当具身智能行业的数据采集投入急剧膨胀，一个尖锐的矛盾正在浮出水面：数据数量在暴增，但真正能提升机器人能力的有效数据依然极度稀缺。成立于2023年5月的际数科技，正试图用测绘学的百年方法论，为这个行业建立一套中立的数据质量基础设施。

从测绘到具身智能的跨界逻辑

际数科技的创始团队拥有深厚的测绘背景。CEO周源博士是武汉大学与俄亥俄州立大学联合培养博士，师从李德仁院士，曾参与NASA/JPL火星车空间定位与制图。CTO叶文凯博士师从李荣兴院士，曾在华为和极氪从事智能驾驶研发。联合创始人邹小弟则拥有20年以上汽车行业经验，曾任博世中国和百度IDG销售总监。

周源用一个比喻解释了他们切入赛道的逻辑："我们本来要用互联网广袤的语言语料去训练大模型，让它涌现出智慧，结果却请一堆中学生写命题作文喂给模型。这两个效果，天差地别。"在周源看来，真正能进入模型、对性能和泛化产生改善的数据，从来都是质量问题，数量在这里帮不上忙。

"一张图、一把尺、一个飞轮"

际数科技的核心方法论被概括为"一张图、一把尺、一个飞轮"。"一张图"指的是自建的质量因子库（GData Quality Factor Library），经超亿帧多模态数据积累和专家质检，甄别出千余种高质量因子，用来描述真实场景中物体、材质、动作、接触等因素与数据质量之间的关系。

"一把尺"则是高质量场景基座。通过对场景进行精细化建模，际数能够实现客户采集设备进入后的精确几何标定和时间对齐，从源头解决多模态观测的精度问题。

"一个飞轮"指的是数据质量模型的持续迭代。际数将有质量问题的数据拿出来，通过专家知识和质检人员判定，让模型学习专家打分逻辑，逐步替代庞大的质检团队，完成数据质量把控的最后一环。

已服务20余家智驾客户，验证商业闭环

在智能驾驶领域，际数的质量层解决方案已经获得充分验证。一家头部智驾算法企业曾因7路环视相机与激光雷达的多模态自洽问题找到际数——空间误差需控制在3厘米以内，要素完整率要求100%，此前自建平台半年未能达标。际数在35天内完成首期10万组交付，此后双方合作延长至六期，累计完成395万组次多模态数据交付。

目前，际数在智驾领域已服务超20家头部客户，使客户数据漏斗从10%-20%提升至70%-80%。在客户技术栈升级时，超过60%的历史数据被再次调用，边际成本降至首期项目的十分之一。

切入具身智能，锁定家庭场景

2026年起，际数科技正式切入具身智能领域，并在武汉开始大规模寻找家庭和超市等高价值场景。周源判断，家庭场景是实现数据飞轮的最快路径——因为家庭对智能化设备的包容度极高，而"人机高频交互"正是数据飞轮启动的关键前提。物流和工厂虽是纯自动化场景，但一旦需要人类干预就算失败；家庭则不同，每一次人类纠正都是高价值数据。

按照当前的数据漏斗与采集成本估算，要获得一亿小时有效训练数据，可能需要采集上百亿小时原始数据，投入高达数百亿甚至数千亿元。际数的逻辑是：在价值3000亿的数据规模下，只要能将数据合格率提升10%，就能释放高达300亿的市场价值。