核心观点 - 公司通过推出“FastUMI Pro数据超市”，将高质量机器人操作数据标准化、商品化，旨在解决具身智能行业数据昂贵且稀缺的核心痛点，并可能推动行业数据基础设施的范式转移 [1][3] 数据超市的推出与模式 - 公司正式上线“FastUMI Pro数据超市”，用户可通过官网商城像在电商平台一样直接下单购买数据，这是具身智能数据首次以“标准商品”形态进入市场流通 [1][3] - 数据超市的诞生源于客户数量呈指数级增长，公司将通用数据产品化上架，让客户自行选择，以应对激增的需求 [6] - 数据超市将海量操作数据按场景分类并细分为具体任务，制定了透明的定价体系，旨在以标准化、规模化的数据供给打通从数据到模型的“最后一公里” [8] - 数据超市目前覆盖工业生产装配、家庭生活、教育场景、酒店服务、商业零售与陈列、餐饮、特种作业、物流仓储、医疗护理、专业科研共10个场景的任务数据 [8] - 前期以通用型数据为主，后期将上线数据定制板块，满足个性化训练需求，按照任务时长、夹爪数量、物料成本综合定价 [8] 数据采集硬件与能力 - 公司推出了便携的标准数采工作站“鹿明FastUMI Pro（背包版）”，这是全球首款背包形态的UMI数采设备，支持多模态数据采集，具有8小时长续航和高定位精度 [5] - 公司已累计交付100万条高质量操作数据，单日数据增量可达数万条 [6] - 公司计划在2026年在全国多个城市投放1万台背包版FastUMI Pro设备，深入工业、家庭、酒店、餐馆、商场、办公等场景，目标直指百万小时级数据量 [15] - 公司通过统一采集设备获取数据，确保格式一致性，数据可直接用于工业机械臂、服务机器人、人形机器人等全品类模型训练，兼容Xarm、方舟无限、Franka、UR、非夕等主流硬件机型 [9] 数据价值与行业痛点 - 机器人是典型的“数据密集型”技术，模型的训练、优化与落地离不开海量、高质量的真实操作数据，随着具身智能走向真实应用，数据的局限比模型能力更早暴露 [10] - 可用于模型训练的优质真实场景数据极其稀缺，其定价差异由采集设备成本、物料成本、采集过程的难度决定 [10] - 随着任务复杂度上升，数据的真实性与一致性成为硬约束，决定模型能否继续向前，视频数据与仿真数据难以完全替代真实交互数据 [10][11] - 过去，企业训练模型（如叠衣服）需自建环境耗时数月或高价定制，成本动辄数十万且数据难以复用，如今通过数据超市购买数百条高质量数据，价格可低至百元级 [18] “采-训-推”一体化闭环与数据质量 - 公司具备“采-训-推”一体化闭环能力，是其数据基建能力的核心 [15] - 依托FastUMI Pro，公司双臂具身机器人MOS在5小时内完成了工厂质检从“数据采集-策略训练-模型推理”的全流程验证 [15] - 在合肥实地部署后，仅用7小时便跑通真实场景下的采集、训练与部署推理 [15] - 公司建立了八道数据质量评估体系，只有通过自动化检测的数据才会入库，以在规模扩张的同时守住数据质量底线 [16] 战略意义与未来规划 - 数据超市的上线，意味着公司基本完成了数采硬件、规模化体系、数据流通的全维度布局 [18] - 通用数据可在线下单，有望推动具身智能告别定制化的小范围探索，迈入标准化、工程化的生产阶段，加速智能Scaling Law进程 [18] - 公司计划在4月初上线专属benchmark体系，整合自研的高性价比适配机械臂、pi，pi0.5等开源baseline模型，以及3个任务共1.5万条免费样例数据集，未来有望形成“平台+数据+模型”的完整使用框架 [20] - 长期来看，公司将推动数据生态开放，从自营数据逐步走向“自营+他营”的平台化模式，开放第三方接口，形成“采集-评估-交易-使用”的完整数据生态 [20] - 公司创始人判断，整个具身数据市场相比去年有十倍以上的增长 [21]