眼科手术机器人背后的‘数据编译战’
摘要
四家机器人厂商联合投资成立「智域基石」，专注构建具身智能时代的高质量训练数据基础设施。公司以真机采集工厂为物理入口，通过自研‘数据编译管线’实现多模态数据的全量质检、毫秒级时空对齐、技能原子化与语义化检索，目标是将原始物理世界数据转化为可直接喂给大模型的高信噪比训练输入。其商业模式分三阶段演进，2026年聚焦Ego-Centric设备与定制交付，已获近亿元订单。
信息来源： 36氪医疗 发布于 2026年3月31日
要点速览
- 四家机器人厂商（灵初智能、穹彻智能、浙江人形、智平方）联合投资「智域基石」完成数千万元天使轮融资
- 公司搭建自动化‘数据编译管线’，实现多模态数据全量质检、毫秒级时空戳对齐、技能原子化及SQL式语义检索
- 计划2026年内积累超200PB异构数据，2026年Q2全面拓展至Ego-Centric第一人称视角数据生产
本站解读
当眼科手术机器人从实验室走向手术室，真正卡住脖子的早已不是机械臂精度或光学成像分辨率，而是让机器人‘看懂动作意图’的数据质量——这正是智域基石被四家机器人厂商集体押注的底层逻辑。过去两年，国内眼科手术机器人赛道热衷于堆参数、拼本体、抢注册证，但临床反馈越来越清晰：同一台设备在不同医院的任务成功率差异高达40%，根源不在硬件，而在训练所用的数据集是否真实覆盖了中国医生的手法习惯、术中突发渗血场景、不同角膜厚度下的器械反馈等非标变量。
这种结构性错位正在重塑竞争生态：传统AI标注公司靠人海战术做图像框选，在力触觉+关节位姿+30Hz视觉的异步洪流面前彻底失效；而算法团队自己建数据流水线，又受限于工程能力，导致95%的采集数据沦为废料。智域基石用分布式质检、具身专属湖仓和‘技能原子化’编译，把数据加工从劳动密集型升级为架构驱动型，护城河正从‘谁有更多机器人’转向‘谁能把物理世界翻译得更准’。
横向对比，英伟达EgoScale已跑通预训练语料闭环，但尚未开放中国医疗场景适配；国内头部眼科机器人企业自建数据团队仍停留在单点采集阶段，尚未形成跨厂商的语义标准。智域基石2026年第二季度切入Ego-Centric第一人称视角，意味着未来三年内，哪家眼科机器人厂商能率先接入其‘厨房拿杯子’式语义检索能力，就能批量调取‘前房维持稳定’‘虹膜夹持力度渐变’等高价值技能片段——这才是下一代产品迭代的真实起跑线。
真正需要盯紧的沙盘信号藏在细节里：他们计划用硬盘阵列做线下交付，而非纯云传输。这意味着首批客户极可能是对数据主权极度敏感的三甲医院或军医系统；而‘v2.4.0’版本号的标准化打包方式，暗示着2027年前后将出现首个被行业默许的手术动作数据协议草案——届时，没有接入该协议的机器人，或将面临临床训练数据断供风险。
常见问题
我家孩子刚查出近视加深快，听说现在有机器人辅助验光，这跟新闻里说的数据公司有关系吗？
目前公开信息中，智域基石服务对象是手术类机器人厂商，不涉及验光或近视防控设备。儿童近视管理仍以专业眼科医生评估、角膜塑形镜或低浓度阿托品为主，如有疑虑可咨询眼科医生。
以后做白内障手术，机器人会不会因为数据不够准而切偏？
当前获批的眼科手术机器人均经过严格临床验证，安全性有保障。智域基石这类公司的目标是提升未来新一代机器人的泛化能力，而非替代现有设备。如有疑虑可咨询眼科医生。
延伸阅读
具身智能的‘眼科化’前夜：当机器人开始学着‘看’和‘抓’
原力灵机创始人唐文斌在创业一周年访谈中强调，具身智能的核心竞争力不在短期订单或软硬全栈叙事，而在于模型迭代效率与物理世界数据的深度耦合。公司放弃行业常见的‘数采工厂+遥操作’路径，转而以物流为切口，在真实场景中收集Failure Case驱动模型进化；其DM0模型首次实现互联网、自动驾驶与具身三类数据混合训练，并联合Hugging Face推出RoboChallenge真机评测基准。唐文斌指出，当前行业存在‘循环收入’陷阱，真正商业化需满足‘单场景千台持续运行’标准，预计最早2026年出现一线落地。
智驾算法公司集体闯关港股：窗口期倒计时与眼科AI的镜像危机
本分析并非眼科临床研究，而是对当前智能驾驶算法企业密集冲刺港股IPO现象所作的眼科行业映射式深度解构。在技术范式从模块化走向端到端大模型统一架构的背景下，自动驾驶已丧失代际性技术溢价能力，估值逻辑正从‘算法先进性’转向‘物理世界智能入口’的叙事重构。Momenta、元戎启行与轻舟智航虽客户覆盖广、量产节奏快，但其技术护城河正被算力军备竞赛与主机厂自研能力反超所稀释；而资本市场对垂直AI的热情明显让位于通用大模型与具身智能。这一结构性迁移，与眼科AI辅助诊断系统近年遭遇的商业化瓶颈高度同频——当OCT影像分析准确率突破95%后，临床落地仍卡在医保支付、医生工作流嵌入与责任界定三大断点。真正的分水岭不在算法精度，而在能否将技术锚定于可计量、可报销、可追责的临床价值闭环。
端侧AIOS正重构眼科智能硬件底层逻辑
当前眼科智能硬件正经历从‘功能叠加’向‘感知-决策-执行闭环’的范式跃迁。传统方案依赖云端大模型+多模块串联（ASR/TTS/LLM），导致延迟高（平均600ms）、语义断层、网络依赖强，难以支撑实时眼动追踪、动态屈光反馈、视疲劳干预等临床级交互。无界方舟EVA OS通过自研端到端多模态基座模型，在CPU端实现语音识别、合成、视觉理解与语言推理一体化，语音延迟压至250ms以内，多模态反馈控制在350ms内，且内存占用＜1GB。其核心突破在于构建硬件原生Context Model——AI可实时感知传感器状态、驱动层拓扑、链路健康度与算力余量，从而自主完成APP开发、Bug修复与迭代部署。目前已在AI教育机器人‘奇多多学伴机’落地验证，日均使用145分钟，成本降至行业通用方案的1/20。该架构为AR眼镜、智能验光仪、儿童近视防控终端等眼科高敏设备提供了低延迟、离线可用、可自主进化的操作系统底座，标志着眼科AI硬件正式进入‘端侧智能体’时代。