[fn人物]：“在物理AI正式投入现场前，先在虚拟空间完成训练”

[Financial News]

• SKAI Intelligence首席执行官李在哲
• 物理AI商业化的关键在于真实环境中的“经验”
• 仅靠数据难以满足充分的训练需求
• 在虚拟空间中人为构建失败场景
• 正与ABB Robotics、首尔大学开展合作

“物理AI商业化的核心瓶颈并不在于机器人硬件，而在于缺乏能够让机器人安全、反复地学习和验证现实世界各种复杂情况的数据与经验。”

SKAI Intelligence首席执行官李在哲（图）13日表示，数据将成为决定物理AI竞争格局的关键因素。虽然相当于机器人身体、眼睛和大脑的硬件及AI模型正在快速发展，但机器人要在复杂的现实环境中稳定工作的过程中所需的数据和经验仍然不足。

SKAI Intelligence是一家基于数字孪生的物理AI数据基础设施企业，通过对现实环境进行高精度虚拟化，为AI和机器人提供训练与验证支持。李在哲介绍称：“我们是一家在机器人正式投入实际应用之前，让机器人先在虚拟空间中体验各种情况，并为其打造训练教材和测试环境的公司。”

SKAI Intelligence最初从产品和空间的3D内容制作业务起步。作为英伟达（NVIDIA）ISV合作伙伴参与ABB Robotics工业物理AI项目后，公司进一步确认了将相关技术扩展至机器人训练和验证用合成数据领域的可能性。

之所以需要合成数据，是因为仅依靠现实数据难以完成机器人充分的训练和验证。李在哲表示：“现实数据的采集需要投入大量时间和成本，而且很难涵盖所有异常情况。”他进一步指出：“尤其是在精密制造领域，很多情况下只有在产品和生产线完成之后，才能开始采集相关数据。”

李在哲将这种情况比作“在模拟考试中能够答对所有问题，但在正式考试中第一次遇到从未见过的变形题”。

合成数据则通过在虚拟空间中人为制造各种变化和失败场景，对现实数据进行补充。李在哲表示：“这项技术的核心，就是将现实世界搬到虚拟空间，在其中生成大量不同场景，对AI和机器人进行验证，再将现实环境中的结果重新反映到虚拟空间中。”他还表示：“我们把机器人的失败案例制作成‘错题本’，不断缩小虚拟世界与现实世界之间的差距。”

他强调：“SKAI Intelligence的差异化优势在于，将工业现场的工程数据与高精度CG、仿真技术连接成了一条完整的数据管线。”他表示，“我们将内容业务中积累的技术应用于工业数据生成，并建立了从数字孪生构建、合成数据生成、机器人验证到现场反馈的闭环体系。”

SKAI Intelligence目前正基于英伟达Omniverse和Isaac Sim进一步提升相关技术。6月，公司与ABB Robotics签署合作框架协议，并开始开展将机器人仿真环境与SKAI Intelligence合成数据管线进行连接的验证项目。此外，公司还与首尔大学AI研究院开展机器人技术联合研究。

李在哲认为，未来5年将成为物理AI数据的格式、质量和验证标准逐步建立的重要时期。他表示：“目前，不同企业和平台在数据生成和表达方式上存在差异，因此很难将一个环境中生成的数据应用到另一个环境中。”他进一步表示：“我们将与行业领先企业和研究机构共同打造实际成果，并积极参与相关标准的形成过程。”

wongood@fnnews.com — 《Financial News》记者 周元圭