影溯想解决的，不只是机器人训练数据“量不够”，还有场景不够多样的问题。它的思路是把三维场景做成可编辑、可复用的环境，让数据增长不必总靠搭建新的实体训练场。公司于2026年10月29日在杭州启用仿真驱动的具身智能数据中心，并提出月产百万小时训练数据的目标。需要注意，这目前是目标，并非已经独立验证的实际产能。425

关键思路：扩展场景，而不只是增加示范

在实体空间里采集机器人数据，往往要反复布置环境、重置任务。影溯提出的替代路径，是将重建或生成的三维场景接入仿真，在同一套环境基础上调整空间布局和任务条件。相关报道将其描述为一套可编辑、可复用、可扩展的环境与数据供给体系，目标不仅是增加数据量，也要覆盖更多空间组合。25

这一区别很重要：如果机器人只是在固定布局中重复完成任务，数据小时数增加了，覆盖的情境却未必随之丰富。可编辑场景理论上更便于调整物体位置和任务条件；不过，现有报道没有量化这种方式相比实体采集具体能节省多少时间或成本。

产能数字也需要放在一起看。报道提到的目标包括月产百万小时，以及日产约十万小时。若日产十万小时能够持续，按30天计算，一个月约为三百万小时，并不等于月产百万小时。现有报道没有说明日、月数字之间的口径差异，也未交代日数据究竟代表峰值、另一个目标还是不同的统计方式。25

从真实空间到可仿真的三维场景

其中一条场景构建路径，是扫描真实空间。禾赛于2026年10月发布 Kosmo 三维世界数据引擎。23有关报道介绍称，Kosmo 系统可将采集到的空间转为三维输出；据报道，扫描一处100平方米的室内空间约需15分钟，输出包括3D高斯泼溅（3DGS）、网格和深度数据。这些属于报道披露的能力，并非独立测得的重建质量指标。2526

影溯的 Topos 模拟器则被介绍为支持三维场景生成、真实空间重建和具身仿真。14影溯的 InSpatio-World 研究也介绍了从参考视频中恢复并生成动态、可交互场景的方法。17这些资料支持其整体场景构建方向，但并不能独立证实 Topos Pro 的所有输入格式或完整工作流程。

扫描完成，不等于场景已能用于机器人训练

重建场景看起来逼真，不代表物体运动或碰撞行为也足够准确。有关 Kosmo 的报道指出，物理属性和其他数据仍需补全或配置；仅靠扫描，不能自动得到参数齐全的仿真环境。26

对机器人训练而言，这一步至关重要。物体必须以支持交互的方式建模，机器人推、抓或移动物体时，环境也要呈现合理反应。现有来源没有核实影溯具体如何赋予物体属性、重建被遮挡的表面，或校准接触物理。因此，不能仅凭产能目标，就认定这些环节已经具备成熟能力。

任务越复杂，对仿真要求越高

机器人训练任务从绕开障碍物、在空间中导航，到抓取物体、处理接触和可动机构，复杂度逐步提高。任务越依赖与物体互动，光有视觉上逼真的场景就越不够：几何结构和模拟出的物理行为，都会影响训练样本是否有用。

仿真有望减少反复重置实体训练环境的需要，并让场景和任务条件更容易变化。但如果物理模拟不准确，大量仿真数据也可能误导训练。现有报道没有验证影溯正式的 L1—L3 交付体系、真实机器人验收测试，或量化的迁移效果。要确认仿真训练是否能用于实体任务，最终仍需要真实机器人测试。

这项发布说明了什么，又没有说明什么

现有来源显示，影溯已在杭州启用仿真驱动的数据中心，并宣布了月产百万小时数据的目标；报道也介绍了将空间采集、三维重建与仿真连接起来的整体路径。425

但这些资料并未证明中心已经达到这一产量，也未证明数据能可靠覆盖各类机器人任务，或在该中心训练出的策略能在实体机器人上取得良好表现。它的核心设想很明确：让三维环境可复用，从而生成更多样的训练情境。至于能否达到所称规模、能否带来真实世界的效果，仍有待验证。

