影溯杭州落地全国首个具身仿真数采中心，月产百万小时目标

要训出一个能用的具身智能模型，得多模态交互数据千万小时起步；眼下手头只有百万小时，把质量差的那部分剔掉，能用的更少。缺数据这件事，具身智能行业早有共识。

可要是眼睛只盯着“数据”两个字，真正要命的问题就漏过去了。比方一台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，或者换成从另一侧伸手，成功率立马往下掉。练过的动作，它次次做对；没练过的，它连该从哪边伸手都摸不着。

行业缺的除了数据量，还有“数据里的变化”。过去两年，大家补缺口的路子主要是建场地、加采集人手。

中国信息通信研究院的数据显示，到今年6月底，全国建成并启用的训练场超过70家，还有40 余家在建或规划中。问题是，这些训练场大多挤在叠衣服、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。数据小时数是在涨，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、加人手，扩的是同一批场景的采集次数——货架还是那个货架，无非多采了几遍。多样性要真涨，得让条件变多：布局、遮挡、物体组合、接近路径，多一种就是一次重新排列。

一个训练场能排出多少种样子，取决于它被布成什么样；改一次布置，采集流程就得从头再走一遍，人力和时间成本成倍往上叠。产能越加越大，多样性原地不动。行业真正卡住的地方，不是“采得不够多”，而是“变一次太贵”。

空间智能赛道的影溯换了个解法：不光要多采，还要把空间里各种排列组合穷尽掉，采出“不一样”来。

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。这套东西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串起来，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”的共识里扛出“仿真”这面旗，得有底气。底气来自影溯对数采方式的直接改造，一举解开数据多样性和产能这两个“卡点”；也来自它本身就是一家空间智能基模公司，最清楚模型需要什么数据、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，先得看清它要替掉的数采流程，钱和功夫到底花在哪。EGO第一视角采集与遥操作，是具身智能拿真实行为数据的两种主要方式。EGO得让人进到环境里、把操作做完；遥操要操作者一直跟着，还得适应具体设备和任务。两种方式不一样，可都绕不开“人”。

绕不开人，就绕不开组织。多一种空间布局，或者补一类操作条件，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，也直接牵着采集效率和数据一致性。

组织一遍采集，流程本身就长：场地得挨家去谈，人手得等凑齐才能动手，采完还得把搭好的场景拆掉，拆完就什么都不剩。

所以条件每多一种，整套组织开销就得再掏一遍，而且是全额。

多样性一直上不去，根子就在这儿。行业不是不愿意加条件，是加一种就得从头组织一次，成本跟着条件数一层层往上叠。

影溯想干的，是把这笔成本压下来，同时让数据多样性提上去。

到了仿真环境里，空间怎么布局、物体摆在哪、谁挡住谁、任务带什么条件，都能靠生成、编辑和组合来铺开，不用为每一种变化再去张罗实体场地和人员操作。同一项任务，换个环境条件就能再跑一遍，真实采集里很难穷尽的变化，在这里能覆盖到。

算法团队拿它扩展训练分布、复现失败条件；机器人本体厂商拿它当一套可反复配置、反复验证的环境基础。

产能和多样性还能一起往上走，靠的是数据生产全流程的并行计算。

从少量真机或遥操示范里取种子，系统把运动规划、策略驱动和自动化物理质检接在一起，在数百个并行环境中批量合成闭环轨迹，RGB、深度、分割、6D 位姿与动作指令都是对齐好的。环境可以反复用，条件可以成批调，数据规模于是跟着算力和任务系统走，不再只随人数线性增长。

两种范式的分野就在这里。过去两年，行业比的是场地多不多、采集员多不多，产能公式是“人×小时”，小时数在涨，条件空间却没涨；影溯数采中心的公式换成了“环境配置数×并行算力”，配置多一种，条件覆盖就多一组，多样性跟着算力一起扩。

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，单个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。

