单月百万小时、成本仅1/10：具身数据Token工厂如何跑通？

过去几年，AI的两次规模化发展都离不开充足的数据供给。大语言模型可直接利用互联网积累多年的网页和代码数据；自动驾驶企业则可依靠量产车辆的影子模式持续收集真实道路数据。但具身智能领域并不具备这样的数据供给条件。过去两年，行业主要依靠真机遥操作和第一视角可穿戴设备采集数据，累计获得的真机有效数据和EGO数据也只有数百万小时，难以满足机器人公司和大模型企业对高质量训练数据的需求。

10月30日，空间智能公司影溯在杭州落地全国首个具身仿真数采中心。影溯预计，该中心将单月生产100万小时仿真训练数据，单条数据综合成本约为传统真机遥操作采集的1/10。

合格的具身Token需同时包含三维空间观测、真实物理接触反馈和可执行动作序列。目前行业主要有两条数据获取路径：物理世界的真机与可穿戴设备采集，以及数字世界的三维建模和物理仿真生成。但两条路径都出现效率瓶颈。

真机遥操作采集效率不高，一名操作人员控制一台机器人工作一小时，有效采集轨迹可能不到半小时，扩大规模受限于机器人数量、人员和物理时间。EGO第一视角穿戴采集虽降低了机器人本体投入，但依赖真实场地，环境调整不灵活，许多真实场地不允许随意改造，高危作业区、工业产线、私人住宅等还存在严格准入限制。

仿真路径方面，以Isaac Sim等物理仿真引擎为例，房间搭建、物体建模、关节绑定、碰撞边界设置及摩擦系数等物理参数仍需人工处理，找3D美术师从头搭建可交互房间往往需要几天甚至几周。大模型三维场景自动生成虽在尝试，但生成一个物体需几十分钟、一个场景需数小时，多轮推理和渲染增加成本，程序化拼接场景也易带CG感。此外，若缺少真实空间测量约束，难以保证不同视角下几何结构、空间尺度和物理关系一致，会增加Real2Sim Gap。

影溯的具身仿真数采中心采用类似AI算力中心的思路，通过自研Topos空间智能底座，将现实空间转化为可交互数字场景，再生成机器人训练数据，拆成三道全自动工业产线。

上游场景入厂：采用多源轻量输入与原生3D生成。可短暂进入的场地使用便携式设备扫描，15分钟即可完成上百平方米空间采集；不方便进入的受限或私密场所，可使用现场人员拍摄的多视角视频和照片，或调用原生3D场景生成能力构建数字环境。原始数据进入Topos引擎后，系统完成物体拆解、盲区补全和物理标定三步处理，使住宅、商超、餐厅和仓库等场景转化为可运行数字场景，扫描后相关场景能在几小时内完成转换。

中游算力扩展：真实空间拆解为可编辑数字母本后，一个场景可反复调用，需要增加环境变化时直接调整数字场景参数。引入少量真实示范动作作为种子，即可在云端启动多个仿真通道并行规划和执行动作，底层物理引擎实时计算力学结果并筛除失败尝试，批量生成包含深度、位姿、接触力和动作语义等信息的具身Token。数据产量更多取决于数字场景复用程度和云端并行算力规模。

下游品控与闭环：影溯为场景统计设置去重标准，所有场景以独立、完整的房屋或经营场所建档，同一房间仅改变灯光或拍摄角度只计作场景内部变体。数据交付按空间几何、物理交互、任务闭环评测分级供给。数据生产与下游模型评测形成闭环，客户模型暴露短板时，可根据失败原因在数字场景中定向生成相似复杂环境，补充模型薄弱环节并在同一套环境中回归验证。

影溯的思路是把物理空间当成原材料，用三维重建、生成模型与并行仿真搭起一座全天候运转的具身Token工厂。当百万小时量级的物理交互数据开始像工业品一样按月排产，具身智能的大规模训练才有了稳定的数据基础。