2026-04-02 | 서지혜 기자

韩国机器人密度全球第一 但数据积累不足全球10%[核心力量KOREA]

本页标题和正文均由AI机器翻译,未经人工审校。准确内容请以韩文原文为准。

全球领先的实体人工智能(AI)企业已展开大规模实物行为数据争夺战。美国初创企业Physical Intelligence表示,去年公开的“π0”模型训练使用了1万小时的机器人演示数据。另一家硅谷初创企业Generalist AI宣布,其实体AI模型“GEN-0”学习了27万小时规模的真实世界运行数据。全球业界预计,到明年主要算法企业的训练数据规模将超过100万小时。

行为数据不像文本那样可以从互联网大量抓取。它是在机器人通过视频或面对面演示直接观察人的行为、加以模仿并反复练习,并长时间记录的过程中积累起来的。归根结底,没有现实数据就难以获得实体AI竞争力。从这一点看,韩国的处境并不轻松。

据产业界2日消息,韩国国内基于行为的训练数据积累水平与全球领先者相比仍处于初期阶段。韩国实体AI协会会长刘泰俊表示:“目前国内构建的基于行为的训练数据仅为全球水平的10%以下”,“尚未达到能够形成产业竞争力的阶段”。他指出:“尤其重要的不是单纯的数量,而是将情境、判断、行为相连接的数据结构,而这部分最为薄弱。”

韩国是全球制造业机器人强国。据国际机器人联合会(IFR)数据,韩国制造业机器人密度为每1万名工人1220台,居世界第一,是世界平均177台的6倍以上。仅从以半导体、汽车、电子产业为中心的工厂自动化水平来看,韩国已处于最顶尖行列。但这些已部署的机器人并不会直接转变为实体AI时代的人形机器人或通用智能机器人。

实体AI模型要执行实际作业,需要“情境—判断—行为”连为一体的情景型数据。机器人在哪道工序识别了什么物体、经过怎样的判断执行了什么动作、结果是成功还是失败,都必须连接为一个数据集。然而国内现场数据大多按设备碎片化存在,前后脉络也被切断,难以直接投入AI训练。

造成这种局限的最大原因是,制造数据大多封闭地积累在企业内部,且未实现标准化。LG AI研究院战略部门长金裕哲表示:“每种机器人使用的摄像头、压力传感器和关节结构都不同,数据采集格式、周期和分辨率也不同”,“即便把数据汇集起来,也难以直接一次性用于训练”。这意味着将各种格式的数据汇总并转化为可训练形态的标准化工作必不可少。Movensys代表金基勋也指出:“像二次电池那样以毫秒为单位的高速工序,需要实时处理数十万条数据,以现有基础设施并不容易。”

隐性知识的数据化同样是重大课题。隐性知识的数据化,是指把熟练工人的手艺、感觉、经验和瞬间判断等难以用语言或手册说明的作业诀窍,转化为可观察、可测量、可记录的形态。但企业担心工序诀窍外流,对向外部提供数据态度消极。熟练工人也常因担心自己的手艺和判断一旦被数据化,最终可能被用来取代自己,而不愿配合。

问题在于,随着老龄化加剧,熟练工人正加速离开现场。精密组装、焊接、检验、判别等依赖熟练者感觉与经验的工序,如今若不留存为数据,很可能就此消失。业界人士强调:“隐性知识的数据化不是单纯的技术问题,应作为产业知识保存问题来对待”,“现在可能是最后的机会”。

不过,单纯积累数据并不足够。业界也有不少声音强调,不能止步于收集数据,还要对其进行加工与验证,形成高质量数据。有观点指出,应将来自不同机器人和传感器的数据标准化为可训练形态,并找到韩国特有的专长领域,集中积累高质量数据。刘会长表示:“韩国在制造、品质、精密工序和产业多样性方面具有优势”,“若在2至3年内无法确定方向,差距很可能被固化,因此必须以高质量数据而非数量决胜。”

阅读韩文原文