谢晨（Steve）
00节目导览
这是一期"内部人士的产业单集"。张小珺邀请光轮智能创始人谢晨，试图用一集节目完整梳理数据这架驱动AI的三驾马车之一。节目的核心命题是：大语言模型的数据已遇到"撞墙"难题，而机器人的数据则处于"一片荒漠"之中。数据产业是如何运转的？仿真数据、数据金字塔将如何改变产业格局？
01寻觅：谢晨的AI数据之路
谢晨的个人经历本身就是一部"数据人"的缩影。从北大物理到哥大数量金融博士，他的职业路径横跨电商、自动驾驶、芯片和机器人：
花了很多时间发现自己不擅长什么……通过试错才知道。真正可以成为一个前提条件，来真正改变一个行业。
02综述：数据 = 教育
谢晨提出了一个极具洞察力的框架："数据对于智能，有点类似于教育行业对于人的学习。" 这不是修辞，而是一种根本性的重新定位 — 数据不是冷冰冰的燃料，而是一个动态的教育系统。
| 阶段 | 数据特征 | 教育类比 | |
|---|---|---|---|
| ImageNet时代 | 静态数据集，图片+真值标注 | 一次性填鸭式教育 | |
| 自动驾驶/Scale AI时代 | 工厂化流程，大规模人力运营 | 量贩式义务教育 | |
| 大模型时代 | 后训练+评测，专家反馈驱动 | "传道受业解惑"，因材施教 | |
| 具身智能时代 | 物理世界交互，仿真+真实结合 | 物理示范与经验传授 |
核心转变：从"标注正确答案"转向"出题+反馈"，从"示范教学"转向"难题挑战激发自主寻找答案"。最好的老师不是给示范，而是出题诱导学生提升 — 这与RLHF的精神内核完全一致。
我们做的可能是一个教育公司。
03共生与势力：数据商的生态位
数据商（如光轮智能）与大模型厂商之间不是简单的供需关系，而是一种"共生迭代"关系。数据商提供"教育"与评测，模型厂商提供反馈，双方在循环中共同进化。
行业中存在两大势力的分化：
大模型/大脑团队
核心关注零样本泛化（Zero-shot），偏好本体无关数据（仿真+人类视频），使用标准化简单本体（机械臂+夹爪），数万张卡+成熟RL基础设施，追求通用家居/商超场景。
机器人本体公司
核心关注具体场景落地，偏好本体相关数据，使用复杂本体（轮式/足式+多传感器手），数千张卡、RL基础设施薄弱，聚焦酒店/工厂/农业等垂直场景。
一个关键的转折信号：
过去三个月，基本上所有大模型团队和世界模型团队都成为我们的客户……他们共同意识到的问题是：没有办法去规模化他们的评测了。
04历程：Scale AI的三次浪潮
谢晨以Scale AI为线索，梳理了数据产业从"手工作坊"到"工业化平台"的完整历程：
第一次浪潮：标注工厂（2016-2019）
Scale AI从YC孵化，发现自动驾驶对高精度标注的刚性需求。在肯尼亚、菲律宾培训万名标注员，与丰田、本田、Cruise、Waymo深度合作。本质是将"劳动密集型外包"升级为"平台+工具+交付体系"。
第二次浪潮：数据基础设施（2020-2022）
2019年开始与OpenAI合作，参与GPT-2及后续模型数据标注。推出数据调试SaaS Nucleus，签下美国国防部9100万美元大单。从"标注服务商"跃迁为"AI训练数据基础设施平台"。
第三次浪潮：生成式AI引擎（2022-至今）
从ChatGPT开发初期与OpenAI密切合作，推出Spellbook（Prompt调优）、Donovan（国防AI决策）。2025年Meta以约148亿美元收购Scale AI 49%股份，标志着数据基础设施的战略价值被彻底认可。