影溯：具身仿真数采中心落地杭州，1个月产能怎么来？

一个能用的具身智能模型，训练时要喂进千万小时级的多模态交互数据。可眼下行业手里只有百万小时，再筛掉质量差的部分，真正能用的就更少了。

数据不够，这是具身智能行业里大家都认的事。

不过光盯着“数据”两个字看，会把更要紧的问题漏掉：

机器人在固定货架前抓东西，成功率能做得挺高。货架换个朝向，目标前面多摆一排饮料，或者让它从另一侧伸手，成功率马上掉下来。练过的动作，它能一遍遍做对；没练过的，它连手该往哪边伸都不清楚。

行业缺的除了数据量，还有“数据里的变化”。

过去两年，填这个缺口的主流做法是建场地、加人手。

中国信息通信研究院的数据显示，到今年6月底，全国已建成并启用的训练场超过70家，还有40余家在建或者规划中。

问题是，这些训练场大多扎堆在叠衣服、收拾桌面、分拣搬运这类好展示的任务上，复杂长程任务挖得很不够。数据小时数在涨，模型见过的空间布局却没涨。

症结在于扩容扩的是什么。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。

要让多样性涨上去，得靠条件变多：布局、遮挡、物体组合、接近路径，每多一种，就是一次重新排列。

一个训练场里能排出多少种组合，取决于它被布置成什么样；布置一改，采集流程就得跟着重走一遍。人力、时间成本要翻好几倍往上叠。

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

空间智能赛道的影溯换了个思路：不光要采得多，还要把空间的各种排列组合穷尽掉，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，目标是把产能拉到月产百万小时级数据。

这套体系以三维场景重建与生成为核心，把真实空间、生成式模型和仿真能力接在一起，做成一套可编辑、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，得有底气才行。

这份底气来自影溯对数采方式的直接变革，把数据多样性和产能两个“卡点”一起解开；也来自它自身：作为一家空间智能基模公司，它最清楚模型需要什么样的数据，也最清楚什么才算真正的高质量数据。

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，先得看清楚它要替代的数采流程，成本到底花在哪。

在具身智能获取真实行为数据这件事上，EGO 第一视角采集和遥操作是两条主要路径。前者得让人走进环境中，亲手把操作做完；后者要求操作者全程在场，还得跟着具体设备和任务去调整。两条路各有各的样子，可“人”这一关谁也躲不开。

绕不开人，就绕不开组织。多一种空间布局，多一类操作条件，流程就得再走一遍：找场地，约档期，把人凑齐，设备调好，采完再拆掉。

另外，采集人员对任务熟不熟、操作习惯如何、对不同设备适配到什么程度，也会直接影响到采集效率和数据一致性。

更麻烦的是，这套流程根本没法并行推进。场地得一家一家去谈，人员到齐了才能动工，场景一旦采集完，拆掉就再也找不回来。

结果就是，每多一种变化，整笔组织成本都得重新付一遍。

多样性为什么一直上不去？说到底不是行业不愿意加条件，而是每加一项，就得把组织工作从头再来一遍，成本按线性往上叠。

影溯盯上的正是这件事：把成本压下来，同时把数据多样性推上去。

放到仿真环境里，空间布局、物体位置、遮挡关系、任务条件都能靠生成、编辑和组合来扩展，不用为了每一种变化重新张罗实体场地和人员操作。同一项任务，可以搁进不同的环境条件里跑，把真实采集中很难穷尽的变化覆盖掉。

对算法团队来说，这里能扩展训练分布、复现失败条件；对机器人本体厂商来说，它提供了一套可反复配置、反复验证的环境基础。

数据多样性和产能能一起往上走，另一个来源是数据生产全流程的并行计算。

系统以少量真机或遥操示范作为种子，把运动规划、策略驱动和自动化物理质检结合起来，在数百个并行环境中自动批量合成闭环轨迹，RGB、深度、分割、6D 位姿与动作指令全部对齐。环境可以重复使用，条件可以批量调整，数据生产的规模也就跟着算力和任务系统走，不再只随人数线性增长。

两种范式的分野正在这里：过去两年，行业拼的是谁场地多、谁采集员多，产能公式是“人×小时”，小时数在涨，条件空间却没涨；影溯数采中心用的是“环境配置数×并行算力”，每多一种配置，就多一组条件覆盖，多样性随算力一起扩。

