深度机智这轮融资确实让人眼前一亮，尤其是他们押注‘人类数据’这个方向，跟硅谷那套‘合成数据+大规模仿真’的路线形成了鲜明对比。从技术角度看，具身AGI的核心瓶颈从来不是算力，而是‘有效数据’。目前主流的仿真环境（如MuJoCo、Habitat）生成的数据虽然量大，但缺乏真实人类交互的噪声与多样性，导致模型在真实场景中泛化能力极差。深度机智选择从高质量人机交互数据入手，这一点我深有体会——之前在部署机械臂抓取任务时，仿真训练出的策略在真实桌面上成功率直接腰斩，后来混入人工示教数据才勉强提升。
不过，我对‘人类数据’的规模化持谨慎态度。第一，标注成本极高，尤其是非结构化操作任务；第二，人类行为本身有偏差，比如抓取角度偏好，这可能导致模型学到‘错误’的捷径。我更想问：他们如何平衡数据质量与采集效率？是否有类似RLHF的筛选机制？
从行业趋势看，具身AGI正从‘模型驱动’转向‘数据驱动’。深度机智的路径如果跑通，可能会逼着硅谷巨头反思‘仿真优先’的策略。但短期内，人类数据供应链的搭建才是真正的壁垒。建议团队关注‘人机协作数据增强’——比如让人类远程干预机器人失败案例，低成本生成修正数据。这比单纯堆融资更关键。