告别高价数采!亮源新创Light-O1让机器人看互联网视频学人类动作

昨天看到一条消息,亮源新创发布了全身智能基础模型Light-O1。核心能力一句话概括:机器人从互联网视频里学人类动作,然后把这些动作迁移到自己身上。注意,是互联网视频。不是遥操作采集,不是仿真数据生成。

亮源新创将基于视频的人类动作预训练拓展到了10万动作小时。随着数据规模扩大,动作预测损失呈幂律下降趋势,全身姿态误差同步降低。这是行业首次验证“人类全身动作预训练的跨本体迁移扩展规律”——简单说,人类动作数据越多,模型适配不同机器人本体和视角的能力就越强。同期,公司开源了Light-O1-Preview模型,用户可以在官网体验从理解指令到生成动作的完整过程。

lightorigins

创始人姜旭曾任OpenAI算法专家,在GPT-4技术报告的贡献列表中被提及8次,与Greg Brockman并列第一。2024年底创立亮源新创,8月完成数亿元Pre-A轮融资,国科投资领投,招商局创投、襄禾资本跟投。

亮源新创创始人姜旭

数据来源的重构,比模型参数更值得关注

小智先把行业现状摆一下。当前机器人动作模型的训练数据主要靠两种方式采集:遥操作和UMI设备。这两种方式的共同问题是——贵。采集设备要钱,操作人员要培训,不同任务还得定制采集流程。一台机器人想学会10种任务,可能得雇10个采集员,花几个月时间,烧掉几百万。

这套模式有个结构性瓶颈:采集成本决定了数据规模的上限。你不可能无限雇人、无限买设备、无限扩展采集场景。所以行业里讨论具身智能数据瓶颈时,大家的共识是“数据不够”,但解决方案大多是“多建训练场、多招采集员”。

Light-O1换了一个思路:互联网上已经有海量的人类行为视频——YouTube上有人拍做饭,TikTok上有人拍整理房间,B站上有人拍修电脑。这些视频记录了人类在不同环境中移动、操作物体、使用工具、与人交互的完整过程。它不专门为机器人采集,但它天然覆盖了机器人需要学习的动作场景。

这就像大语言模型不需要为每个任务单独标注语料,而是从互联网文本中自主学习。Light-O1做的事情,是把“互联网视频”变成了“机器人动作的预训练语料”。

一级估值逻辑正在被这件事重新锚定

过去两年,具身智能基础模型公司的估值锚是“参数规模”和“真机数据量”。谁有更多机器人、采了更多真机数据,谁的模型就更值钱。但Light-O1提供了一个新锚:互联网视频的利用效率。

10万动作小时的人类视频预训练,加上“数据扩大→迁移能力提升”的幂律规律验证,意味着这条路的天花板可能远高于真机采集。真机数据受限于机器人保有量和采集人员规模,而互联网视频的规模是无限的。当一家公司证明“视频数据越多、模型适配能力越强”这个扩展规律成立时,它的估值逻辑就从“我有多少台机器人”变成了“我能多高效地利用全人类的视频数据”。

这个逻辑对一级市场的影响是直接的。亮源新创Pre-A轮拿到数亿元,国科投资领投的理由说得很清楚:“具身智能还处在底层技术能力决定长期格局的早期阶段。”翻译一下:早期阶段赌的不是谁的产品先落地,是谁的数据飞轮先转起来。

二级传导路径也在变得清晰

Light-O1的技术路径如果被验证可复制,意味着具身智能对“真机采集设备”的依赖会降低。这直接影响到数据采集硬件赛道——光轮智能、诺亦腾机器人这类做数据采集设备的公司,其估值逻辑可能需要重新审视。但反过来,互联网视频数据的处理链条会受益——视频理解、动作提取、多模态对齐这些能力,对应的恰好是视频AI和计算机视觉领域的公司。

有意思的是,亮源新创选择开源Light-O1-Preview,这套“规模化预训练—规模化对齐—规模化部署”的三段范式全部开源。开源意味着两件事:一是公司对自己的技术壁垒有信心,二是它想通过开源吸引更多开发者来验证和扩展这条路线。开源一个预训练模型,本质上是在招募全世界的开发者帮你采集“如何使用这个模型”的反馈数据。

亮源新创验证的不是“机器人能不能从视频里学动作”——这件事学术界早就在做。它验证的是“从视频里学动作的扩展规律”——数据越多,迁移能力越强,而且这个关系是幂律的。这意味着,具身智能的Scaling Law可能不需要依赖真机数据就能成立。

留给读者一个问题:如果机器人真的能从互联网视频里学会干活,那训练场和遥操作采集设备的存在价值,还剩多少?

#具身智能#人形机器人#亮源新创#数据采集

注:本文基于2026年9月22日前的公开信源整理,涉及行业预测与盈利判断的内容均存在不确定性,不构成任何投资建议。

关注「智财社」看具身智能技术迭代与资本脉络

声明:本文为维科号作者发布,不代表维科号立场。如有侵权或其他问题,请及时联系我们举报。