按这套体系，影溯数采中心有望做到月产百万小时（或日产十万小时）——也就是说，单中心短期运转的有效产出，就能超过全行业过去两年攒下的数百万小时存量总和。

比这些数字更关键的，是它指向的工作方式变化：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、做回归测试，把从发现问题到再次验证的周期压短。

数据生产和研发贴得越紧，“如何生产出高质量高需求数据”才有方向可依，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

不过在具身智能行业，仿真一直逃不开一个质疑：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。

影溯没有绕开，而是把问题拆开看：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。

场景资产因此有了两条进料管线。

一条来自真实空间。

影溯与禾赛Kosmo深度合作，把采集侧的硬件与重建能力，和自己模型侧的3D升维及物理仿真能力接了起来。

Kosmo这套三维世界数据引擎强在哪？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一起压低了：普通室内100平方米大约15分钟扫完，3DGS重建达到毫米级，一次输出3DGS、mesh、depth三类对齐数据。

可硬件扫描直接出来的，是一层粘连的“静态视觉壳体”，物体没法单独抓取，遮挡背面还有空洞。Kosmo负责把物理空间数字化，影溯的核心壁垒则是通过3D升维与世界模型，把这层“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”。

换句话说，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；影溯再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，整条链路就此打通。

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。

单图、多图、视频、LiDAR以及无人机航拍，这些来源都能输入。系统自动切分场景物体，把它们与空间几何对齐，再赋予物理属性。桌子、椅子、墙面、设备都能单独选中、替换、挪动，碰撞、可移动、可接触这些属性也一并加上。

视频攒得再多，模型也只是在看。具身训练眼下缺的，是能动手、能接触、能验证的世界。Topos Pro干的活，就是把“看”推成“可交互”“可编辑”。

两条管线各有分工。真实场景重建管的是“像不像”，生成能力补的是“够不够多”。一次采回来的素材不再只用一回，网上的图片、视频也能被升成可用的三维场景。

别的数采方式走的是“采一次、用一次、改一次布置重走一遍流程”的路子。影溯的做法不一样：真实采集用来定锚点，Topos Pro把同一次采集拆开重组成无数种布局、遮挡和物体组合，每重组一次，就多覆盖一种条件。

场景资产因此从“消耗品”转成了“可复用的原料”。采一次，用处不止一次，而是长出一片条件空间，反复循环使用。

03

一次场景输入，

多轮环境编辑与验证

场景数据拿到手，还有一道关键处理：让场景里的东西能被单独操作。这一步走不走得通，决定了场景是“采一次就拆掉的消耗品”，还是“可反复配置的资产”。

拿“从货架取出指定商品，再放入周转箱”来说。系统得保住货架、商品、容器三者的空间关系，把目标商品单独拎出来，补全被挡住的部分，再把提取后留下的背景空缺修好。

系统具体分三步处理：

第一步，实例级三维解耦。目标商品从货架网格里剥出来，成为可以单独选择、移动、配置的对象，同时它与货架、相邻物品之间的空间约束照样保留。解耦准不准，直接决定后面能不能做物体级再编辑。

第二步，遮挡完形补全与三维背景修复。被挡住的背面几何要补上，商品移走后留下的背景空洞要实时修掉，这样物体被挪动或替换时，不会出现几何缺失。场景经不经得起反复编辑，就看这一步。

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，物体底部、接触面以及附近障碍物的几何都要精细处理，仿真里的接触判断才站得住。

三步做完，研究者可以挪商品位置、加遮挡、调放置区域，看机器人在不同条件下怎么表现。一次场景输入，就能支撑多轮环境编辑与任务实验。

影溯的技术优势，落在这些具体能力上：多源输入转成三维场景，场景里的关键物体可编辑、可交互，再结合目标机器人和任务做配置与验证，空间内容才算真进了具身智能的研发流程。

这一步回应的是行业对“仿真数据”Sim-to-Real 的质疑。仿真够不够真，靠的是实打实的结构：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，仿真在这个基础上做扩展和重复验证。仿真不是终点，策略最后还得用真机测试来检验。

说白了，仿真没有直接“替代”真实采集。真实采集建立起来的结构化场景理解，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。算法厂商和机器人本体厂商看数采中心，最终看的是环境和数据能不能用。

任务不同，对环境的要求也不一样。影溯按任务类型，定了一套工业化的“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，对应的问题是“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，对应的问题是“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，对应的问题是“用了多大力、会不会被卡住”。

