覆蓋10大場景、40+種任務！鹿明FastUMI Pro數據超市正式上線！

“機器人訓練數據本不應該如此昂貴和稀缺。”鹿明機器人創始人兼CEO喻超的這句話，或許正是當下具身智能行業最真實的痛點。

目前，具身智能的核心破局點在數據已經成為業內共識，當全球科研團隊和企業為采集高質量操作數據投入高昂成本時，鹿明卻選擇了一條截然不同的路，將數據變成像超市貨架上的商品一樣，明碼標價、在線下單。

機器人大講堂注意到，近日，鹿明正式上線“FastUMI Pro數據超市”，用戶能像在電商平臺選購商品一樣，直接通過官網商城下單。

這一動作，不僅意味著具身智能數據首次以“標準商品”形態進入市場流通，或許更預示著行業數據基礎設施的范式轉移。

機器人大講堂獨家采訪到鹿明機器人CTO丁琰，希望聊聊數據超市這個鹿明首創的新物種。

01.

數據超市誕生始末

在逛鹿明數據超市之前，筆者發現鹿明其實做了另外一件事，他們做了一款便攜的標準數采工作站——鹿明FastUMI Pro（背包版），也是全球首款背包形態的UMI數采設備，搭載了超高清魚眼相機、高精度深度相機等核心組件，支持多模態數據采集，8小時長續航+高定位精度，能適配各類開放環境。

在更早之前，鹿明通過數采場采集的形式，已累計交付100萬條高質量操作數據，單日數據增量可達數萬條，這也讓鹿明的銷售開始忙不過來。丁琰在采訪中直言，數據超市的誕生，就源于這個樸素的商業邏輯：當客戶數量呈指數級增長，不如將通用數據產品化并且上架，讓客戶自己看、自己選。

FastUMI Pro數據超市的出現，正是鹿明機器人基于自身技術積累和行業洞察，給出的一套系統性破局方案。從超市上架的數據商品情況來看，鹿明將海量操作數據按場景分類，再細分為具體任務，并制定透明的定價體系。他們試圖以標準化、規模化的數據供給，打通從數據到模型的“最后一公里”。

從覆蓋場景與任務來看，數據超市目前包含工業生產裝配、家庭生活、教育場景、酒店服務、商業零售與陳列、餐飲、特種作業、物流倉儲、醫療護理、專業科研10個場景的任務數據，每個場景按照任務特性進一步細分，同時用戶能看到任務時長、標簽等信息，可見鹿明已經初步形成了結構化、多維度的標準化操作數據體系，以期精準匹配不同場景下機器人的操作訓練需求。

丁琰透露道，前期數據超市以通用型數據為主，屬于平臺核心流通品類；后期數據超市會上線數據定制板塊，即該部分數據為客戶專屬，滿足個性化訓練需求，按照任務時長、夾爪數量、物料成本進行綜合定價。

丁琰介紹，由于鹿明采集的所有數據，由于均通過統一采集設備獲取，因此可以確保格式一致性，這些數據有著較廣的適用范圍。數據可直接用于機器人全品類模型訓練，包括工業機械臂、服務機器人、人形機器人等，依托鹿明FastUMI Pro無本體數據的通用性，兼容Xarm、方舟無限、Franka、UR、非夕等主流硬件機型。

02.

數據價值幾何？

機器人是典型的“數據密集型”技術，模型的訓練、優化與落地，都離不開海量、高質量的真實操作數據。隨著具身智能逐步走向真實應用，數據的局限往往比模型能力更早暴露出來。丁琰對機器人大講堂解釋，數據定價有所差異在于價值本質不同，而這又主要由于采集設備成本、物料成本、采集過程的難度決定，因而可用于模型訓練的優質真實場景數據極其稀缺。

在他看來，數據問題并非一蹴而就，而是伴隨任務復雜度逐步顯現。丁琰把數據采集拆解為清晰的階段：第一階段是在數采場內進行采集，光線、環境、背景、人員管理都可控。鹿明機器人在這一階段持續完善采集SOP、迭代采集軟硬件，并建立數據質量評估機制，“基本上在數采廠里可以實現自動運轉”。但當任務難度抬升，模型開始面對更復雜的物理約束與環境噪聲時，可控場景的數據分布很快顯出邊界。

他判斷，行業之所以出現仿真、視頻、強化學習等多種數據路線，很大程度上是因為不少早期任務相對簡單，多種方式“看起來都能做”。可一旦進入更真實、更凌亂的作業場景，數據的真實性與一致性就會變成硬約束。

以工廠質檢為例，這并不是在實驗室“干凈環境”中的簡單抓取，而是在復雜工況中完成更強約束的操作與判斷，“如果只是做一些簡單的仿真，或者其他方式，已經很難滿足客戶要求”。

視頻數據可以幫助模型“看懂世界”，仿真可以擴展一定的組合空間，但當目標是“上手干活”，與物理世界交互的能力最終仍需真實交互數據支撐。換句話說，隨著任務復雜度上升，數據成為決定模型能否繼續向前的底層條件。

