SKAI Intelligence 与首尔大学 AI Institute 签署合作备忘录，将围绕数字孪生、工业级合成数据和 Physical AI 研究展开合作。对机器人行业来说，数据问题正在从“多拍视频”升级为“可控生成真实训练场景”。 具身智能的难点常被总结成一句话：真实世界数据太贵、太慢、太危险。SKAI Intelligence 与首尔大学 AI Institute 的合作，正是围绕这个瓶颈展开。新闻稿显示，双方将推进数字孪生、工业级合成数据和下一代智能机器人相关研究，把机器人训练所需的场景、任务和异常情况更多搬进可控的仿真与数据生成系统。 合成数据不是新概念，但在 Physical AI 中意义更强。语言模型可以从海量文本中学习，机器人却要面对重力、摩擦、遮挡、碰撞和传感器误差。很多危险场景不能让真实机器人反复试错，稀有故障也不可能靠自然采集等到足够样本。数字孪生和合成数据的价值，就是在不损坏设备、不打断生产的前提下，提前覆盖更多环境变化。 这条新闻对人形机器人尤其重要。人形机器人要完成搬运、清洁、导览或工业协作，需要在大量不同空间中适应任务。单靠几家头部公司封闭采集数据，很难支撑整个行业扩张。高校研究院、数据公司和工业场景方一起做基础能力，可能让更多团队获得可复现的训练与评测环境。 不过，合成数据也有老问题：仿真到现实的差距。生成场景再丰富，如果物理建模、材质反应和传感器噪声与真实世界差距过大，机器人仍会在落地时失效。SKAI 与首尔大学合作的后续看点，是能否把合成数据真正转化为机器人在工厂、物流和服务场景中的成功率，而不是停留在漂亮的数字孪生画面上。
