景硕科技研报总结
核心业务与产品体系
景硕科技是文远知行旗下子公司,核心业务围绕物理AI产业发展痛点,提供覆盖数据生产、治理到模型训练的全链条基础设施。核心产品包括自研的WorldEnd一体化数据模型平台和Genesis Robotics世界模型,以及自研第一视角高精度采集设备、规模化数采、高质量数据集和定制数据服务,以高质量数据驱动物理AI进化。
景硕与文远的协同效应
景硕与文远知行存在深度绑定关系,文远知行是景硕最大控股股东,景硕所有营收和利润并入文远知行财务报表。景硕核心团队来自文远知行,长期深耕自动驾驶及相关基础设施建设领域。二者形成双向促进的协同效应:文远知行的技术、组织、管理能力为景硕业务拓展提供支撑,景硕的业务拓展为文远知行提供造血功能,并反哺文远知行技术迭代。
数采行业长期空间与竞争要素
数采行业需求具备长期刚性,AI技术迭代本质为数据驱动,大模型、物理AI等领域对高质量数据的需求将长期存续。从大模型发展历程来看,行业已消耗完互联网公共数据,当前进入垂直领域落地阶段,产业对垂直领域专属知识数据的需求更为旺盛。以自动驾驶行业为例,全行业已积累数百亿帧数据,但从业者仍需要更多长尾场景、极端工况等数据支撑技术迭代。硅谷头部数据公司年AR规模已达110亿美元,OpenAI推出Astra具身智能产品后,仅新增500万到1000万小时数据就实现了智能涌现,进一步验证数据要素是AI能力提升的核心支撑。具身AI领域存在独特的数据缺口,数据缺口是具身AI落地的核心阻塞性问题,将进一步催生长期、大规模的数采需求。数采行业的核心竞争要素是数据质量,而非客户关系,数据质量直接决定模型最终性能,高质量数据才能帮助模型迭代,反之则会损害模型性能。
数采行业竞争格局与客户结构
国内暂未出现类似海外Scale AI这类大规模数采厂商,估值差异主要来自汇率差及市场对中资公司的预期差。从长期发展趋势看,行业分工将持续细化,头部基模、算法公司核心聚焦自身模型能力打磨,数采业务外包是主流发展方向。当前国内已显现同类型大型数采独角兽持续涌现的趋势。客户数据预算分配逻辑清晰,国内多数客户普遍设有小型自研团队,配备自研设备或运营团队开展试验性数采工作,整体发展趋势向海外市场看齐,客户逐步倾向将数采需求交由专业供应商完成。外包数采需求按项目公开竞标分配,国内数采厂商在数据质量、规模化生产能力和场景丰富度上具有明显优势。数采厂商普遍具备差异化竞争标签,景硕、文远的差异化定位清晰,依托10年积累的全闭环数据基础设施,具备真实数据运营+虚拟仿真的全链条能力,产能支撑体系完善,拥有4000-5000名专职采集员,同时配备数十万级众包/专家网络,规模化运营能力突出。
大模型发展对具身AI数据需求的影响
通用大模型与垂直模型的关系:OpenAI推出Astra后对具身AI行业产生震撼效应,清晰展现基础大模型向物理世界能力延伸的趋势,数据已成为行业核心资产,OpenAI为Astra新增500-1000万小时数据(以异构数据为主),推动基础能力实现智能涌现。长期技术演进路线明确:基础大模型厂商将持续投入打造通用智能,机器人大脑类厂商将聚焦模型部署落地,形成“基础大模型提供通用智能+机器人体小模型负责落地部署与后训练”的架构,最终实现机器人落地后采集真实世界正负样本、失误案例等数据,形成自我迭代的闭环。当前头部大模型公司的数据采购需求呈爆发式增长,今年数采需求至少100万小时,明年需求提升至至少1000万小时,整体呈10倍增长趋势;行业普遍预判基础大模型预训练至少需要上亿小时异构数据支撑,待基础大模型预训练完成、AI感知能力达标后,行业才会进入后训练、强化学习阶段。机器人技术路线对数据的要求:当前机器人领域技术范式尚未完全收敛,大模型普及前行业曾出现World Model、VLA等多种技术路线,即便当前基础大模型的技术框架已相对收敛,但与具身智能相关的后端算法仍处于探索阶段,不过数据范式已率先收敛,预训练阶段行业普遍采用异构(ego)数据。异构(ego)数据即无本体数据,通过人类佩戴轻便设备采集日常生产生活数据,经处理、对齐、自动化标注后即可用于模型训练,与传统遥操、真机采集等数采方案相比,前者具备强通用性与泛化性优势:a.传统遥操、真机采集方案因机器人成本高导致数采效率低、成本高,难以规模化;b.真机采集的数据存在retargeting问题,很难泛化到其他机器人本体的模型训练中,无法支撑规模化迭代。景硕从去年底开始布局ego数据业务,目前已拿到大量订单,收入表现扎实,布局节奏匹配行业技术发展方向。
