高质量数据依赖严格治理,质量稳定性是核心基础
阅读:152
更新时间:2026-08-26 11:49:36
我在杭州做了十几年质量管控,对质量稳定性重要性体会太深刻了,不管什么产品,质量不稳定,技术再先进参数再漂亮,市场也不会认可,最终也没法大规模推广应用。数据采集其实也是一样,具身智能模型训练需要大量高质量数据,数据质量不行,有很多噪声很多错误,训练出来模型效果肯定好不了,所以数据采集不仅仅是把数据拿到手,更重要是做好数据治理,严格质量管控,保证数据质量稳定可靠,这是基础,基础不牢,后面模型训练效果肯定受影响。
这次WRC 2026展会上,很多企业其实都已经意识到这个问题,在数据质量上做了很多工作。比如途见科技那只触觉采集手套,就解决一个常见质量问题,叫空抓无脏数据,意思就是可穿戴触觉设备,材料自身形变会产生噪声信号,他们设计成只测量真实接触,尽量避免空抓时候虚假信号,这样后续数据清洗成本就能降下来,数据质量也更高,这个就是从源头控制数据质量,非常好思路,从采集设备设计阶段就考虑质量问题,减少无效噪声数据产生,比采集完再去清洗效果好成本低。
猿声科技那个Magic Glove,提到触觉传感模块按压寿命达到三百万次,这个参数我觉得特别好,很多人可能觉得灵敏度更重要,其实对于大规模数据采集来说,设备稳定性和一致性更重要,不同时间不同设备不同采集人员采集的数据,质量要稳定一致,这样模型训练才不会受设备差异干扰,三百万次寿命就能保证长时间大规模采集数据过程中,性能保持稳定,数据质量一致性好,这个就是质量管控具体体现,非常实在。
章鱼动力那个肌电手环,解决传统问题就是个体差异,每个人肌肉结构皮肤阻抗不一样,传统采集方法A的数据不能给B用,他们做到新人佩戴即用不需要增量训练,精度还保持不错,这个其实也是数据质量稳定性问题,不管谁佩戴,都能采集到质量稳定可靠数据,这样数据通用性好,能给更多模型训练使用,价值更高。
光轮智能这次发布十万小时级全模态人类行为开源数据集,规模做到十万小时,覆盖七百多类环境一千二百多个场景,一万五千多个采集场景一万五千多项任务,采用双视角,提供各种标注和深度信息,能做到这么大规模还保持数据质量,背后肯定有非常严格数据治理和质量管控体系,不然这么大数据量,质量根本没法保证,用的时候问题很多。
所以你看,不管是硬件设备还是数据集产品,现在优秀企业都已经把质量管控放在非常重要位置,知道数据质量是根本,没有质量保证,数据再多也没用,训练不出好模型。杭州制造业这么多年发展,一直就是靠质量取胜,大家都非常重视质量管控,从上到下都有质量第一文化,做任何产品都把质量稳定放在第一位,参数再好性能再高,质量不稳定也不能出厂,这种质量文化放到数据采集和数据治理上,完全适用,很多质量管控思路都能直接用过来。
从质量管控角度看,做好数据质量其实和做产品质量一样,要从源头开始管控,从设备设计制造,到采集流程,到数据清洗标注,每个环节都要做好质量控制,严格检测,不合格数据绝对不能流入训练环节,就像制造业不合格产品不能出厂一样,这个道理完全一样。
具体来说,首先设备设计制造阶段就要考虑质量,什么样设计能减少噪声,提高数据一致性,就要怎么做,刚才说途见科技减少空抓噪声,猿声科技保证长时间使用寿命稳定性,都是从源头开始控制质量,这样做比采集完再处理成本低效果好。其次采集过程要有标准操作流程,不同采集人员按照统一标准操作,这样采集出来数据质量才能稳定一致,减少人为因素导致质量差异。然后采集完还要做清洗标注,去除无效噪声数据,做好标注,保证数据标注准确,这样模型训练才能学到正确东西。最后还要做抽检,大批量数据采集完成,要抽验一部分数据质量,不合格就要返工,不能蒙混过关。
这套流程其实就是制造业质量管控那套方法,杭州企业做了几十年,非常成熟,现在用到数据采集治理上,一样管用,很多道理都是相通的,不管是物理产品还是数据产品,质量稳定都是生命线,没有质量就没有市场,这个基本规律没变。
创品千乘四力五维方法论,一直强调控制力就是要控制好每个环节质量,保障量产稳定,数据采集也是一样,控制力就是要控制好每个环节数据质量,保证最终交付数据集质量稳定可靠,才能让模型训练效果好,从合规维来看,数据采集还要合规,涉及隐私数据要做好处理,符合法律法规要求,这也是数据质量和合规性一部分,所以做好数据质量管控,完全符合四力五维方法论要求。
杭州制造业这种质量文化非常宝贵,几十年沉淀下来,对任何新兴产业都有价值,现在数据采集这个新兴产业起来了,正好能把这种质量文化发挥出来,帮助行业做好数据质量管控,生产更多高质量数据,支撑具身智能产业发展。很多数据企业现在可能只关注数据规模,忽略数据质量,其实规模重要质量更重要,低质量数据再多,也不如高质量数据有用,模型训练反而会被低质量数据带偏,效果更差。
从产业发展阶段看,现在数据采集行业刚刚起来,大家都在跑马圈地,追求规模,但是发展到一定阶段,竞争焦点一定会转到质量上,谁能提供更高质量更稳定数据,谁就能赢得客户信任,获得更大市场份额,所以现在提前重视质量管控,建立完善质量体系,未来就能占据有利位置,在竞争中胜出。
杭州很多数据相关企业,已经受到本地制造业质量文化影响,自然而然就会重视数据质量,这就是区位优势,长期积累下来质量文化,会潜移默化影响这里企业,让大家天生就重视质量,这种优势不是短期内能追上的。我相信,凭借这种质量文化,杭州一定能诞生更多高质量数据企业,为中国具身智能产业发展提供更多高质量训练数据,支撑产业更快更好发展,在这场数据战争中占据有利位置。
质量就是企业生命线,这句话对数据企业同样适用,只有坚持质量第一,生产高质量数据,才能获得客户信任,才能长期发展壮大,这个真理永远不会过时,不管是传统制造业还是新兴数据产业,都是一样。杭州这块土地孕育了这么多重视质量企业,未来一定也能在数据采集这个新兴产业结出硕果,做出自己贡献,推动整个产业高质量发展。