作者：苏打
出品：明亮公司
「明亮公司」获悉，1 月 7 日，具身智能公司鹿明机器人（LUMOS）正式推出 " 鹿明 FastUMI Pro 智研加速计划 "， 进一步推动学术界与产业界的融合创新。
根据计划，鹿明将设立论文奖励基金，全球研究者使用 FastUMI Pro 设备产出的学术论文，发表后将获得 3 万至 5 万元人民币奖励；同时，鹿明还赞助了 ICRA WBCD 2026 双臂机器人挑战赛，为物流装箱和柔性物品操作两大热门赛道提供 FastUMI Pro 设备及数据。
自 2024 年 9 月成立后，鹿明在 1 年多内不仅成功推出多款性能领先的机器人整机产品，更通过自主研发的 FastUMI Pro 数据采集系统，将真机数据采集效率提升 5 倍、成本降低 80%，为行业破解了数据获取的 " 不可能三角 "，构建起从硬件、数据到模型的全栈能力闭环。
截至目前，全球具身智能圈有超过三分之二的顶尖团队，正在使用 FastUMI Pro。FastUMI Pro 也已从一个创新工具成长为行业内验证和开发 UMI 能力的 " 标配装备 "。
据鹿明透露，公司亦在加速建设数据采集产能，预期 2026 年将实现超过 100 万小时的 UMI 数据采集产能。
同时，鹿明积极构建产业生态。公司与三菱电机、中远海运等产业巨头达成战略合作，共同探索工业场景的智能化解决方案。
通过提供从数据采集设备、高质量数据集、行业解决方案到联合模型训练的全栈服务，构建完善的 UMI 数据生态体系，鹿明机器人正从一家机器人产品公司演进为一个以数据为纽带，连接硬件、算法、场景和合作伙伴的生态平台，" 软硬结合 " 推进数据智能在物理世界创造价值，场景合作。
1 月 7 日，鹿明机器人创始人兼 CEO 喻超、鹿明机器人联席 CTO 丁琰以及鹿明机器人联合创始人赵广智就数据采集、技术路线、商业化等问题，在群访环节作出详细解答。
以下为「明亮公司」对现场问答的精选呈现：
今年数据采集规模将很快实现百万小时
Q：就数据采集而言，你们是如何解决数据与模型适配以及模型与本体的泛化这两个问题的？
丁琰：UMI 是强耦合软硬系统，任何单点不稳定，都会导致优秀模型无法出现。其中，硬件决定数据质量，数据质量决定算法性能，算法反向约束硬件执行与数据设计。
鹿明机器人的 FastUMI Pro 从一开始就是为了模型的成功去做的。 鹿明 FastUMI Pro 集成了为 UMI 场景定制的高性能传感器，能稳定实现 60Hz 高频记录，确保多模态信息的毫秒级同步。我们即将发布一款最适配 UMI 数据的轻量型机械臂，希望能够将性能的表现提升到极致。
FastUMI Pro（图片来源：鹿明）
数据层，鹿明独创了 8 道工业级数据质量评估体系，从采集源头淬炼出 " 高纯度黄金数据 "，使数据有效率从行业普遍的 70% 提升至 95% 以上，数据可复现、可跨批次复用、可直接进入策略学习，真正支撑起机器人策略模型的稳定训练与迭代。目前，我们交付给客户的数据质量不仅全部达标，部分数据质量甚至明显高于客户的标准。
更重要的是，该系统实现了数据与机器人本体的解耦，可快速适配市场上数十种不同的机械臂和夹爪，有效打破了数据孤岛，让机器人说同一种 " 语言 " 。
Q：数据生态建设方面，你们是如何推动其规模化的？
喻超：鹿明与三菱电机、中远海运等产业巨头达成了战略合作，共同探索工业场景的智能化解决方案；通过赞助 ICRA 顶级机器人赛事、设立论文奖励基金等方式，我们也在推动学术界与产业界的融合创新。
2026 年，我们要建成 100 万小时的具身真机数据产能，目标是建成全球最大的具身真机数据集。这是具身智能 Scaling Law 生效的临界点，也是推动数据生态进入规模化落地的一个量级。
Q：百万规模数据的积累是如何实现的？
喻超：2024 年，Pi0 只有 1 万小时，2025 年，Generalist 就达到了 27 万小时。
2025 年，鹿明通过自建采集工站的方式，已经实现 10 万小时的数据产能。2026 年，我们会与政府和产业方合作建设数采工厂，将数据产能提升至 100 万小时。
如果说 GPT-3 的出现是因为数据达到了某个临界点，那么鹿明希望积累行业最多的真机数据，打造最多场景落地的硬件本体，进而与生态合作，促生具身智能的 chatgpt 时刻。
Q：对于模型层面你们是如何考虑的，是否会自建？
丁琰：我觉得做任何事都要有自己的 timeline。
