从Token到西藏，AI落地的四道「硬」关｜SEA Frontline

AIMX Singapore 2026 现场 “客户用 AI 的时候，会发现花出去的 Token 让他们好心痛”。 润建股份副总裁赵华在 AI GRAVITY 新加坡站「Talk To The World」直播间里说，润建股份在东盟已经有一批按 Token 付费、真会为账单“肉痛”的客户。对这家公司来说，Token 不是修辞，而是写进财报的商业模式——这家起家于南宁的深交所上市公司，已把旗下的五象云谷智算中心升级成了Token工厂，按 Token、卡时计费。 2025 年润建股份全年 103.49 亿元营收中，算力业务收入 8.1 亿元，同比增长 53%。 本次直播间设在 AIMX Singapore 2026 的现场——WAIC 以海外品牌 AI GRAVITY 之名、联合 MP Singapore 在新加坡金沙会展中心办起的这场大会。 之所以设在这里，是因为东盟正在成为中国 AI 出海最先“算账”的市场。 算力侧，据中国信通院数据，2026 年东南亚重点区域算力中心服务市场规模预计突破 100 亿美元。物理侧，新加坡这个每万名工人对应 770 台机器人、密度全球第二的城市，正由政府亲自下场给具身智能递场景——内政科技局（HTX）宣布投入 1 亿新元，建设全球首个专注公共安全的人形机器人中心，首批人形机器人预计 2027 年中调派至火患、危险品泄漏与搜救现场。 正如中科第五纪 COO 曹恩华在直播间中提到，新加坡政府在引进具身智能落地场景上的力度很大，吸引了大批中国具身产业链公司南下。 也是循着这条从算力到落地的传导链，我们把直播间的四把椅子，摆在了 AI 落地的四个环节上，推进 Token 出海的润建股份、具身数据基建的 Ropedia、做具身大脑的中科第五纪、造减速器的永轴智造——这正是AI从比特世界的 Token 到物理世界的扭矩的关键节点。 四场对话听下来，会发现当 AI 落地沿着产业链往下游走，账会越算越重，每一环都有必须算的账、要过的关——而这些关口，没有一道是仅靠发布会解决的。 Token 出海， 全栈交付的 “ 硬 ” 门槛 第一道关看起来最不像关——把 Token 卖出去，不就是收款吗？ 赵华的说法戳破了这个错觉：“以前拼的是基础设施，有多少算力、多少服务器；现在拼的是怎么把这一系列基础设施，变成可交付的 Token。”从卖数字化基建到卖 Token 服务，中间隔着一段没有先例的路。 难，首先难在市场本身。 蛋糕虽然在胀大，但东盟在赵华眼里是“割裂的市场”，每个国家各不相同；客户采购时看三样东西—— 安全、时效、性价比 ，开篇那句"好心痛"正是性价比进前三的原因。但低价买不来订单，安全不过关，“无论怎么便宜，客户也不会接受你的服务”。 润建股份的解法是把电力、算力、调度、模型、Agent，从基础层到应用层的全栈环节打通。“ 不是单点能力强，而是每一环都综合强，才能打动东盟客户” ，赵华说，润建股份进入东盟市场已经七年，据其介绍，润建股份在东盟已交付 500 多个本地化项目，并以南宁作为算力服务节点向东盟输出。今年 7 月底，其设在马来西亚的东盟 AI 创新中心刚刚开业。与马来西亚 PEKAT 集团合资运营的 Rundo 新能源智能运维平台，已接入该集团旗下 超1600 座分布式光伏电站、共计 182MWp 光伏容量，整体运维效率提升 20% 以上。 比全栈更难复制的，是时间熬出来的信任。 扎根的办法只有本地化，产品出海、标准出海、人才培养体系出海，一个都不能少，“信任的文化是东盟地区非常重要的文化，当他信任你的时候，才会引你进入他的朋友圈。”赵华还介绍，如今润建股份向东盟输出的一线队伍里，AI FDE 模式占了很大比重，由行业专家与技术专家两组人配合作战——前者走到客户一线，后者负责整合模型与网络。赵华称这批工程师正在东盟提供贴身服务。 对那些正涌向东南亚的中国 AI 公司，她的建议只有一句：“ 出海不能只是卖产品，更要扎根于本地。长期主义、打持久战。” （ 赵华「Talk to The World」@Singapore ） 数据燃料：从「能采」到「能用」 Token 的下一环，是燃料。燃料不只是数据，而是把真实世界经验转化为可用数据的基础设施。 大语言模型的成功给这个行业留下了一个惯性错觉——数据越多越好。但文本语料是几十亿网民几十年自然沉淀的，几乎免费；具身数据没有这种午餐，只能专门搭一个小环线去采，一条一条攒。 更要命的是，行业甚至还没就“什么是好数据”达成共识。 Ropedia 联合创始人兼 CTO 洪方舟在直播间算了一笔“数据账”：今年，不少团队给流水线工人头上绑运动相机采数据，但如果场景和动作高度重复，即使数据规模不断扩大，边际价值也会快速下降。 对机器人而言，重要的不只是“拍到了多少”，而是这些数据是否包含足够丰富的空间、动作、交互与物理信息，是否真正贴近模型训练目标。 洪方舟的公司正是冲着这道关来的。去年12月成立于新加坡的Ropedia，定位是“物理智能的数据基建”，它的探索可以概括成一句话： 用模型的视角反过来定义采集——不是采完再想怎么用，而是从模型需要什么倒推采什么、怎么采 。 第一个动作是选路线。 洪方舟把具身数据采集摆成一道光谱：最左端是遥操作，最接近机器人本体，数据最少；最右端是第一人称（egocentric）数据，离本体最远，可获取性最强。“大语言模型用两三年证明了 Scaling Law，所以在所有数据种类里，我们相信 scalability 最强的那一种。”Ropedia 押注第一人称人类数据，如今这条路上“越来越多的玩家进来了”。 第二个动作是造工具链。 采集员戴上自研头环设备 HOMIE 进入真实场景，以一段 30 秒的录像为例，原始数据包含多路视频与 IMU 等传感器信号，上传平台后经多轮审核，再由自研算法做结构化处理——提取空间运动轨迹、手部与物体交互动作、打上语义标签，最终在 3D/4D 空间下完成空间与时间的双重对齐，经人工质检后交付。“客户拿到手的是一个 training-ready 的资产，可以直接喂进模型。” 第三个动作是全链路闭环：硬件、平台、算法、运营，从 0 到 1 全部自建。 逻辑仍然是那个倒推：“如果只单做其中一环——比如只做数据运营——你对下游需要什么数据、什么数据更容易标注、什么数据可用率更高，是没有感知的。” 第四个动作带点行业野心。 今年3月，Ropedia开源了Xperience-10M 数据集，总量 1PB、覆盖千万片段，HuggingFace 累计下载量超过270万次，已进入 Qwen-VLA、MolmoMotion、ACE-Ego-0 等全球多个主流具身模型、世界模型的研究与训练体系。洪方舟打了个比喻，这个开源数据集像是他们商业化数据集产品的试用装，是一个获客引流的方式，但更重要的是，希望通过这个数据集在大部分玩家还在采 raw video 的时候，先给这个行业立起标注的标准。 至于为什么把公司放在新加坡而不是 AI 公司扎堆的美国或中国，他的三个理由都很实际：硬件上靠近中国供应链；数采运营上，亚洲有更好的基础设施和更丰富的人力；客户上，身处新加坡可以同时触达亚洲与北美。 被问到数据这门生