从 L1 到 L3，精度和物理保真度逐级抬高。这个划分不是空谈：过去业内说“高质量数据”，基本停留在形容词层面，谁都自称高质量，却拿不出可验收的依据。如今按三级分层，几何精度落在哪一档、碰撞体怎么定义、阻尼标定处于什么范围，交付单上都能写清楚，下游团队挑选适合自身任务的资源也方便得多。

再往深看一层：级别越高，真实采集越难覆盖，仿真反而越占便宜。L1 级靠实地扫描尚能铺开数量；到了 L2 级，密集遮挡的各种排列组合，在实体场地里只能一遍遍重新摆放去凑；而 L3 级上，每个抽屉的阻尼、每处接触的力学响应各不相同，几乎没法穷举。

这么一来，任务分层划出的既是标准，也是仿真真正能派上用场的那段区间。

场景和素材可以复用，重复搭环境的工作就少了；持续补进布局、物体和任务条件，又能支撑模型测试、失败复现和策略比较。客户用下来的反馈，还会成为下一轮数据生产的依据。

走到这一步，影溯把整条数据采集链路串成了闭环：真实采集给出参照，场景重建将其转为资产，生成与仿真把覆盖范围撑开，任务验证提供反馈，研发反馈再指引下一轮生产。真实世界、生成模型和仿真能力在这个闭环里各担一角。

闭环的价值不止于流程本身，它还能让生产提速：数据生产一旦能接住研发反馈，迭代就不用一轮轮等采集排期，而是直接变成“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

话说回来，仿真数采中心要建起来，还绕不开一个更实际的问题：环境再多，场景资源也得跟得上。所以场景资源、采集组织、技术能力与应用需求之间怎么协同，十分关键。这条链条，一家公司关起门来补不齐。

影溯于是找到了杭州每回互动数采科技有限公司合作。每回互动是 A 股数据智能龙头每日互动生态孵化出的具身数采专精力量，承接了每日互动——这家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积累。

换句话说，影溯拿到的不是现成的数据产能，而是一个入口，能把下游需求提前到采集设计阶段。这个入口的价值落在设计端，而非交付端。每回互动组织真实场景采集的能力，与影溯的三维重建、生成及仿真能力对接，推动真实数据转化为可复用的环境和任务素材。

下游要验证哪些任务、保留哪些空间关系、补充哪些环境变化，都能更早进入采集与生成流程，不必等数据交付完才发现问题。场景的“可编辑性”不再靠事后补救，而是从生产流程第一天起就成了“输入条件”。

不过，仅靠一个伙伴接进来的场景，撑不起模型所需的广度。这事影溯想得更早。

今年8月，它就与禾赛、宇树、云深处、商汤、华策影视等20多家产学研单位一起，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展开共建。

SIDO 要做的不是“多采一些数据”，而是把数据供给的结构拆开重新排列。单靠任何一种来源，都同时满足不了广度、真实性和长尾覆盖，因此 SIDO 探索三类互补的数据路径：

其一，真实世界采集。产业合作方用激光雷达、多视角影像、机器人和其他传感器实地采集真实场景，负责锚点。

其二，互联网内容升维。借助重建生成技术，把互联网公开的图片、视频升维成3D/4D场景，负责广度

其三，仿真与合成。用仿真合成现实中难以采集的极端与长尾场景，负责泛化边界。

这三条路径并非并列备选，而是彼此咬合：没有实采锚定，升维出来的数据缺少物理参照；没有升维扩量，实采撑不起多样性；没有仿真补长尾，前两条合起来仍会漏掉最需要泛化的那部分条件。

这样的结构，没有哪家公司能独自补齐。影溯很早就看清这点，所以一边牵头行业共建与合作，一边更早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，再把这套能力交进共建框架。

还有一层。为让规模始终对准模型的真实缺口，配套的评测 Benchmark体系反过来定义标准：追求的不是采得越多越好，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。

当具身数采的产能公式从“人 × 小时”换成“环境配置数 × 并行算力”，一条闭环已经成形：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的交互经验。

影溯把这座仿真数采中心放在杭州，用意不止于多一个采集场地。它要解决的是具身智能长期停留在“手工作坊”式数据生产的问题，让行业真正走向通用泛化，而承担这一步的，是一台算力引擎。