焦继超表示，具身智能由硬件、算法和数据共同驱动，三者之间是“乘法关系”。当前，真机遥操数据获取成本较高，采集后的数据还需要完成动作、角度、电机参数与视觉、力觉等信息的对齐；同时，数据必须符合物理世界的因果规律，标注难度与处理成本均高于一般视觉数据。
对于正在推进机器人规模化交付的企业而言，高质量数据已经成为模型迭代的重要制约因素。针对这一需求，京东云依托京东零售、物流等真实产业场景，建设面向具身智能的数据基础设施，覆盖真实数据采集、存储、清洗、标注、训练和评测等环节。按照规划，京东云将在未来两年落地千万级以上的真实物理世界数据采集，年内实现数百万小时数据积累。
目前，京东云已与优必选合作沉淀超过1万小时真实Ego数据。优必选将这些数据纳入具身模型的预训练数据集，测试结果显示，相关数据在部分任务中带来了明显提升，并有效补充了原有数据在场景和任务多样性方面的不足。
数据采集只是起点，龚义成表示，面对具身数据规模增长快、类型复杂、训练读取性能要求高等特点，京东云通过统一数据湖和云海存储，为数据积累、处理、训练及推理提供共享存储服务，减少数据在不同系统间反复搬迁带来的时间与成本损耗。在模型训练阶段，高性能存储能够降低GPU等待数据读取的时间；配合异构算力、训练框架及数据处理工具，进一步提升数据处理和模型迭代效率。
这套能力正在帮助具身智能企业构建“采集—审核—标注—训练—部署—回流”的数据飞轮。模型完成训练后进入工业现场，机器人执行任务产生的新数据可以再次回流，用于模型评估和持续优化，从而提高对分拣、搬运等不同任务的适应能力。具身智能能否规模化应用，不仅取决于单次演示效果，更取决于交付成本、运行稳定性和持续迭代能力。
焦继超指出，交付只是具身智能落地的第一步，交付后的数据回流才是模型持续进化的关键。“基础设施并不是后台成本，而是具身智能落地的前置竞争力。”
未来，京东云将继续拓展真实场景Ego数据的覆盖场景，增加不同任务、环境及行业的数据样本，推动数据基础设施与具身模型形成更紧密的协同。随着人形机器人进入产业现场，云服务的价值正在从提供算力，延伸至管理真实世界数据、支撑模型迭代，并最终帮助企业把具身智能的交付账和商业账“算得过来”。
https://mp.weixin.qq.com/s/jcpnFT22nnr4QigvHFhHwA
2025年，人形机器人产业迎来爆发拐点。特斯拉Optimus量产在即，华为、宇树等企业加速技术突破，行业正从“实验室研发”向“规模化落地”跃迁为打通产业链上下游协作壁垒，艾邦机器人正式组建"人形机器人全产业链交流群"，覆盖金属材料、复合材料、传感器、电机、减速器等全硬件环节，助力企业精准对接资源、共享前沿技术！
扫码关注公众号，底部菜单申请进群
