Nexdata 投資總額達25億日圓擴建實體AI數據收集工廠，提供基礎模型數據集並支援第一人稱視角數據收集
Nexdata投資超過25億日圓建設了8,000平方公尺的實體AI數據收集工廠。工廠運行超過400台機器人，為機器人開發提供關鍵的真實世界數據集。
📋 文章處理履歷
- 📰 發表: 2026年4月14日 21:00
- 🔍 收集: 2026年4月14日 12:31
- 🤖 AI分析完成: 2026年4月19日 17:19（收集後124小時47分鐘）
背景
人工智慧技術的演進，正從專注於在數位空間生成資訊的大型語言模型（LLM）時代，過渡到與物理世界直接互動並自主運作的「實體AI（Physical AI）」階段。在日本，少子高齡化導致的勞動力短缺與製造業、服務業的自動化需求疊加，加速了市場的擴大。傳統的生成式AI主要目的是處理文字和2D圖像，而實體AI則被定位為將感測器的環境感知與機器人的實體動作相結合，直接為解決現實世界問題做出貢獻的次世代基礎設施。
大規模數據是實體AI開發不可或缺的
業界逐漸達成共識，即「縮放定律（Scaling Law）」同樣適用於實體AI的開發。為了提高模型的通用性和在真實環境中的控制精度，包含模擬無法完全重現的多樣化物理現象和動作模式的大規模且高品質的真實世界數據是不可或缺的。然而，在現實空間收集數據面臨環境建構成本高、多個感測器同步與校準困難以及標註負擔重等多重問題，已成為開發過程中的最大瓶頸。
為了解決這個課題，Nexdata投資總額超過25億日圓，建構了總面積超過8,000平方公尺的專屬數據收集工廠。我們提供全面的數據解決方案以加速實體AI的開發，包括廠內的數據收集、第一人稱視角（Ego-centric）的真實環境數據收集與標註，以及支援環境感知、決策、動作控制的現成數據集。透過大規模生產帶來的成本優勢以及在開發現場可立即使用的數據資產，我們協助縮短實體AI和VLA模型的開發前置時間，並提升真實世界的適應精度。
8,000平方公尺規模的數據收集工廠實現大規模、低成本的數據供應
Nexdata在實體AI開發專用的數據基礎設施建設上，投資總額超過20億日圓。目前營運兩個大型數據收集工廠，在面積超過8,000平方公尺的專屬空間內，可同時並行運作人形機器人、四足步行機器人、工業機器手臂、多指機械手等超過400台的多樣化機器人平台。
設施內完善建置了家庭、藥局、生產線、物流倉庫等忠實重現實際營運環境的各種情境，並有超過600名操作員和管理人員常駐。
藉此，從大規模基礎模型的預訓練、針對特定任務的微調，到模仿人類演示進行學習的模仿學習，我們能夠高效生產涵蓋整個開發階段的高品質實體AI數據。
綜合收集工廠
機器手專用收集工廠
鍛鍊實體AI「環境感知能力・大腦・小腦」的現成數據集
在實體AI的開發中，沿著分別負責環境理解、行動計畫、精密控制的「環境感知層」、「決策層」、「動作執行層」三層架構進行設計已成為標準。Nexdata正是因為配備了大規模的專業數據收集基地和專職的收集人員，才得以實現數據集的快速生產。截至目前為止，我們累計提供了以下具成本效益的數據集：
■ 環境資料庫（環境感知層）
收錄超過2億8,800萬組高精度3D模型及真實世界場景數據。透過提供包含多樣照明條件、物體配置、背景圖案且貼近真實環境的模擬基礎，支援提升機器人的空間感知能力和物體檢測精度。
■ 大腦（Brain）數據集（決策層）
收錄長達4,000小時的第一人稱視角（Ego-centric）多任務執行影片。全面涵蓋了人類在執行日常任務（如：烹飪、整理、商品陳列等）時的視覺輸入和行為序列，最適合用於需要長期依賴性的任務計畫，以及根據上下文進行決策模型的學習。
■ 小腦・身體（Body）數據集（控制層）
