AREX Feed Article
10倍吞吐、10万CU算力，穹彻联手阿里云建了条机器人数据工业化产线
穹彻智能联合阿里云搭建了一套端到端的 UMI Data + AI Pipeline，将具身机器人数据处理从依赖人工、单机运行的模式，升级为云端自动化工业产线。整体吞吐量提升超过 10 倍，多模态标注实现规模化自动完成，云端算力可弹性扩展至 10 万+ CU，模型训练效率提升约 50%。
这条产线覆盖位姿恢复、鱼眼相机标定、动作切分、多模态自动标注等全部后处理环节，由阿里云 MaxCompute MaxFrame、DataWorks、Hologres 和 PAI 四款产品串联成闭环。该案例被收录为阿里云「AgentNative 数据实战录」系列案例之一。
具身智能的「数据焦虑」，卡在处理而非采集
「对于具身智能行业而言，这不仅意味着一条数据处理产线效率的提升，更体现出机器人数据正在从『人工加工』走向『工业化生产』。」极客公园在报道中如此定性。
穹彻智能采用 UMI（Universal Manipulation Interface）方案进行数据采集：操作人员手持夹爪设备完成抓取、开门、搬运等自然动作，设备同步记录第一视角画面、夹爪位姿与运动轨迹。
但采集只是第一步。原始数据要进入模型训练，还需经历视觉 SLAM 重建（消耗大量 GPU 算力）、鱼眼图像逐帧去畸变和标定、连续动作切分为原子任务并配上自然语言描述等多个重计算环节。
这些工序此前依赖单机串行处理，数百小时视频数据一旦某步中断，整批数据就要重算。
今年 1 月，穹彻智能 RoboPocket 产品负责人吕峻博士在接受 36氪访谈时曾表示，「全员数采的时代，可能比我们想象中来得更早」。 采集门槛已经被大幅压低，处理瓶颈就成了下一个必须拆掉的墙。
从斯坦福 UMI 到穹彻 RoboPocket，数据采集门槛先塌了
2024 年，斯坦福大学发布 UMI 论文，提出了一种手持夹爪加 GoPro 摄像头、成本仅约 400 美元的数据采集方案，让机器人数据采集走出实验室。 这套范式迅速被产业界吸收：穹彻智能在 2025 年推出 CoMiner 伴随式数据采集系统，2026 年初又发布了可直接用 iPhone 作为核心硬件的 RoboPocket（口袋机采），发布首月订单突破数百套。
与此同时，穹彻智能在资本层面持续加码。2025 年 10 月，阿里巴巴集团领投穹彻智能新一轮融资。
2026 年 2 月完成数亿元 A 轮融资，由 C 资本领投，Sea Limited、普华资本等跟投。2026 年 6 月再完成数亿元融资，无锡数据集团领投，上海交通大学 AI 未来基金参与。
采集侧成本大幅降低，数据量开始膨胀，但处理侧仍然靠单机 GPU 硬扛。穹彻智能与阿里云的这次合作，正是在采集与训练之间补上了缺失的工业化加工环节。
MaxCompute 拆解 SLAM，DataWorks 编排全流程
这条云端产线由四个阿里云产品串成一条流水线。
MaxCompute MaxFrame 负责分布式计算。视频去畸变、SLAM 位姿恢复、多模态标注等计算密集型任务被拆分到云端资源上并行执行，替代此前单机串行的模式。大模型能力直接嵌入数据处理流程，实现动作片段的自动语义标注。
DataWorks 负责全流程编排。周期调度、历史数据重跑、异常自动恢复均在统一平台上完成。一旦某个处理节点出错，系统自动重试而非整批推倒重来。
Hologres 负责数据管理。处理完成的数据进入 Hologres 统一存储，为下游的样本检索、数据审核和训练管理提供实时查询服务。
PAI 平台负责模型训练与部署验证。数据从 Hologres 进入 PAI 完成训练、性能优化和部署验证，形成从数据生产到模型训练再到效果反馈的完整闭环。
四款产品的串联结果：全流程自动化，吞吐提升超过 10 倍，云端算力弹性扩展至 10 万+ CU，模型训练效率提升约 50%。
数据产线正在成为具身智能的新基础设施
具身智能行业的竞争重心正在从模型能力向数据基础设施延伸。
此前，机器人训练数据的处理流程高度依赖人工：研究员在单机上跑 SLAM，手动标定鱼眼参数，逐段切分视频并撰写语言描述。当采集量从数十小时膨胀到数百甚至数千小时，这套流程首先遭遇算力瓶颈，其次在工程调度上难以维持。
穹彻智能与阿里云此次合作验证了一个关键假设：机器人数据可以像互联网数据一样，建立起规模化、自动化的生产体系。MaxCompute 的分布式能力解决了算力弹性问题，DataWorks 的编排能力解决了工序衔接问题，Hologres 和 PAI 则打通了从数据管理到模型训练的最后一公里。
今年 6 月，穹彻智能首家智能药房已在漱玉平民实体门店试运营，机器人在真实零售场景中承担药品拣选任务。 当机器人开始进入真实场景，数据的产生速度和处理需求只会进一步加速。
数据处理从手艺活变成工业品，具身智能的链条才算完整
穹彻智能一直围绕「数据—训练—部署」构建机器人基础设施。采集侧的 RoboPocket 解决了数据从哪来的问题，云端 Pipeline 解决了数据怎么用的问题。当采集和处理两端都实现工业化，具身智能的迭代才能提速。