我就是做模型出身，之前一直在训模型。但当时我们就发现一个很大的问题，没有数据。因为如果要训一个非常好的模型，必须要先建立一个很稳定的数据管线，包括数据生产、数据评估、数据筛选，这个需要时间。
所以我们团队当时就决定，二选一的话肯定先选数据。因为模型架构拼到最后，本质上还是要落到数据质量，这是一个行业共识。截至目前，我们的数据管线搭建已经完全成功，可以源源不断地为我们产生质量非常好的数据。
此前，我们已经把市面上所有主流模型全部验证了一遍，发现完全可以去适配我们的数据，这个结果对于数据质量的评估而言已经足够。未来我们可能会与产业方合作，做一些应用方面的模型。
「人形机器人一定是终极解决方案」
Q：工厂场景中，具身落地后在哪些地方显著提升了内部效率？
喻超：工厂大致可以分为三大类，任务难度依次升级。
比如最简单的场景是 pick and place，不涉及力控，这种场景目前占比约为 30%；第二种是需要力控，难度会有升级。力控是指比如叠纸盒时，需要有一个力反馈。目前这种任务在我们场景中的占比也在 30% 左右；第三种不仅需要力控，可能还需要精确度，比如插拔线束、 PCB 板子等等，难度更高。整体来看，第一种场景的落地难度是最低的。
Q：最新数据显示，目前 FastUMI Pro 可以将真机数据采集效率提升 5 倍、成本降低 80%。这个成本还有下降空间吗？
丁琰：实际上我们可以降到 1/10 或者 1/20，因为计算的成本不一样。如果只看数据成本，假如此前一个员工规定时间内可以采集 30-100 条数据，我们的系统可以采集 500 条，效率提升 5 倍，那么成本就可以降低 1/5。
但如果把机器人本身的成本算进去，原成本就会变得更高。按照这个成本基础计算，降低至 1/20-1/30 都有可能。
此外，物理的第一性原理来看，人手应该是采集数据最快的。按照人手采集效率是 100% 计算，U MI 目前的采集效率已达到其 90% 左右，即人手拿着爪子去采，和人手本身采集的效果已经非常接近。我们觉得几乎不可能有比这更革命性的改变了。
Q：对于人形机器人的未来，你们是如何思考的？
喻超：我从来不怀疑人形器人是具身智能的终局。大家现在质疑它的点基本上主要是成本和稳定性。但这些问题如果仔细拆解，都是可解的。比如成本，通用带来的规模化可以解掉；可靠性也完全不用担心，因为从近几年的趋势来看，这个问题其实一定会先于或者同步跟整个操作泛化性的问题一起被解决。
「以终局为起点」规划商业化
Q：商业化方面，比如营收、盈亏平衡等维度有哪些规划？
喻超：我们对营收很有信心，今年的营收目标是九位数。只是目前我们会更加聚焦于怎么去实现最终的通用智能，以及把握住通往终局的每一个阶段。我想这件事不仅对于我们，对于行业而言也更重要。
Q：怎么看待 2026 年具身行业的投资趋势？
赵广智：目前我们更多考虑的还是终局在哪里。我们认为，这个行业到达终局时，一定需要通用的具身智能体，其中数据、硬件、场景三方面的能力都要具备。
按照这个思路，我们的路径就非常清晰。首先夯实数据这个最重要的基础设施，然后带动我们在场景中的结合和落地。同时在场景中进一步加强我们硬件的能力，推动硬件的规模化。
2025 年，具身智能行业涌现出非常多新东西，包括模型、硬件等等。我们对整个行业非常有信心，所以不太会割裂来看资本希望投哪些赛道。
Q：就此前已获得的几轮融资而言，投资人主要看中鹿明的哪些特质？
赵广智：我觉得一部分原因是团队，因为通常投早期的机构都会比较看重团队。鹿明的团队在技术背景和产业背景两个方面都很强，这在业内比较少见。尤其是喻超总，在行业已经积累了至少十年经验，且具备非常强的算法相关技术背景，是业内极少在商业能力和技术能力都非常强的 CEO。
其次，从实际发展看，我们过去一年的成长速度非常快。能够在一年内快速推出产品、建立核心能力，然后快速进化战略，这非常难，也非常少见，离不开我们团队过去的丰富的产业沉淀。
而我们对于数据的深耕，又恰好卡位当前数据本身发展的爆发节点。我们相信只要不断在正确的道路上努力，投资也会水到渠成。
| 发福利！添加下方明亮公司主编微信有惊喜！
#当季公司
霸王茶姬｜SKP｜联想｜泡泡玛特｜伯希和｜白犀牛智达｜DeepSeek｜阿里｜腾讯｜字节｜SharkNinja
#领先认知
新茶饮上市收官｜Paradigm 谈早期投资字节｜AI 医疗独角兽 Abridge 访谈｜龚虹嘉谈「杭州六小龙」｜开源人形机器人｜马克 · 安德森谈 AI 科技霸权｜九阳资本跷跷板｜阿里与拼多多 AI 殊途
#一手信息
登录后才可以发布评论哦
打开小程序可以发布评论哦