大规模数据采集引热议，相关职业会被智能设备取代吗？京东表态
新浪科技讯 4月16日晚间消息，今日，在京东具身智能生态发布会上，京东发布JoyEgoCam超高清采集终端。据介绍，其也是全球首个覆盖“采、存、标、训、评、仿、测”全链路的具身智能数据基础设施。今年3月，京东宣布正在开展人类历史上规模最大数据采集行动，计划两年内真实场景视频数据突破1000万小时。 但随着大规模数据采集的推进，是否意味着参与数据采集或相关重复性劳动的岗位，未来可能面临被机器人(15.010, 0.16, 1.08%)替代的风险？或者加速这些岗位被机器人替代的进程？ 京东集团副总裁、京东云基
京东阐释大规模数据采集动因：助推具身智能产业生态走向成熟
新浪科技讯 4月16日晚间消息，今日，在京东具身智能生态发布会上，京东宣布在全球首推覆盖“采、存、标、训、评、仿、测”全链路的具身智能数据基础设施，自研超高清采集终端JoyEgoCam、具身大模型JoyAI-RA、具身智能数据交易平台等均亮相。 今年3月，京东宣布正在开展人类历史上规模最大数据采集行动，计划两年内真实场景视频数据突破1000万小时。 为何要开展如此大规模的数据采集行动？在沟通会上，京东集团副总裁、京东云基础云业务总经理向新浪科技等回应表示，“京东在做这件事的初衷不是要产生多少收入，而是希望
觅蜂科技推出物理AI数据服务平台，目标年产能千万小时
新浪科技4月16日消息，智元集团旗下的觅蜂科技今日正式对外发布，推出了一站式物理AI数据服务平台。针对当前行业面临的物理AI数据严重短缺、标准不统一等难题，觅蜂科技以“汇聚全球数据，赋能人工智能”为愿景，致力于构建服务于具身智能的数据平台基础设施。该平台整合了硬件、软件平台及运营全链条，实现了真机远程操控、无需本体采集以及仿真数据全模式覆盖。 觅蜂科技的董事长兼首席执行官姚卯青指出，该平台拥有“全面、优质、高效”的数据供给能力，目标是让高质量数据如同水电资源一样方便获取和使用。凭借其贯穿全程的质量控制体系
京东推出具身智能全链路数据新终端
新浪科技报道，4月16日下午，京东在今日举行的具身智能生态大会上，正式推出了JoyEgoCam超高清采集设备。据称，这是全球首套贯通“采集、存储、标注、训练、评估、仿真、测试”全流程的具身智能数据基础设施。涵盖从原始数据采集到大规模并行训练，再到仿真验证与合规流转，京东云致力于数据提纯，推动模型在物理世界快速迭代。 早在今年3月，京东便启动宣称史上最大规模的数据采集工程，目标在24个月内获取超千万小时的真实场景视频素材。（记者闫妍）
特斯拉与OpenAI机器人数据路径分化：8000平场内工厂+场外Ego众包双轨并行
新智元报道为何机器人仍难以胜任家务劳作？并非因其不够「智能」，而是因为——它尚未「成长」。人类仅用数年时光，便通过数百万次真实交互掌握动作与决策，而机器人，却需从数据中「补习」。2026年，Physical AI真正的瓶颈，不在算法，亦不在算力，而在于一个更为现实的问题：谁能以最优成本，产出最多、最真实的训练数据？2024年，特斯拉与OpenAI在机器人数据采集领域，走出了两条截然不同的道路。特斯拉选择重资产路径，借助动作捕捉服与虚拟现实头显，以高昂的遥操作设备获取高精度数据；OpenAI则押注低成本机械
揭秘人形机器人的'成长课堂'