比数字更关键的，是它指向的工作方式变了：模型在哪类遮挡、布局或操作条件下出问题，就针对这些条件扩环境、补样本、做回归测试，从发现问题到再次验证的周期被压短。

数据生产和研发贴得越紧，“怎么产出高质量、高需求的数据”才有方向可依，也少走“采了一大堆、最后用不上”的弯路。

02

真实空间负责定准，仿真负责生成扩量

不过，仿真在具身智能行业一直背着个绕不开的质疑：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。

影溯没绕开它，而是把问题拆成两半：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。

场景资产因此有了两条进料管线。

一条来自真实空间。

影溯和禾赛 Kosmo 深度合作，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接了起来。

Kosmo 这套三维世界数据引擎的关键，在于它同时压低了“真实场景变成可计算三维资产”的时间和精度门槛：普通室内 100 平方米大约 15 分钟扫完，3DGS 重建做到毫米级，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，遮挡的背面还留着空洞。Kosmo 管的是把物理空间数字化，影溯的核心壁垒则在于用 3D 升维和世界模型把“静态壳体”拆开、赋上物理属性，变成机器人真能抓、真能碰的“可交互资产”。

换句话说，Kosmo 采来的真实世界数据，给场景几何、外观和空间关系提供了可靠参照；影溯再把这些场景数据做成可编辑、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，这条链路就此打通。

另一条靠生成式模型来扩供给。

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、无人机航拍，这些来源不同的输入它都能接，场景物体的分割、与空间几何的对齐、物理属性的赋予由此自动完成。更关键的一点在于，桌子、椅子、墙面、设备都能被单独挑出来、替换掉、调整位置，还能赋予碰撞、可移动、可接触等属性。

视频攒得再多，模型也只是在看；真正缺的是能被行动、被接触、被验证的世界。Topos Pro 要做的，就是把“看”这一步变成“可交互”和“可编辑”。

真实场景重建管的是“像不像”，生成能力补的是“够不够多”，两条管线分工明确。同一份采集素材不会被只用一次，互联网上的图片、视频同样能升维成可用的三维场景。

别的数采方式往往是“采一次、用一次，改一次布置就得重走一遍流程”。影溯的做法不一样：用真实采集定下锚点，再由 Topos Pro 把同一次采集重组成无数种布局、遮挡和物体组合，每重组一次，就多覆盖一组条件。

场景资产的身份也跟着变了，从“消耗品”成了“可复用的原料”——采一次不再只服务一次，而是长出一整片条件空间，可以反复循环使用。

03

一次场景输入，多轮环境编辑与验证

场景数据到手后还有一道关键处理：让场景里的物体能被单独操作。能不能从“采一次就拆掉的消耗品”变成“可反复配置的资产”，这一步就是分水岭。

拿“从货架取出指定商品，再放进周转箱”来说，系统得保住货架、商品、容器之间的空间关系，把目标商品独立出来，补全被挡住的部位，还要修好提取之后留下的背景空缺。

处理分三步走。第一步是实例级三维解耦：把目标商品从货架网格中剥离，使其成为可独立选择、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。解耦够不够精准，直接决定后面能不能做物体级再编辑。

第二步做遮挡完形补全与三维背景修复。被挡住的背面几何要补出来，商品移走后留下的背景空洞要实时修复，这样物体被移动或替换时不会出现几何缺失。场景能不能“经得起”反复编辑，就看这一步。

第三步是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。

三步走完，研究者就能改商品位置、加遮挡、调放置区域，看机器人在不同条件下的表现。一次场景输入，由此可以服务多轮环境编辑与任务实验。

影溯的技术优势正落在这些具体能力上：多源输入转成三维场景，场景中的关键物体可编辑、可交互，再结合目标机器人和任务做配置与验证，空间内容这才真正进入具身智能的研发流程。

行业对仿真数据的 Sim-to-Real 质疑，也在这里得到回应。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，仿真在此基础上做扩展和重复验证。不过仿真不是终点，策略最终还得用真机测试来检验。

说到底，仿真没有直接“替代”真实采集，而是把真实采集建立的结构化场景理解“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

