2026-04-03 | 서지혜 기자

机器人多又如何…在数据竞争中落后的韩国

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。

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,相当于世界平均177台的6倍。但机器人多并不意味着实体AI竞争力处于最高水平,原因在于让机器人真正有效运转所需的数据极度不足。

据产业界3日消息,韩国国内行为型学习数据的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:“目前国内构建的行为型学习数据不足全球水平的10%”,“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,而这一部分最为薄弱。”

行为数据不像文本那样可以从互联网上大量抓取。它是在机器人通过视频或面对面示范直接观察人的行为、模仿并反复练习,并长时间记录这一过程中积累起来的。归根结底,没有现实数据就难以确保实体AI竞争力。从这一点看,韩国的处境并不轻松。

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,以及结果是成功还是失败,都必须连接成一个数据集。但国内现场数据大多按设备分散碎片化,前后脉络也断裂,难以直接投入AI学习。

这一局限的最大原因是,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:“每台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、分辨率也不同”,“即便把数据汇集起来,原样也难以一次性学习”。这意味着,把各种格式的数据汇集并转换为可学习形态的标准化作业不可或缺。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、瞬间判断等难以用语言或手册说明的作业诀窍,转换为可观察、可测量、可记录的形态。但企业担心工序诀窍外泄,对向外部提供数据态度消极。熟练工人也常因担忧自己的手艺和判断一旦数据化,最终会被用来替代自己而不愿配合。

问题在于,随着老龄化加剧,熟练工人退出现场的速度正在加快。精密组装、焊接、检查、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只是技术问题,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,仅仅积累数据并不够。业界也有不少声音强调,不能止于采集数据,还要将其加工、验证为高质量数据。有观点指出,应把来自不同机器人和传感器的数据标准化为可学习形态,并找到韩国独有的专长领域,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2~3年内定不下方向,差距很可能被固化,因此必须靠高质量数据而非数量取胜”。

另一方面,全球实体人工智能(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”模型的训练使用了1万小时的机器人示范数据。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。全球业界还有预测认为,到明年主要算法企业的学习数据规模将突破100万小时。

阅读韩文原文