收錄超過1萬組高逼真度軌跡數據、關節角度時間序列，以及力覺回饋資訊。可作為基礎數據，支援模仿學習或強化學習中低階控制策略的學習，以及在真實環境中的精密動作執行。
此外，在抓取（Grasping）、操作（Manipulation）、力覺回饋（Haptic Feed
人工智慧技術的演進，正從專注於在數位空間生成資訊的大型語言模型（LLM）時代，過渡到與物理世界直接互動並自主運作的「實體AI（Physical AI）」階段。在日本，少子高齡化導致的勞動力短缺與製造業、服務業的自動化需求疊加，加速了市場的擴大。傳統的生成式AI主要目的是處理文字和2D圖像，而實體AI則被定位為將感測器的環境感知與機器人的實體動作相結合，直接為解決現實世界問題做出貢獻的次世代基礎設施。
大規模數據是實體AI開發不可或缺的
業界逐漸達成共識，即「縮放定律（Scaling Law）」同樣適用於實體AI的開發。為了提高模型的通用性和在真實環境中的控制精度，包含模擬無法完全重現的多樣化物理現象和動作模式的大規模且高品質的真實世界數據是不可或缺的。然而，在現實空間收集數據面臨環境建構成本高、多個感測器同步與校準困難以及標註負擔重等多重問題，已成為開發過程中的最大瓶頸。
為了解決這個課題，Nexdata投資總額超過25億日圓，建構了總面積超過8,000平方公尺的專屬數據收集工廠。我們提供全面的數據解決方案以加速實體AI的開發，包括廠內的數據收集、第一人稱視角（Ego-centric）的真實環境數據收集與標註，以及支援環境感知、決策、動作控制的現成數據集。透過大規模生產帶來的成本優勢以及在開發現場可立即使用的數據資產，我們協助縮短實體AI和VLA模型的開發前置時間，並提升真實世界的適應精度。
8,000平方公尺規模的數據收集工廠實現大規模、低成本的數據供應
Nexdata在實體AI開發專用的數據基礎設施建設上，投資總額超過20億日圓。目前營運兩個大型數據收集工廠，在面積超過8,000平方公尺的專屬空間內，可同時並行運作人形機器人、四足步行機器人、工業機器手臂、多指機械手等超過400台的多樣化機器人平台。
設施內完善建置了家庭、藥局、生產線、物流倉庫等忠實重現實際營運環境的各種情境，並有超過600名操作員和管理人員常駐。
藉此，從大規模基礎模型的預訓練、針對特定任務的微調，到模仿人類演示進行學習的模仿學習，我們能夠高效生產涵蓋整個開發階段的高品質實體AI數據。
綜合收集工廠
機器手專用收集工廠
鍛鍊實體AI「環境感知能力・大腦・小腦」的現成數據集
在實體AI的開發中，沿著分別負責環境理解、行動計畫、精密控制的「環境感知層」、「決策層」、「動作執行層」三層架構進行設計已成為標準。Nexdata正是因為配備了大規模的專業數據收集基地和專職的收集人員，才得以實現數據集的快速生產。截至目前為止，我們累計提供了以下具成本效益的數據集：
■ 環境資料庫（環境感知層）
收錄超過2億8,800萬組高精度3D模型及真實世界場景數據。透過提供包含多樣照明條件、物體配置、背景圖案且貼近真實環境的模擬基礎，支援提升機器人的空間感知能力和物體檢測精度。
■ 大腦（Brain）數據集（決策層）
收錄長達4,000小時的第一人稱視角（Ego-centric）多任務執行影片。全面涵蓋了人類在執行日常任務（如：烹飪、整理、商品陳列等）時的視覺輸入和行為序列，最適合用於需要長期依賴性的任務計畫，以及根據上下文進行決策模型的學習。
■ 小腦・身體（Body）數據集（控制層）
收錄超過1萬組高逼真度軌跡數據、關節角度時間序列，以及力覺回饋資訊。可作為基礎數據，支援模仿學習或強化學習中低階控制策略的學習，以及在真實環境中的精密動作執行。
此外，在抓取（Grasping）、操作（Manipulation）、力覺回饋（Haptic Feed