲话，听得好别扭
♥ 10 ↩ 4
小珺很高产，但是也要注意保重身体啊，累的都有眼袋了
♥ 14
话说他眼睛为什么一直不停动？有专家解释下吗[呲牙]
♥ 7 ↩ 4
求：李沐、马毅、俞舟 [打call]
♥ 6
小珺美女找个做智能体大佬聊聊吧，c端王诗沐和b端毕玄都不错啊[doge]
♥ 6
这次的访谈让我想起了我大约一年前的一个idea:做一个为个人提供智能硬件或者机器人进行数据交易的平台。这个想法当时看起来不靠谱，现在听了这个访谈，感觉可以纳入考虑范畴
♥ 6 ↩ 4
非常有价值的创始人访谈和输出；光轮智能很可能就是具身领域的Scale AI 1. 具身智能的瓶颈已经从模型转移到数据。 数据难获取、昂贵、质量参差，“Amazon 可能坐拥价值 1000 亿美元的仓库数据授权机会”。 2. 真实世界数据采集不可扩展。 不像 LLM 可以爬互联网，机器人训练数据需要物理交互，每小时采集成本巨大。仿真合成数据是唯一可规模化的路径。 3. 但仿真数据的核心难题是 sim-to-real gap。 如果仿真物理不准确，模型在仿真里学到的策略到真实世界就失效。Lightwheel 的价值在于把这个口子缩到足够小，通过物理精确资产 + 真实测量工厂 + 对齐方法论。 4. 全球具身智能软件平台市场 2025 年约 21 亿美元，预计 2034 年达 386 亿美元（CAGR 42%） 。数据层作为基础设施，随模型层和硬件层的膨胀而等比例增长。
♥ 5
太高产了！简直是超人！
♥ 5
咬字好清楚，听起来很舒服[打call]
♥ 5
讲的太一般了，概念解释不清楚，对行业的洞察和干货也没讲明白
♥ 6 ↩ 2
看了几期，发现技术大佬们都喜欢说我觉得[笑哭]
♥ 3 ↩ 1
终局还在仿真？难道不应该在真实环境？
♥ 3 ↩ 6
核心主题：数据产业的深度综述 在 AI 三驾马车（数据、算力、算法）中，这期聚焦于数据这一关键要素，试图构建一个完整的数据产业全景图。 关键洞察 1. 数...
♥ 3
内容好好！也好会提问题啊！[星星眼]
♥ 3
先投币再细品[打call][打call][打call]小郡肝老师加油
♥ 3