影溯在杭州落地全国首个具身仿真数采中心，目标月产百万小时数据

 产能公式从“人×小时”，变成“环境配置数×并行算力”。

    作者丨幸丽娟

    编辑丨岑   峰

训练一个可用的具身智能模型，需要千万小时的多模态交互数据；而现实仅有百万小时，剔除低质部分后，真正可用的更少。

缺数据，是具身智能行业的共识。

但只盯着“数据”这两个字，会错过更关键的问题：

一台机器人在固定货架前抓取，成功率可以很高。货架挪个方向，目标前多放一排饮料，换一侧伸手，成功率就往下掉。练过的，它能一遍遍做对；没练过的，它连手该从哪边伸都不知道。

行业缺的不只是数据量，还有“数据里的变化”。

过去两年，补缺口的主流办法是建场地、加采集人手。

据中国信息通信研究院，截至今年6月底，全国共建成启用超过70家训练场，另有40 余家在建或规划。

然而，大量训练场集中在叠衣服、收拾桌面、分拣搬运这类易展示任务上，复杂长程任务挖掘严重不足。数据小时数在涨，模型见过的空间布局没涨。

问题出在扩容的对象上。加场地，加采集人手，扩的是同一批场景的采集次数——货架还是那个货架，只是多采了几遍。

多样性要涨，靠的是条件变多：布局、遮挡、物体组合、接近路径，每多一种都是一次重新排列。

而一个训练场里能有多少种排列，取决于它被布置成什么样；改一次布置，采集流程就得跟着重走一遍。采集的人力、时间成本数倍往上叠。

产能越加越大，多样性原地踏步。行业真正卡住的地方，不是“采得不够多”，而是“变一次太贵”。

来自空间智能赛道的影溯，给出了另一种解法：不只采得多，还要穷尽空间的各种排列组合，采得“不一样”。

10月29日，影溯在杭州正式落地全国首家以仿真为主的具身智能数采中心，目标将产能拉升至月产百万小时级数据。

它以三维场景重建与生成为核心，把真实空间、生成式模型与仿真能力接到一起，做一套可编辑、可复用、可扩展的环境与数据供给体系。

在“真实数据为王”的共识里打出“仿真”的旗号，需要底气。

这种底气，源自影溯直接变革数采方式，同时解开数据多样性和产能两大“卡点”；更源自，它自己作为一家空间智能基模公司，最知道模型需要什么数据，以及什么才叫真正的高质量数据。

01

数据产能和多样性，

卡在“每加一种变化就重来一遍”

要看懂影溯的选择，得先看清楚它要替代的数采流程，成本到底花在哪。

EGO第一视角采集与遥操作，是具身智能获取真实行为数据的两种主要方式。EGO需要人员进入环境、完成操作；遥操需要操作者持续参与，并适应具体设备和任务。两者方式不同，但都绕不开“人”。

绕不开人，就绕不开组织。新增一种空间布局，补充一类操作条件，流程就得再走一遍：找场地，约档期，把人凑齐，设备调好，采完拆掉。

此外，采集人员的任务熟练度、操作习惯，以及对不同设备的适配程度，也会直接影响采集效率和数据一致性。

重组流程不仅繁琐，而且还没法并行。场地要一个一个谈，人要凑齐了才能开工，采完的场景拆掉就没了。

于是每增加一种变化，就要重付一次全额的组织成本。

这就是多样性涨不上去的真正原因：不是行业不想加条件，是每加一种，就得从头组织一遍，成本线性叠加。

影溯要做的，就是把这个成本降下去，同时把数据多样性拉上来。

在仿真环境里，空间布局、物体位置、遮挡关系和任务条件可以通过生成、编辑与组合来扩展，不必为每一种变化重新安排实体场地和人员操作。同一项任务可以被放进不同的环境条件里，覆盖那些真实采集中很难穷尽的变化。

