LG 目標累積 100,000 小時的人形機器人訓練數據

LG 電子在首爾向 NVIDIA 高層表示,其陽傑數據工廠預計將於年底前產出 100,000 小時的機器人訓練數據,並將 CLOiD 機器人與 NVIDIA 的物理人工智慧工具結合使用。

jamie
13分鐘閱讀Posted: 2026年8月19日 • Updated: 2026年8月20日
LG 目標累積 100,000 小時的人形機器人訓練數據

LG 電子週二在首爾的楊載研發園區接待了 NVIDIA 機器人部門的高層,並表示該處正在興建的「數據工廠」預計將在 2026 年底前產生 100,000 小時的機器人訓練數據。 此次訪問是繼8月13日在加州聖塔克拉拉簽署諒解備忘錄後的後續行動,並具體量化了LG希望將家庭、工廠及物流工作轉化為可重複使用的實體人工智慧架構的速度。

NVIDIA Omniverse 與機器人技術產品行銷資深總監黃麥迪遜(Madison Huang)與 LG 電子執行長柳在哲、LG CNS 執行長玄信均,以及 LG 科學園總裁鄭秀賢一同參觀了該場地。 LG CLOiD 家用機器人目前已在模擬住宅、LG 田納西州洗衣機工廠的複製品、LG CNS 物流單元以及 LG Innotek 機械手工作站中收集任務數據。NVIDIA Omniverse 函式庫、Cosmos 世界模型以及 Isaac 機器人平台正被用於增強、合成及重播這些數據。

對於採購或營運主管而言,真正有價值的並非 CLOiD 遞給黃某的那束花,而是這家大型家電與電子集團正將訓練數據視為一項資本項目——該項目具備明確的樓面面積、機器人數量、年底營運目標,以及具體命名的軟體堆疊。 LG 表示,楊載大樓佔地約 10,000 平方公尺,包含一層地下室與三層地上樓層,預計年底前將容納數百台機器人,並計劃於 2027 年前全面投入運作。 這 100,000 小時的數據包含現場收集的時數與人工合成的時數。LG 將此數據比喻為約 12 年的連續運作時間。

此比較屬行銷換算,並非物理層面的主張。一台機器人連續運轉十二年,與100,000小時內各種多樣化、經標註且通過安全檢查的運作情境,實則截然不同。買家應將此小時數視為容量目標,並

詢問實際機器人運作時間佔多少比例、模擬運作時間佔多少比例、涵蓋哪些任務,以及失敗案例是如何標註的。

首爾將展示廳轉變為數據工廠

LG 集團與 NVIDIA 在首爾實地參觀活動前四天簽署了《聖塔克拉拉備忘錄》。雙方以實體人工智慧、人工智慧基礎設施及移動性為框架,達成了這項協議。後續訪視的速度本身便是一個訊號。韓國大型集團通常會先宣布平台聯盟,然後花費數月時間將其轉化為工廠層級的實際工作。 然而在此案例中,首次公開巡視在不到一週內便完成,當時機器人數據工廠已開始動工,CLOiD 機器人單元也已開始生成場景數據。

LG 亦為這項投資建立了組織架構。上個月,該集團成立了直屬執行長指揮的「機器人業務中心」。該中心旨在將工業、商用及家用機器人整合為單一執行單位,而非讓它們繼續作為分散的產品線運作。 LG 目前已在工廠和商業場所銷售或試行機器人,並表示現在也希望推出家用機器人產品線。該集團透過 LG 電子、LG Innotek 及 LG Energy Solution,在致動器、感測器和電池領域亦具備技術實力。

週二的參觀行程展示了這些環節如何被整合為一個閉環系統。在家庭模擬環境中,CLOiD 機器人反覆執行清潔任務;在田納西州的模擬環境中,它們則負責搬運、堆疊及組裝零件;而在物流與手部訓練室中,它們則蒐集倉庫軟體和夾爪程式實際所需的更專業動作數據。 隨後,NVIDIA 的工具會進一步擴展這些動作軌跡。LG 於週五發布的半年報指出,合作專案已涵蓋從概念驗證到生產現場部署的整個製造機器人流程。

這些都還無法證明人形機器人能夠獨自完成一班次的工作。但這確實證明 LG 已不再將人形機器人的工作視為概念影片。該公司表示,這些數據將饋入一個機器人基礎模型,旨在協助

機器能感知周遭環境、理解指令,並執行實體任務。LG 指出,類人型機器人必須處理多種物體及適應不斷變化的環境,而非只是重複執行一段簡短的預設循環。

在標註、安全與回放被計價之前,訓練時數成本低廉

關鍵的商業問題在於:10萬小時究竟是訓練資料庫,還是儲存費用?物理人工智慧團隊早已明白,未經整理的影片儲存成本高昂,但浪費起來卻輕而易舉。 有價值的一小時,是指能夠被重播、分割、與力或姿勢訊號關聯,並用於訓練可轉移至不同房間的策略的一小時。無價值的一小時,則是機器人在模擬廚房中漫無目的地遊蕩,而有趣的碰撞卻發生在鏡頭之外。

