Szenenübergreifende Datendienste lösen die Herausforderungen der Embodied Intelligence, Lingling Intelligence strebt eine Finanzierung in der Angel-Runde an.

Wenn große Modelle Maschinen dazu bringen, die Welt zu „verstehen“, liegt das Problem, Roboter wirklich dazu zu bringen, in die physische Welt „einzutreten“, nun an der Schwelle der Daten. Lingling Intelligence, ein Dienstleister, der sich auf die Erfassung und Aufbereitung von Daten für verkörperte Intelligenz spezialisiert, hat sich entschieden, jetzt das Gaspedal für die Finanzierung zu drücken. Der Gründer Huo Yanfeng sagte gegenüber 36Kr: „Daten sind das Lehrmaterial für Roboter, um in die physische Welt einzutreten.“ Derzeit sucht Lingling Intelligence nach einer Finanzierung in der Seed-Runde.

Den Modellen fehlen keine Algorithmen, sondern Daten, die in die Trainingspipeline aufgenommen werden können

Der branchenweite Konsens zur verkörperten Intelligenz verschiebt sich: Der Engpass liegt nicht bei den Algorithmen, sondern bei der Datenversorgung. Das Training allgemeiner verkörperter Modelle erfordert hochwertige physische Interaktionsdaten im Umfang von mehreren zehn Millionen Stunden, während die derzeit weltweit verfügbaren hochwertigen Daten etwa 500.000 Stunden betragen – die Lücke übersteigt 99 %. Für Modellanbieter reicht der Aufbau eigener Erfassungskapazitäten bei weitem nicht aus, um den Trainingsbedarf zu decken. Für Hersteller von Roboterplattformen sind die Kosten für die Erfassung von Echtgerätedaten in spezifischen Szenarien sehr hoch: Nach Berechnungen können die Kosten pro Stunde bis zu 1200 US-Dollar betragen, und der Prozess dauert sehr lange. Die Szenarien übergreifende Generalisierung erfordert, dass das Modell genug vielfältige reale Umgebungen kennengelernt hat, während die Qualität der durch Crowdsourcing und Videodestillation erhaltenen Daten sehr unterschiedlich ist und nur schwer direkt in die Trainingspipeline aufgenommen werden kann.

Die Knappheit auf der Angebotsseite ist ebenfalls ausgeprägt: Die Erfassung mit echten Geräten ist teuer, die Kapazität für Roboterplattformen fehlt, die Szenarienabdeckung ist begrenzt, Fabrikszenarien sind relativ einheitlich, langschwanzige Szenarien wie häusliche Umgebungen lassen sich nur schwer nachbilden, und der Branche fehlen einheitliche Standards für Datenqualität und Konformität. Nach Branchenberechnungen wird das Marktvolumen für Daten zur verkörperten Intelligenz voraussichtlich im Jahr 2027 einen Umfang von mehreren zehn Milliarden Yuan erreichen und jährlich um das 5- bis 10-fache wachsen. Wer menschliches Verhalten zu niedrigeren Kosten und mit stabilerer Qualität zu trainierbaren Datenassets für Roboter umwandeln kann, hält die Preismacht auf der Angebotsseite dieses Sektors in der Hand.

Zwei Bahnen und drei Modi: Die Datenerfassung zu einem replizierbaren Industriezweig machen

Die Lösung von Lingling Intelligence ist die skalierte Versorgung nach dem Prinzip „Zwei Bahnen und drei Modi“. Auf der Bahn ohne Roboterplattformen betreibt das Unternehmen Datenerfassungsfabriken in Henan, Jiangsu und Shandong und baut gemeinsam mit lokalen Hochschulen Praktikumsbasen auf, um Daten in standardisierten Prozessen in großem Maßstab zu produzieren. Gleichzeitig wird ein flexibles Beschäftigungsnetz für häusliche Umgebungen aufgebaut, sodass geschulte und zertifizierte Personen die Erfassung in realen häuslichen Umgebungen aus der ersten Perspektive durchführen und die langschwanzigen Szenarien abdecken, die in Fabriken schwer nachzubilden sind. Auf der Bahn der Fernsteuerung von Echtgeräten arbeitet das Unternehmen mit dem Team von Professor Pang Zhibo vom Institut für Fortschrittliche Fertigung und Robotik der Peking-Universität zusammen, um Aufgaben auf echten Roboterplattformen vorzuführen und gleichzeitig multimodale Informationen zu Bewegungen, Kraftwahrnehmung und Umgebung aufzuzeichnen – und damit Herstellern von Roboterplattformen hochwertige Daten zur Verfügung zu stellen, die direkt eingesetzt werden können.