FastUMI Pro在分揀零部件任務中，完成“數據采集-策略訓練-模型推理”閉環

如果說數據超市是“前端商店”，那么背后這些數據從哪來？鹿明的聰明之處在于，其嘗試先造好“數據鏟子”，用硬件設備創新打破采集邊界，用規范化流程優化數據資源，更好推進真實場景采集計劃，挖掘“數據礦山”。在數采場完成方法論與流程打磨之后，鹿明把重心逐步轉向真實環境，讓數據從“可控產出”走向“真實復雜”。

鹿明“采-訓-推”一體化閉環能力，是鹿明數據基建能力的核心。此次規模化數據采集的啟動，正依托于這一已全面打通的基建體系:依托FastUMIPro，鹿明雙臂具身機器人MOS在5小時內完成從“數據采集-策略訓練-模型推理”的工廠質檢全流程驗；FastUMI Pro在合肥實地部署后，僅用7小時便跑通真實場景下的采集、訓練與部署推理。

2026年，鹿明計劃在全國多個城市投放1萬臺背包版FastUMI Pro設備，繼續深入工業、家庭、酒店、餐館、商場、辦公等場景，目標直指百萬小時級數據量。與實驗室或數采廠采集不同，真實環境中的數據變量更加豐富——背景復雜度、光照變化、人員干擾、物料差異等都會被直接采進數據體系。這些變量不再被“消除”，而是成為提升模型泛化能力的重要養分。

具體而言，在數采場進行的數據采集，往往只能模擬有限場景，物料種類也受成本限制。而鹿明通過與合作伙伴共創的真實場景采集模式，能深入更多實際環境。畢竟，當模型開始“卡在數據上”，具身智能不得不正視真實世界。

當然，數據若要通過商品化模式打通流通鏈路，數據質量是前提。為了保證最終上架數據的質量可控，鹿明建立了八道數據質量評估體系，只有通過自動化檢測（如特定時間節點是否出現預期畫面）的數據才會入庫。這種機制倒逼采集人員——包括內部團隊、合作伙伴以及未來可能加盟的第三方——嚴格遵循標準流程，避免“為湊數而采”的無效數據，在規模擴張的同時守住數據質量底線。

03.

數據超市意義何在？

從數據超市的上線情況來看，圍繞“數據”，鹿明目前基本完成了數采硬件、規模化體系、數據流通的全維度布局。機器人大講堂認為，當通用數據可像硬件一樣在線下單，具身智能有望正式告別定制化的小范圍探索，邁入標準化、工程化的生產階段，同時打通了從數據到模型的“最后一公里”，加速智能Scaling Law進程。

過去，一家研發家庭服務機器人的初創公司，若想訓練疊衣服模型，要么自建采集環境、雇傭人員耗時數月，要么向數據服務商高價定制，動輒數十萬成本且數據難以復用。如今，這家公司只需登錄鹿明數據超市，在家庭場景下找到“疊衣服”任務，按需購買數百條高質量操作數據，百條數據的價格低至百元級。

據悉，配合鹿明4月初將上線的專屬benchmark體系，整合鹿明自研的高性價比適配機械臂、pi，pi0.5等開源baseline模型，以及3個任務共1.5萬條免費樣例數據集，未來有望形成“平臺+數據+模型”的完整使用框架，大幅降低企業和研究團隊的使用門檻。

在溝通中，丁琰表示，未來鹿明的數據超市布局并非單一的“采集+售賣”模式，而是以數據為核心構建機器人行業的生態體系。短期來看，數據超市與規模化采集形成“采銷一體”的商業閉環，讓數據成為可規模化交付的基礎設施。長期來看，鹿明將推動數據生態的開放，從目前的自營數據逐步走向類似互聯網平臺“自營+他營”的平臺化模式，未來開放第三方接口，讓合作伙伴、設備客戶都能成為數據提供者，形成“采集-評估-交易-使用”的完整數據生態。

04.

結語與未來

“整個具身數據市場相比去年一定是十倍以上的增長。”喻超的判斷背后，是鹿明對數據戰略的篤定。

當數據不再是稀缺資源，當通用數據可以像硬件一樣在線下單，行業模型訓練的門檻將被顯著拉低。鹿明的布局，恰與行業趨勢同頻，從專用場景的小模型走向通用智能的大模型，數據規模與質量成為決定能力上限與填補機器人落地Gap的關鍵。

鹿明通過萬臺便攜數據采集設備鋪開六大場景、構建數據超市，正在將“無處不在卻未被收集”的物理世界操作數據，轉化為可規模供給的標準化基礎設施。

這不僅是商業模式的創新，更多是一種對具身智能底層邏輯的重構：當數據能力本身成為可交付的基礎設施，智能的Scaling Law才真正開始加速。

當然，要實現真正的AGI還遠，就像丁琰說的，“那是永無止境的過程”。但至少現在，一家公司想買點數據訓練機器人疊衣服、分揀螺絲，不用再自己搭團隊、建產線、折騰幾個月了。

點開網頁，下單，搞定。

鹿明FastUMI Pro數據超市入口：www.fastumi.com/data-market