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

任务不同，对环境的要求也不一样。影溯按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，回答的是“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，回答的是“手能不能伸进去、抓不抓得起来”。

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

三级之间，精度和物理保真度逐级往上走。这个划分有实际用处——过去行业里说“高质量数据”，基本是个形容词，谁都这么讲，却没法验收。分成三级之后，几何精度落在哪一档、碰撞体怎么定义、阻尼标定在什么范围，交付单上都能写清楚，下游团队挑资源也更容易对上自己的任务。

更值得留意的是另一头：级别越高，真实采集越难覆盖，仿真的相对优势就越大。L1级靠实地扫描还能铺开量；到了L2级，密集遮挡的排列组合在实体场地里只能一遍遍重摆去凑；再往L3级走，每个抽屉的阻尼、每处接触的力学响应都不一样，几乎没法穷举。

所以任务分层划出来的，不只是标准，也是仿真真正能派上用场的那段区间。

场景和素材复用起来，重复搭环境的活儿就少了；布局、物体、任务条件持续往里补，模型测试、失败复现、策略比较也就有了支撑。客户用下来的反馈，又能变成下一轮数据生产的依据。整条采集流程到这里就闭环了：真实采集给参照，场景重建把它变成资产，生成与仿真扩大覆盖，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管一段。

闭环的意义不止在流程上，它还直接加快了生产速度：数据生产一旦能接住研发反馈，迭代就不用一轮一轮等采集排期，而是变成“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

话说到这儿，仿真数采中心还有道更现实的坎：环境再多，场景资源也得跟得上。场景资源、采集组织、技术能力、应用需求之间怎么协同，就很关键了。这条链，一家公司关起门来补不齐。

影溯为此找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里孵化出来的具身数采专精力量，承接了每日互动在规模化设备覆盖、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——每日互动是国内含数率领先的数据智能上市公司。换句话说，影溯拿到的不是现成的数据产能，而是一个能把下游需求提前塞进采集设计阶段的入口。

入口的价值不在交付那一头，在设计这一头。每回互动组织真实场景采集的能力，接上影溯的三维重建、生成及仿真能力，把真实数据转成可复用的环境和任务素材。下游要验证什么任务、保留哪些空间关系、补哪些环境变化，都能更早进入采集与生成流程，不用等数据交付了才发现问题。场景的“可编辑性”不再是事后补救，而是生产流程第一天的“输入条件”。

可一个伙伴接进来的场景，撑不起模型要的广度，这事影溯想得更早。今年8月，它已经联合禾赛、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做共建。

SIDO 要办的不是“多采一些数据”，而是把数据供给的结构拆开重排。广度、真实性、长尾覆盖，没有哪个单一来源能同时满足，所以 SIDO 探的是三条互补的数据路径：

一是真实世界采集。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真实场景，管锚点。

二是互联网内容升维。借重建生成技术，把互联网公开的图片、视频升成3D/4D场景，管广度

三是仿真与合成。用仿真合成现实里难采的极端与长尾场景，管泛化边界。

三条路径不是摆着让人挑，而是互相咬合：少了实采锚定，升维出来的数据没有物理参照；少了升维扩量，实采撑不起多样性；少了仿真补长尾，前两条加起来还是会漏掉最该泛化的那部分条件。

这个结构，没有哪家公司能独自补齐。影溯很早就看明白了，于是牵头行业共建和合作，同时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，再把这套能力交进共建框架。

还有一层。要让规模始终对准模型的真实缺口，配套的评测 Benchmark体系反过来定标准：不是采得越多越好，而是拿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。

具身数采的产能公式也从“人 × 小时”换成了“环境配置数 × 并行算力”。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——这个闭环已经成形。

影溯把仿真数采中心建在杭州，这座中心要起的作用，是给具身智能换一台算力引擎——让这个行业不再靠“手工作坊”式的采集往前走，转向通用泛化。

换句话说，它落地的并不只是一处数据采集场地。