3月17日，位于北京石景山区的具身智能触觉与多模态感知数据训练创新中心内，技术人员正对机器人开展训练工作。即将于3月25日启幕的2026中关村论坛年会将展示众多高智能机器人。这些类人机器人何以日益聪慧？本报记者实地探访北京的人形机器人数据训练基地，揭秘机器人在"智能学堂"中的训练过程。该训练基地内，机器人正围绕工业制造、智能家居、商用服务等各类场景展开数据收集，为相关技术研发夯实数据基础。操控人员在此引导机器人执行各类预设任务，积累大量行为数据，持续优化机器人"智慧中枢"。不久的将来，这些机器人将广泛应用
LIMS融合AI，贯通全流程，推动实验室效率跃升
在实验室日常运转过程中，你是否也长期受到这些难题的困扰：手工录入数据不仅耗费时间，而且容易产生差错；在高频变化的实验场景下，数据采集效率也难以提升；复杂的数据检索往往依赖专业人员；遇到资质评审和突击检查时，资料调阅更是常常手忙脚乱……实验室智联慧检平台（LIMS）把AI能力深度嵌入业务全流程，形成OCR识别、语音录入、AI助手、智能数据关联查询等核心功能，覆盖数据采集、流程管控、决策分析等多种场景，助力实验室运营迈向智能化升级。实验室智联慧检平台（LIMS）以AI技术为核心支撑，贯穿标准管理、数据采集、质
触觉机器人AI训练平台
Haply Advanced Robotic Platform平台 核心定位： • 专为无编程基础用户设计的触觉+机器人整合系统 • 实现人-机-物理AI互动：通过力反馈手柄直接指导机器人工作，取代传统代码编程 • 特点包括：直观教学、实时力量控制、低延迟、模块化、跨平台 主要应用: 机器人远程操控: 在核设施维护、太空探索等高风险或难以接近的区域,操作员能借助 HARP 远程指挥机器人执行精细任务。 AI 数据收集与学习: 操作员利用 HARP 引导机器人工作的过程，自动生成高质量的"触觉演示数
AI巨头巨额融资，辰想智能三防平板引领工业智能化
3月31日，OpenAI宣布获得由Amazon、Nvidia和软银领投的1220亿美元融资，这是历史上最大的一次AI领域投资。此次融资凸显了AI产业在全球科技与资本布局中的核心地位，并预示着AI技术将加速融入各个垂直行业，重塑产业发展格局。辰想智能在垂直领域深耕二十余年，始终致力于技术创新，以技术驱动公司发展。早在2023年，辰想智能就投入巨资，率先布局AI算力，推出了A10R国产三防平板。该产品通过内置神经网络处理器（NPU）的处理器，实现了6TOPS的算力，能够高效支持端侧AI推理、多传感器融合及实时
数据驱动多模态AI创新
导言探索多模态 AI 的底层动力——全链路数据的突破之道。在当前人工智能的发展进程中，多模态大模型（LMM）的竞争已进入“深水区”。从单一的文本交互到视频解析、情感分析以及跨模态生成的全面崛起，每一次技术的飞跃，其核心逻辑都指向了同一个关键点：持续提供高质量、多维度的数据。然而，理想与现实之间存在巨大差距。据行业数据显示，超过 70% 的 AI 研发团队在项目初期就因数据采集问题而受阻。1. 企业与品牌概述：专注全球网络基础服务2. 数据核心与解决方案：破解多模态 AI 的三大难题3. 核心工具解析：全模
AI驱动碳足迹管理新变革
关注碳碳你，获取最新资讯//产品碳足迹管理是一个复杂的体系，涵盖产品全生命周期各阶段以及核算边界和规则。传统管理方式主要依靠人工监测和静态核算，存在数据采集效率低、误差率高以及响应滞后等问题。当前，AI技术正处于快速发展的阶段，智能体技术展现出强劲的增长势头，为碳足迹管理提供了新的可能性。利用AI技术，打造一个贯穿碳排放全过程的智能系统，实时收集各环节数据，从而构建一个精准且动态的碳足迹管理平台。在此过程中，需重点关注以下几个方面。01提升数据采集与处理效率AI的多模态技术具备高效的数据处理能力，能够提升