突破万亿级具身智能市场数据瓶颈：AIRSPEED开源数据生产平台构建与量化实践

深圳市人工智能与机器人研究院（AIRS）夏轩团队推出的 AIRSPEED（开源具身智能数据生产平台），旨在通过软硬件解耦与高度兼容的架构，解决具身智能模型在Scaling Laws驱动下面临的海量数据获取难题。

洞察具身智能产业蓝海，破解数据获取的“成本与孤岛”困局

具身智能设备潜在市场规模庞大。据测算，全球机器人数量预计达100亿台，其产生的数据总估值高达 10万亿美元，是传统互联网数据估值的三倍以上。然而，随着Scaling Laws在具身智能领域的延续，模型性能对数据质量、数量和多样性的要求急剧上升，行业在数据驱动范式下面临三大核心瓶颈：

• 成本黑洞： 高质量的人类演示数据与机器人感知数据采集成本极高。当前厂商多采用专用数据采集设备，研发成本高昂且难以保障长期可用性。
• 数据孤岛： 现有采集技术无法实现数据质量和通用性的统一，难以跨厂商、跨技术路线采集到覆盖丰富场景、任务和型号的全面数据，导致生态零散。
• 评估空白： 缺乏有效的机制来定性评估当前数据是否能实质性提高数据集的性能潜力。

当前行业中的数据采集服务商受制于设备适配周期长、产品覆盖面窄等问题，亟需一种能够跨越硬件鸿沟、实现“所有数据应收尽收”的标准共识与通用基建。

构建高兼容性与软硬件解耦的开源数据生产底座

针对上述产业痛点，AIRS 研发了 AIRSPEED 开源具身智能数据生产平台。该平台通过提供标准接口规范和底层逻辑支撑，成为对接真实世界、仿真环境、多元采集设备与多格式数据集的便捷桥梁。

• 最大化软硬件解耦： 平台基于 ROS 2 架构，支持分布式灵活部署。通过剥离硬件差异，用户无需编程，仅需三步（编写配置文件 $\rightarrow$ 启动设备 $\rightarrow$ 启动服务）即可快速开展数据生产流程，大幅降低软件开发与设备适配成本。
• 全谱系技术与设备兼容： 平台提供通用软件接口，支持从单臂夹爪、双臂灵巧手到外骨骼、人形机器人全身控制等任意机器人形态的适配；同时兼容位姿类、视觉类、光惯类（如Noitom光惯动捕系统）等多种遥操作与示教采集技术。
• 打通“采集-生成-构建”全链路： 平台不仅支持真实世界的数据采集，还全面对接数字孪生/数字表亲资产合成、策略模型自动合成等仿真环境数据生成技术，实现任意操作轨迹与智能体决策的合成。

驱动数据飞轮运转，实现数据集构建效率数十倍提升

AIRSPEED 平台在实际应用中，通过自动化数据集构建机制，成功为具身智能模型迭代注入了强劲的加速动力。基于同构遥操作与仿真环境（如Mojoco）的实际运行，平台实现了以下量化业务指标：

• 真实世界数据集构建效率： 提升达 36倍。
• 仿真环境数据集构建效率： 提升达 3.5倍。
• 整体数据飞轮流转速度： 加速 6倍。

通过开源消减软件成本，平台有效填补了“成本黑洞”；通过最广泛的技术兼容，确保了“场景/任务/型号”类别数据的丰富度，打破了“数据孤岛”；并通过自动化的构建流程与数据集金字塔结构划分，填补了模型潜力评估的空白。

重塑数据资产生命周期，奠定具身智能规模化应用基石

面对具身智能向端到端模型演进的趋势，模型对“大脑+小脑”合并训练的数据量与泛化期望达到了前所未有的高度。AIRSPEED 摒弃了零散且不可持续的定制化数据生产模式，通过标准化接口与数据合成流程，将物理世界的操作数据、感知数据与仿真数据统一聚拢。这种底层基建的开源共建模式，不仅极大降低了行业从业者获取泛化数据的门槛，更为未来具身智能数据资产在关键时刻的价值爆发提供了确定的技术支撑。