影溯想解决的，不只是机器人训练数据“量不够”，还有场景不够多样的问题。它的思路是把三维场景做成可编辑、可复用的环境，让数据增长不必总靠搭建新的实体训练场。公司于2026年10月29日在杭州启用仿真驱动的具身智能数据中心，并提出月产百万小时训练数据的目标。需要注意，这目前是目标，并非已经独立验证的实际产能。425

关键思路：扩展场景，而不只是增加示范

在实体空间里采集机器人数据，往往要反复布置环境、重置任务。影溯提出的替代路径，是将重建或生成的三维场景接入仿真，在同一套环境基础上调整空间布局和任务条件。相关报道将其描述为一套可编辑、可复用、可扩展的环境与数据供给体系，目标不仅是增加数据量，也要覆盖更多空间组合。25

这一区别很重要：如果机器人只是在固定布局中重复完成任务，数据小时数增加了，覆盖的情境却未必随之丰富。可编辑场景理论上更便于调整物体位置和任务条件；不过，现有报道没有量化这种方式相比实体采集具体能节省多少时间或成本。

产能数字也需要放在一起看。报道提到的目标包括月产百万小时，以及日产约十万小时。若日产十万小时能够持续，按30天计算，一个月约为三百万小时，并不等于月产百万小时。现有报道没有说明日、月数字之间的口径差异，也未交代日数据究竟代表峰值、另一个目标还是不同的统计方式。25

从真实空间到可仿真的三维场景

其中一条场景构建路径，是扫描真实空间。禾赛于2026年10月发布 Kosmo 三维世界数据引擎。23有关报道介绍称，Kosmo 系统可将采集到的空间转为三维输出；据报道，扫描一处100平方米的室内空间约需15分钟，输出包括3D高斯泼溅（3DGS）、网格和深度数据。这些属于报道披露的能力，并非独立测得的重建质量指标。2526

影溯的 Topos 模拟器则被介绍为支持三维场景生成、真实空间重建和具身仿真。14影溯的 InSpatio-World 研究也介绍了从参考视频中恢复并生成动态、可交互场景的方法。17这些资料支持其整体场景构建方向，但并不能独立证实 Topos Pro 的所有输入格式或完整工作流程。

扫描完成，不等于场景已能用于机器人训练

重建场景看起来逼真，不代表物体运动或碰撞行为也足够准确。有关 Kosmo 的报道指出，物理属性和其他数据仍需补全或配置；仅靠扫描，不能自动得到参数齐全的仿真环境。26

对机器人训练而言，这一步至关重要。物体必须以支持交互的方式建模，机器人推、抓或移动物体时，环境也要呈现合理反应。现有来源没有核实影溯具体如何赋予物体属性、重建被遮挡的表面，或校准接触物理。因此，不能仅凭产能目标，就认定这些环节已经具备成熟能力。

任务越复杂，对仿真要求越高

机器人训练任务从绕开障碍物、在空间中导航，到抓取物体、处理接触和可动机构，复杂度逐步提高。任务越依赖与物体互动，光有视觉上逼真的场景就越不够：几何结构和模拟出的物理行为，都会影响训练样本是否有用。

仿真有望减少反复重置实体训练环境的需要，并让场景和任务条件更容易变化。但如果物理模拟不准确，大量仿真数据也可能误导训练。现有报道没有验证影溯正式的 L1—L3 交付体系、真实机器人验收测试，或量化的迁移效果。要确认仿真训练是否能用于实体任务，最终仍需要真实机器人测试。

这项发布说明了什么，又没有说明什么

现有来源显示，影溯已在杭州启用仿真驱动的数据中心，并宣布了月产百万小时数据的目标；报道也介绍了将空间采集、三维重建与仿真连接起来的整体路径。425

但这些资料并未证明中心已经达到这一产量，也未证明数据能可靠覆盖各类机器人任务，或在该中心训练出的策略能在实体机器人上取得良好表现。它的核心设想很明确：让三维环境可复用，从而生成更多样的训练情境。至于能否达到所称规模、能否带来真实世界的效果，仍有待验证。