ego数据发展趋势与行业影响
ego与5米数据的发展定位:异构数据是唯一可实现规模化能力升级的技术路径,目前行业内仍有客户采购5米数据,但从技术发展逻辑、现有实验结果、产品demo及公开评测指标来看,5米数据属于过渡阶段的数采方案,难以支撑模型能力实现质的飞跃,ego数据是当前行业主流布局的长期可规模化核心发展方向,除该路线外行业暂未找到其他可有效升级模型能力的可行路径。ego数据价格与利润率趋势:当前ego数据行业价格竞争十分激烈,价格本质由成本决定,核心并非人工采集的运营效率,而是整套软件的处理效率,核心影响因素为单GPU单小时的数据生产、处理效率,以及自动化标注等环节的软件自动化程度。价格下降并非利空,反而有助于降低行业应用门槛推动普及;客户采购时优先关注数据质量,包括场景多样性、数据对齐质量、算法精度、标注精度等维度,高质量数据可获得明显溢价,在满足质量要求的前提下客户对价格敏感度较低。景硕凭借符合甚至超出客户预期的高质量数据,获得了高于行业平均的溢价水平,未来兼具成本控制能力与高质量产品供给能力的企业将在竞争中脱颖而出。大模型入场对具身行业的影响:大模型入场布局具身智能赛道,对主打具身智能大脑、算法研发的创业公司存在一定冲击,这类公司的定位将逐步向落地部署方向切换,或将伴随估值调整、融资规模下降的情况。但对景硕这类定位为数据及基础设施服务商的企业而言是明确利好,头部大模型厂商的数采预算投入更高,将彻底打开数采行业的市场空间。当前具身AI行业仍处于发展早期,相比已有10年发展历程的自动驾驶赛道成熟度更低,大模型入场有望推动具身AI行业迎来ChatGPT时刻,加速模型能力质的飞跃与落地场景拓展,对整个具身行业及数据基础设施厂商均为长期利好。
数采行业项目模式与定价机制
项目获取模式:数采行业项目获取为混合模式,主要分为公开招标与点对点邀约两类,伴随行业内企业的品牌曝光与技术投入增加,客户对供应商的认知度提升,当前点对点定向合作邀约数量较多。无论采用哪种合作模式,项目推进均有标准化前置流程:客户首先要求供应商提交数据样本,双方就核心指标进行充分沟通核对,核心指标涵盖数据质量精度、具体参数标准、整体数据规模、后续可供应产能等维度,项目合作的核心决策依据为供应商的数据质量与交付能力,项目合作前需提交数据样本、质量指标、产能规划等信息供客户验证。行业定价机制:数采行业暂无统一的标准化定价规则,定价按照数据质量、标注复杂度、指标要求的差异实行阶梯式报价,整体分为三个档位:第一档为高质量数据,包含丰富标注信息、多维度指标要求及配套产品要求,定价处于最高区间;第二档为中等质量数据,定价处于中间区间;第三档为低质量数据,主要满足客户前期测试类需求,定价处于最低区间,高质量数据价格可达低质量数据的数倍。不同项目的报价体系及客户价格预期存在差异,头部供应商依托核心产品优势可获得更高议价权,其中景硕生产的高质量数据集竞争力较强,可获得行业较高溢价。客户需求趋势:海内外客户的数采体系建设存在明显差异,国内客户普遍配备小型自研数采团队,主要开展试验性的数据采集、处理工作;海外客户更聚焦于自身模型研发环节,仅安排少量项目经理、交付经理对接供应商。当前全行业数采需求缺口较大,海内外客户的数采需求均以采购现成数据集为核心,若现有供应商的数据集无法覆盖需求缺口,客户会进一步提出定制化生产需求,定制化需求核心指向产能扩充,要求供应商定向生产指定规模的数据。当前头部机构客户的数采需求持续释放,数采需求整体呈爆发式增长态势。
数采产品形态与核心竞争力