对算法团队来说，它是扩展训练分布、复现失败条件的空间；对机器人本体厂商而言，它是一套能够反复配置和验证的环境基础。

数据多样性与产能的同步提升，还来自数据生产全流程的并行计算。

基于少量真机或遥操示范种子，系统结合运动规划、策略驱动与自动化物理质检，在数百个并行环境中自动批量合成对齐了 RGB、深度、分割、6D 位姿与动作指令的闭环轨迹。环境能重复使用，条件能批量调整，数据生产的规模由此随算力和任务系统扩展，而不再只随人数线性增长。

两种范式的分野就在这里：过去两年行业比的是谁的场地多、采集员多，产能公式是“人×小时”，小时数在涨，条件空间并没有涨；影溯数采中心的公式是“环境配置数×并行算力”，每多一种配置，就多一组条件覆盖，多样性跟着算力一起扩。

基于这套体系，影溯数采中心有望实现月产百万小时（或日产十万小时）的数据生产能力——这意味着单中心短期运转的有效产出，就能跨越全行业过去两年攒下的数百万小时存量总和。

而比这些数字更关键的，是它指向的工作方式的革新：模型在哪类遮挡、布局或操作条件下出问题，就针对这些条件扩展环境、补充样本、开展回归测试，把从发现问题到再次验证的周期压短。

数据生产与研发贴得越紧，“如何生产出高质量高需求数据”才有了方向可依，也能少走“采了大量、却用不上”的弯路。

02

真实空间定准，仿真生成扩量

但在具身智能行业，仿真一直有个绕不过去的质疑：环境不够真。

这是Sim-to-Real 的老问题，也是“真实数据为王”这句话的底气所在。

影溯没有回避，而是把问题拆开：几何、外观、空间关系交给真实采集去锚定，扩展和重复验证交给仿真去做。

于是场景资产有了两条进料管线。

一条从真实空间来。

通过与禾赛Kosmo的深度合作，影溯把采集侧的硬件与重建能力，同自己模型侧的3D升维及物理仿真能力衔接起来。

Kosmo这套三维世界数据引擎的厉害之处，在于它把“真实场景变成可计算三维资产”的时间成本和精度门槛同时压了下来：普通室内100平方米约15分钟完成扫描，3DGS重建达到毫米级，一次输出3DGS、mesh、depth三类对齐数据。

但硬件扫描直接输出的是一层粘连的“静态视觉壳体”，物体无法单独抓取、遮挡背面存在空洞。Kosmo 负责把物理空间数字化，而影溯的核心壁垒，是通过 3D 升维与世界模型把“静态壳体”拆解并赋予物理属性，变成机器人真正能抓、能碰的“可交互资产”。

也就是说，Kosmo采集的真实世界数据，为场景几何、外观和空间关系提供了可靠参照；而影溯则把这些场景数据，变成可编辑、可复用、可扩展的仿真环境资产。真实采集、三维重建、世界模型训练，这条链路得以完整打通。

另一条靠生成式模型扩展供给。

影溯推出的世界模拟器 Topos Pro，核心能力是把任意空间输入变成可理解、可编辑、可交互、可仿真的对象级世界。

它支持单图、多图、视频、LiDAR与无人机航拍等多源输入，自动完成场景物体的分割、与空间几何的对齐、以及物理属性赋予。更关键的是，其中的桌子、椅子、墙面、设备可以被单独选择、替换、调整，并赋予碰撞、可移动、可接触等属性。

视频再多，模型也只能看；能被行动、接触和验证的世界，才是具身训练真正缺的东西。而 Topos Pro做的，就是把“看”变成“可交互”、“可编辑”。

两条管线分工清楚：真实场景重建负责定住“像不像”，生成能力负责补上“够不够多”。一次采集的素材不再只用一次，互联网上的图片、视频也能被升维成可用的三维场景。

不同于其他数采方式“采一次、用一次、改一次布置重走一遍流程”；影溯利用真实采集定锚点， Topos Pro 把同一次采集重组成无数种布局、遮挡和物体组合，每一次重组都是一次新的条件覆盖。