LG 的設計試圖透過複製真實的工廠和住宅,而非拍攝隨機的示範影片,來減少這種浪費。 田納西州的試點基地之所以重要,是因為它與 LG 現已營運的工廠緊密相連。若首爾與美國工廠的零件、固定裝置及週期時間完全一致,合成增強技術便能依循真實的幾何結構進行建模。若複製品僅是粗略相似,即使由 Cosmos 生成的場景看起來豐富細膩,在遇到第一個意料之外的運輸箱時仍會失敗。

買家還應區分 LG 在一次導覽中捆綁的三大產品。第一項是「數據工廠」:包含建築物、機器人、標籤生產線及模擬技術堆疊。第二項是機器人基礎模型:這套軟體可能授權給集團外部使用,也可能不會。 第三類是成品機器人與零組件:CLOiD、致動器、機械手,以及LG曾另行表示欲於2027年第一季展示的雙足類人型機器人。一家明年需要托盤搬運機器人的工廠,不會購買一項2027年才發布的類人型機器人。 它可能會購買數據收集方法、模擬授權,或是零組件報價。

NVIDIA 的角色則是另一項價格驅動因素。Omniverse、Cosmos 和 Isaac 並非免費工具。它們構成了一套供應商技術堆疊,能夠將工廠的數位孿生、合成數據及邊緣執行環境鎖定在該供應商生態系中

交由單一圖形處理與軟體供應商負責。這或許是合理的,但也可能產生遠高於機器人硬體發票金額的轉換成本。營運團隊應釐清哪些資料會保留在 LG 內部,哪些模型是在 NVIDIA 雲端或本地圖形處理單元上進行訓練,以及第三方整合商能否在另一套技術堆疊上重現相同的資料集。

從公眾利益的角度來看,這個故事是關於一臺機器人向高管遞送鮮花的情景;但從採購的角度來看,情況則更加平實。當田納西州生產線的製程軌跡在首爾完成建模後,其所有權歸屬誰?如果代工廠日後改用其他品牌的機器人,這些工時記錄能否轉移? 若發生安全事故,公司能否還原當初生成該決策策略的精確訓練分佈?這些問題將決定「數據工廠」究竟是資產還是負債。

買方在複製該模式前應提出哪些要求

LG並非首家指出「實體人工智慧」實質上是數據問題的公司。但它是首批公布年終工時目標、廠區平面圖及專用工廠機器人編制的大型家電製造商之一——該工廠的產出是訓練數據,而非洗衣機。這正是為何這個故事在韓國以外也備受關注。 中國的人形機器人廠商一直競相累積工廠運作時數;美國和歐洲的團隊則爭相累積倉庫運作時數。LG 則試圖在同一個集團內同時累積家庭與工廠的運作時數,而該集團的產品早已進入這些場域。

必須坦率指出,週二的活動屬於受監督的參觀,而非獨立審計。LG 並未公布真實工時與合成工時的細項區分、任務分類清單、安全評估報告,亦未透露任何已購買該基礎模型的客戶。 10萬小時的目標是針對2026年底的承諾。在1萬平方公尺的建築物內部署數百台機器人,屬於產能規劃;年底前全面運作則屬於建設與人力配置計畫。若無備忘錄的支撐,上述任何一項都可能出現延誤。

理解能力正被撤回。

儘管如此,仍可根據已公開的設計制定一份實用的檢查清單。請詢問實際機器人運作時間與模擬場景所佔的比例;請詢問除田納西州複製廠外,還有哪些工廠會提供即時數據;請詢問 CLOiD 的運行軌跡是否是在符合隱私與勞動規範的協議下收集,且該協議能否通過在歐洲或美國部署的審查。 詢問 LG Innotek 的手部數據與 LG CNS 的物流數據是如何整合為單一模型,或是它們仍保持為各自獨立的專項系統。詢問在提案請求書中,「全方位機器人解決方案供應商」的定義為何:是一台機器人、一個生產單元、一項軟體訂閱服務,還是一項多年期的數據服務。

更重大的轉變在於,採購機器人的模式正逐漸趨向於採購半導體的模式。 肉眼可見的機器並非稀缺品。真正的稀缺品是一個閉環系統,它能將昨天的班次運作轉化為明天的政策,而無需讓製程工程師重新回到示教器前。LG 的投資正瞄準這個閉環系統。NVIDIA 則提供模擬與合成層。真正的考驗在於:是田納西州的生產線(而非首爾的展示行程),能否在更少人工干預的情況下運行更長時間。

柳先生表示,LG 將運用集團能力與全球合作夥伴,在「實體人工智慧」領域展開競爭。這句話是一項策略,而非具體的出貨量。真正值得關注的出貨量既無趣卻又至關重要:有多少標記好的工時數據能以工廠團隊可用的形式從楊傑(Yangjae)發送出去,以及這些工時數據能否縮短實際生產線上的整合時間。

-----

本文僅供參考,不構成投資、法律、工程或採購建議。買方在做出採購或合作決策前,應向相關公司及主管機關核實當前的規格、商業條款、安全認證及法規合規狀況。本分析綜合了企業聲明與公開市場動態。