产品标准化与定制化布局:当前已形成标准化产品与定制化项目并行的产品结构,自有标准化产品体系,会提前与客户沟通标准化数据集是否匹配需求,从目前反馈来看,标准化数据集通用性较强,多数客户需求重合度较高,同一份数据往往能满足多家客户需求。与此同时,因当前市场对数据产品需求规模较大,公司仍有闲置产能可承接定制化项目,针对客户特定需求专门生产对应数据,定制化需求主要针对特定场景与产能缺口,可覆盖客户个性化需求,最大化释放产能价值。第三方供应商核心竞争力:对于第三方数据采集供应商而言,数据质量、多样性、产能三者均为核心能力要求,当前行业处于发展前期,客户既需要数据覆盖多样场景,对单一场景的需求也十分可观,例如家庭、公司、工厂等不同细分场景均有大量需求。公司以高质量数据为核心追求,不刻意选择规模优先或场景优先的发展路径,依托全闭环数据处理软件系统,可智能指导采集工作规划,平衡数据规模与场景多样性,这套系统可清晰掌握整体数据分布、规模、处理流程等全链路情况,结合自研算法与AI能力,能主动给采集人员下发工作任务与后续规划,全链条数据处理软件能力是公司的核心壁垒。
机器人数据需求演进与ego瓶颈
机器人长尾数据需求:机器人领域不同发展阶段的数据需求存在差异:具身机器人做demo阶段,corner case就具备重要价值,典型场景包括叠衣服、拿取杯子、物品拾取放置等操作中的失败及恢复场景,这类数据对模型优化支撑作用十分关键。当前机器人数据需求以预训练阶段的异构数据为主,行业核心需求集中在扩大异构数据规模、提升数据多样性与质量。corner case(失败场景)数据将在后训练/落地阶段成为核心需求,随着预训练效果不断优化,模型进入后训练或落地部署阶段后,corner case数据的需求会更加凸显,获取难度更高、对模型落地的支撑作用也更为关键。ego数据的发展瓶颈:ego数据当前主要存在两大发展瓶颈:a.未来ego数据有望加入触觉、嗅觉、声音等多模态传感器数据。长期来看ego数据需要结合触觉方案,人类操作物品时的力触觉反馈是判断感知的重要支撑,比如捏玻璃瓶与塑料瓶的触感差异能帮助快速完成识别判断,现阶段多数企业暂未大规模应用触觉信息,客户也暂未提出相关要求,但长期来看多模态传感器数据的加入是重要发展方向。b.当前核心优化方向是软件处理效率与算法精度。当前算力需求虽不及大模型训练,但仍需投入较多算力资源,行业需持续提升整套软件的运行效率与算法精度,优化算法能力降低算力消耗,实现单卡处理更多数据,覆盖手部重建、全身姿态还原等多场景需求。目前相关技术仍存在较多难点,依托文远的整套技术能力,后续有机会实现更好的优化效果。
前沿技术对数采行业的影响
量子科技的应用可能性:针对量子科技在AI基础设施、数采领域的应用及前瞻布局,以及量子科技与智能网联汽车融合的发展前景相关问题,当前反馈显示,暂未观测到量子计算在数采及智能联领域存在明确应用场景,目前量子科技与数采行业的整体结合度较低,因对量子计算领域了解有限,其余相关问题暂未给出明确结论。
数据复用价值与行业订单特征
数据时效性与复用价值:当前数据集业务本身属于可“一鱼多吃”的模式,高质量异构数据无明显时效性问题,不存在“保鲜度”困扰,不会被轻易淘汰或需要完全更新,只要数据质量达标,各类模型均可适配使用,可多次对外销售复用。自动驾驶领域积累的相关数据在具身领域具备复用价值:自动驾驶场景下采集的视频类、视频与MU结合类数据,数据范式与具身领域接近,一方面可帮助数据类企业优化自身数据处理模型效果;另一方面可输入基础模型训练,支撑机器人、物理场景相关模型优化。不过当前暂未看到具身领域客户大量采购智驾数据的情况。具身AI核心应用场景:此前市场提及的具身AI落地场景包括冰激凌售卖、零售店服务、叠衣服、打螺丝、修汽车、酒店客房打扫等,目前来看暂未出现特别创新的落地场景,家庭场景是最具潜力的长期落地方向,核心需求覆盖保洁、看护、叠衣服、捡袜子、收鞋子、洗碗等各类家务、看护类需求,也是最具落地挑战的场景。除此之外当前主流落地场景还包括两类:一是工厂场景,覆盖各类生产操作类需求;二是消费场景,包括咖啡厅、超市的相关服务类需求。行业订单结构特征:行业内部分厂商对外宣传的夸张大额订单多为长期框架合同,对应金额为长期合作总规模,并非短期可兑现收入。头部数据企业在手订单规模达数十亿级,订单交付周期为1-2年,行业整体处于供不应求状态,国内外相关创业公司仅发展1-2年就可实现较高规模增长,行业订单整体呈爆发式增长态势。海外头部数采相关厂商年AR水平较高,其中mcore年AR约20亿美元,其他同领域厂商规模分布在1亿美元到10亿美元区间,整体增长态势显著。