场景资产由此从“消耗品”变成“可复用的原料”：采一次，不只用于一次，而是长出一片条件空间，可以无限循环利用。

03

一次场景输入，

多轮环境编辑与验证

场景数据到位之后，还有一道关键处理：让场景里的东西能被单独操作。这一步，是场景能不能从“采一次就拆掉的消耗品”变成“可反复配置的资产”的分水岭。

以“从货架取出指定商品，再放入周转箱”为例。系统需要保留货架、商品和容器之间的空间关系，把目标商品独立出来，补全被遮挡的部分，并修复提取后留下的背景空缺。

具体而言，系统会进行三步处理：

第一步，实例级三维解耦。 把目标商品从货架网格里剥离出来，成为能够独立选择、移动和配置的对象，同时保留它与货架、相邻物品之间的空间约束。精准解耦，是后续进行物体级再编辑的前提。

第二步，遮挡完形补全与三维背景修复。补全被遮挡的背面几何，实时修复商品移走后留下的背景空洞，让物体被移动或替换时，不会出现几何缺失。这一步，决定了场景是否能“经得起”反复编辑。

第三步，任务级物理属性标定。 按任务要求标定质量、质心与摩擦系数，精细处理物体底部、接触面及附近障碍物的几何，让仿真里的接触判断站得住。

经过这三步处理，研究者就可以改变商品位置、增加遮挡、调整放置区域，观察机器人在不同条件下的表现。一次场景输入，由此能够服务多轮环境编辑与任务实验。

影溯的技术优势，恰好体现在这些具体的能力之上：把多源输入转化为三维场景，让场景中的关键物体可以被编辑与交互，再结合目标机器人和任务进行配置与验证，使空间内容真正进入具身智能的研发流程。

这一步回应了行业对“仿真数据” Sim-to-Real 的质疑。仿真够不够真，是靠实实在在的结构解决的：几何、外观、空间关系来自真实采集，物理属性经过配置与标定，仿真在此之上做扩展和重复验证；但仿真不是终点，策略最终还要用真机测试检验。

换句话说就是，仿真并没有直接“替代”真实采集，而是真实采集建立的结构化场景理解被仿真“放大”了：放大到能覆盖长尾场景、能反复配置验证、能批量进入具身智能的研发流程。

04

按用途给环境“分层”，

让数据供给跟上研发迭代

资产能用起来，还得能被挑中。对算法厂商和机器人本体厂商来说，数采中心的价值最终要落到可使用的环境和数据上。

不同任务对环境的要求并不一样。影溯针对不同任务类型，定义了工业化的“三级环境交付标准”：

L1 移动导航级，交付大尺度空间拓扑、可通行区域与动态干扰，对应的是“能不能走过去”。

L2 灵巧抓取级，交付毫米级物体几何、碰撞体与密集遮挡组合，对应的是“手能不能伸进去、抓不抓得起来”。

L3 接触与铰接动力学级，针对开抽屉、插拔这类复杂交互，交付关节阻尼、接触力与动力学标定，对应的是“用了多大力、会不会被卡住”。

三级之间是精度与物理保真度的递增。这个区分有实际意义：行业里“高质量数据”长期是个形容词，各家都说自己产的是高质量，但没法验收。

三级分层之后，数据的几何精度达到哪一档、碰撞体如何定义、阻尼标定在什么范围，都能在交付单上明明白白地体现，下游团队也更容易挑到适合自身任务的资源。

还有一个更值得留意的地方：越往上一级，真实采集场景越难覆盖，仿真的相对优势反而越大。L1级靠实地扫描还能铺开量；到 L2级，密集遮挡的排列组合在实体场地里只能靠一次次重摆去凑；到 L3 级，每个抽屉的阻尼、每处接触的力学响应都不一样，几乎无法做到穷举。

因此，任务分层划出的不只是标准，也是仿真真正能发挥价值的那段区间。

场景与素材的复用，可以减少重复搭建环境的工作；持续补充布局、物体和任务条件，则能够支持模型测试、失败复现与策略比较。同时，客户的使用反馈，又可以成为下一轮数据生产的依据。