Die skalierte Funktion der zwei Bahnen wird von einer selbst entwickelten Datenaufbereitungsplattform von Lingling Intelligence unterstützt. Von der Vorverarbeitung, räumlichen Rekonstruktion und intelligenten Annotation bis zur Qualitätsbewertung gewährleistet die Plattform die Ausgabequalität durch einheitliche Geräte, einheitliche Arbeitsstandards und eine vollständige Prozessqualitätskontrolle. Der selbst entwickelte VIO-Pose-Algorithmus steigert die Effizienz der manuellen Verarbeitung um mehr als das Zehnfache, und auf der Erfassungsseite sorgt eine hardwarebasierte globale Taktausrichtung für die Synchronisation multimodaler Daten. Gestützt auf Rücktest- und Bewertungsmechanismen integriert das Unternehmen den Datendienst im Stil von „integriertem Unterrichten und Bewerten“ in den gesamten Lieferprozess und plant ein „Rückflussdaten-Flugrad“: Fehlgeschlagene Fälle während der Modellausführung fließen zurück auf die Plattform, um gezielte Nacherfassungen in langschwanzigen Szenarien durchzuführen, sodass der Datensatz mit der iterativen Verbesserung des Modells ständig aktualisiert wird.

In seiner Positionierung stellt Lingling Intelligence klar fest, keine eigenen Roboterplattformen herzustellen, keine eigenen Modelle zu trainieren und sich nicht an einen einzelnen Hersteller von Roboterplattformen zu binden. Als neutraler Drittanbieter für Daten stellt es umfassende Dienstleistungen für alle Akteure im Bereich der verkörperten Intelligenz zur Verfügung, die Daten benötigen.

Erste Kunden haben das Konzept bereits erfolgreich umgesetzt – das Team drückt das Gaspedal für einen Kapazitätssprung

Auf der Ebene des Geschäftsmodells bietet Lingling Intelligence umfassende Datenlösungen für Hersteller von Modellen zur verkörperten Intelligenz und Hersteller von Roboterplattformen an. Die Produkte umfassen vier Kategorien: Standarddatensätze, maßgeschneiderte Erfassungsdienste, Datenplattformen und Erfassungsgeräte. Das Unternehmen hat bereits führende Kunden wie Unitree Robotics, Ant Group Lingbo und Amap bedient. Der Lieferumfang umfasst Datentypen wie kommerzielle Dienstleistungsszenarien, kleine Sprachen und Daten aus der ersten Perspektive, mit einer gesamten Liefermenge von über 30.000 Stunden. Kunden wie Unitree Robotics haben die erworbenen Daten direkt in ihre VLA-Trainingspipeline aufgenommen, und beide Seiten arbeiten gemeinsam an der Definition branchenweiter Standards für Datenqualität.

Auf der Ebene des Teams war der Gründer und CEO Huo Yanfeng zuvor bei führenden Internetunternehmen wie Tencent und Chuangye Heima tätig und ist EMBA-Absolvent der Guanghua School of Management der Peking-Universität. Der Mitbegründer und COO Chen Jia verfügt über mehr als zehn Jahre Erfahrung im aufeinanderfolgenden Aufbau von Unternehmen und ist ebenfalls EMBA-Absolvent der Guanghua School of Management. Der Chefwissenschaftler Pang Zhibo ist fest angestellter Professor am Institut für Fortschrittliche Fertigung und Robotik der Peking-Universität. Gestützt auf die Zusammenarbeit zwischen Wissenschaft und Wirtschaft der Peking-Universität und das Alumni-Netzwerk verfügt das Team über einzigartige Vorteile bei der Kundengewinnung und dem Vertrauen in die Datenqualität.

Derzeit hat Lingling Intelligence mit Fabriken an drei Standorten und einem Netzwerk von Hochschulen eine replizierbare skalierte Kapazität aufgebaut. Das Unternehmen plant in dieser Seed-Runde eine Finanzierung von 10 Millionen Yuan bei einer Vorbewertung von 50 Millionen Yuan. Die Mittel werden in die Forschung und Aktualisierung der Datenverwaltungsplattform sowie die maßgeschneiderte Entwicklung von Erfassungsgeräten investiert. Nach dem Plan wird das Unternehmen im nächsten Jahr die registrierte Größe des Erfassungs-Crowdsourcing-Netzwerks auf 300.000 Personen steigern und einen Open-Source-Datensatz im Umfang von 200.000 Stunden veröffentlichen, um seine Position als Dateninfrastruktur für die verkörperte Intelligenz in der Branche weiter zu festigen.