到这里，影溯实现了整个数据采集流程的闭环：真实采集提供参照，场景重建把它变成资产，生成与仿真扩展覆盖范围，任务验证给出反馈，研发反馈再指导下一轮生产。真实世界、生成模型与仿真能力在这个闭环里各司其职。

这一闭环的意义不仅仅在流程本身，还能进一步加速生产速度：数据生产一旦能接住研发反馈，迭代就不再是一轮一轮地等采集排期，而直接沉淀为“发现问题、扩展条件、重新验证”的连续动作。

05

开放生态共建：场景资源从哪来

说到这里，仿真数采中心的建设，还面临一个更现实的问题：环境再多，也得有足够的场景资源。

因此，场景资源、采集组织、技术能力与应用需求之间的协同，非常关键。这不是一家公司关起门能补齐的链条。

基于此，影溯选择与杭州每回互动数采科技有限公司合作。作为 A 股数据智能龙头每日互动生态孵化的具身数采专精力量，每回互动承接了每日互动 —— 国内含数率领先的数据智能上市公司，在规模化设备覆盖、DiOS 数据治理以及覆盖全国超 2900 个区县公共服务网络上的深厚积累。

也就是说，影溯拿到的不是一个现成的数据产能，而是一个能把下游需求前置到采集设计阶段的入口。

这个入口的价值不在交付端，而在设计端。每回互动的真实场景采集组织能力，同影溯的三维重建、生成及仿真能力连接起来，推动真实数据向可复用环境与任务素材转化。

下游需要验证什么任务、保留哪些空间关系、补充哪些环境变化，都可以更早进入采集与生成流程，而不是等到数据交付之后才发现问题。场景的“可编辑性”不再是“事后补救”，而是直接变成生产流程第一天的“输入条件”。

但一个伙伴接进来的场景，撑不起模型需要的广度。影溯更早就在想这件事。

早在今年8月，它就联合禾赛、宇树、云深处、商汤、华策影视等20多家产学研单位，共同启动了“大规模空间智能3D数据开放计划（SIDO）”，围绕空间数据与评测基准开展共建。

SIDO 要解决的不是“多采一些数据”，而是把数据供给的结构拆开重排。没有任何单一来源能同时满足广度、真实性和长尾覆盖，所以 SIDO 要探索的是三类互补的数据路径：

第一，真实世界采集。产业合作方通过激光雷达、多视角影像、机器人和其他传感器实地采集真实场景，管锚点。

第二，互联网内容升维。通过重建生成技术，把互联网公开的图片、视频升维为3D/4D场景，管广度

第三，仿真与合成。通过仿真合成现实中难以采集的极端与长尾场景，管泛化边界。

三条路径不是并列备选，而是互相咬合：缺了实采锚定，升维出来的数据没有物理参照；缺了升维扩量，实采撑不起多样性；缺了仿真补长尾，前两条加起来仍会漏掉最需要泛化的那部分条件。

这个结构，没有哪一家公司能独自补齐。影溯很早就认识到这一点，所以它牵头行业共建和合作，与此同时，更先一步把自己最擅长的仿真这条线做扎实，用可复用的仿真能力去补实采和升维都够不到的长尾条件，再把这条能力交进共建框架。

不仅如此。为了让规模始终对准模型的真实缺口，配套的评测 Benchmark体系反向定义标准：不是采得越多越好，而是用评测结果告诉下一轮该采什么。模型在哪类条件下失败，下一轮就补哪类数据；数据越多，越对准失败点，而不是越采越散。雷峰网雷峰网(公众号：雷峰网)雷峰网

当具身数采的产能公式从“人 × 小时”切换为“环境配置数 × 并行算力”，由真实采集定锚点、Topos Pro 世界模型扩场景、高保真仿真跑出规模化产出交互经验的闭环已经成形。

影溯在杭州落地的不仅是一座仿真数采中心，更是推动具身智能告别“手工作坊”、迈向通用泛化的算力引擎。

雷峰网原创文章，未经授权禁止转载。详情见转载须知。