機械人要學識在不同環境工作，訓練數據不只要夠多，場景和物件擺位亦要夠多變。InSpatio提出的做法，是將3D場景和仿真結合，令環境可以編輯、重用和擴展，毋須每次都重新搭建實體訓練場。公司於2026年10月29日在杭州開設以仿真為主的具身智能數據中心，並表示目標是每月生產100萬小時訓練數據。這是公司提出的目標，並非已獲獨立驗證的實際產能。425

重點不只增加數據量，還要增加場景變化

在實體環境收集機械人數據，往往要反覆布置場地、重設任務。InSpatio所提出的另一條路，是把重建或生成的3D場景接入仿真系統，再在場景中改變環境和任務條件。相關報道形容，這套系統希望令場景可以編輯、重用和擴展，增加的不只是數據量，還包括不同空間布局下的數據。25

原因很直接：如果機械人只在同一個布局反覆示範，累積再多次數據，也未必涵蓋足夠多種情況。可編輯場景理論上較容易改動物件位置和任務條件，但現有報道沒有量化這種方式比實體數據收集節省多少時間或成本。

產能數字亦要看清楚口徑。報道提到每月100萬小時，亦提及每日約10萬小時；如果每日都維持10萬小時，30日便約有300萬小時，與每月100萬小時並不相同。報道未有交代每日數字是高峰產能、另一個目標，還是採用不同計算方式。25

從真實空間掃描到仿真場景

其中一種建場方式，是先掃描真實環境。禾賽於2026年10月公布Kosmo三維世界數據引擎。23 有關報道指，Kosmo可在約15分鐘內掃描100平方米室內空間，並輸出3D Gaussian Splatting（3DGS，三維高斯潑濺）、網格模型（mesh）和深度資料。這些是報道所述的能力，並非獨立測試所得的重建質素評估。2526

InSpatio則將Topos描述為支援3D場景生成、真實場景重建和具身仿真的世界模擬器。14 公司的InSpatio-World研究亦介紹了從參考影片還原和生成動態、可互動場景的方法。17 這些資料支持其整體建場方向，但未能獨立確認所有輸入格式，或部分報道所述Topos Pro工作流程的每個細節。

掃描出來的場景，未必已適合機械人操作

一個場景就算看起來逼真，也不代表物件的移動方式或碰撞反應準確。關於Kosmo的報道指出，物理屬性等資料仍需要補充或設定；單靠掃描，並不會自動生成完整的仿真環境。26

這對機械人訓練尤其重要。系統要能合理呈現機械人推、抓或移動物件時會發生甚麼。現有資料未能證實InSpatio具體如何設定物件屬性、重建被遮擋的表面，或校準接觸物理效果。因此，不能單憑中心公布的產能目標，就當這些技術細節已獲確認。

任務愈複雜，仿真要求愈高

機械人任務可以由避開障礙物、在環境中移動，到抓取物件和處理接觸或可活動機械結構。任務愈依賴實際互動，場景的外觀就愈不足夠；幾何結構和模擬物理反應，都會影響訓練數據是否有用。

仿真的潛在好處，是可以重複和改變情境，毋須每次都重設實體場地。不過，物理效果模擬得不準，也可能製造誤導性的訓練數據。現有報道未能證實InSpatio有正式的L1至L3交付體系、真機驗收測試，或已量度的仿真遷移成果。要知道仿真訓練能否轉化成真實任務表現，仍要看真機測試。

公布了甚麼，還未證明甚麼？

目前資料確認，InSpatio在杭州開設了以仿真為主的數據中心，並公布每月生產百萬小時數據的目標；報道亦介紹了由空間掃描、3D重建到仿真的整體方向。425

但資料未能證明中心已達到這個產量，也未能證明數據涵蓋各類機械人任務，或在中心訓練的策略能令真實機械人表現良好。核心構想是透過重用3D環境，製作更多不同訓練情境；至於能否達到所述規模，以及取得實際成效，仍有待驗證。

機械人要學識在不同環境工作，訓練數據不只要夠多，場景和物件擺位亦要夠多變。InSpatio提出的做法，是將3D場景和仿真結合，令環境可以編輯、重用和擴展，毋須每次都重新搭建實體訓練場。公司於2026年10月29日在杭州開設以仿真為主的具身智能數據中心，並表示目標是每月生產100萬小時訓練數據。這是公司提出的目標，並非已獲獨立驗證的實際產能。425

重點不只增加數據量，還要增加場景變化

在實體環境收集機械人數據，往往要反覆布置場地、重設任務。InSpatio所提出的另一條路，是把重建或生成的3D場景接入仿真系統，再在場景中改變環境和任務條件。相關報道形容，這套系統希望令場景可以編輯、重用和擴展，增加的不只是數據量，還包括不同空間布局下的數據。25

原因很直接：如果機械人只在同一個布局反覆示範，累積再多次數據，也未必涵蓋足夠多種情況。可編輯場景理論上較容易改動物件位置和任務條件，但現有報道沒有量化這種方式比實體數據收集節省多少時間或成本。

產能數字亦要看清楚口徑。報道提到每月100萬小時，亦提及每日約10萬小時；如果每日都維持10萬小時，30日便約有300萬小時，與每月100萬小時並不相同。報道未有交代每日數字是高峰產能、另一個目標，還是採用不同計算方式。25

從真實空間掃描到仿真場景

其中一種建場方式，是先掃描真實環境。禾賽於2026年10月公布Kosmo三維世界數據引擎。23 有關報道指，Kosmo可在約15分鐘內掃描100平方米室內空間，並輸出3D Gaussian Splatting（3DGS，三維高斯潑濺）、網格模型（mesh）和深度資料。這些是報道所述的能力，並非獨立測試所得的重建質素評估。2526

InSpatio則將Topos描述為支援3D場景生成、真實場景重建和具身仿真的世界模擬器。14 公司的InSpatio-World研究亦介紹了從參考影片還原和生成動態、可互動場景的方法。17 這些資料支持其整體建場方向，但未能獨立確認所有輸入格式，或部分報道所述Topos Pro工作流程的每個細節。

掃描出來的場景，未必已適合機械人操作

一個場景就算看起來逼真，也不代表物件的移動方式或碰撞反應準確。關於Kosmo的報道指出，物理屬性等資料仍需要補充或設定；單靠掃描，並不會自動生成完整的仿真環境。26

這對機械人訓練尤其重要。系統要能合理呈現機械人推、抓或移動物件時會發生甚麼。現有資料未能證實InSpatio具體如何設定物件屬性、重建被遮擋的表面，或校準接觸物理效果。因此，不能單憑中心公布的產能目標，就當這些技術細節已獲確認。

任務愈複雜，仿真要求愈高

機械人任務可以由避開障礙物、在環境中移動，到抓取物件和處理接觸或可活動機械結構。任務愈依賴實際互動，場景的外觀就愈不足夠；幾何結構和模擬物理反應，都會影響訓練數據是否有用。

仿真的潛在好處，是可以重複和改變情境，毋須每次都重設實體場地。不過，物理效果模擬得不準，也可能製造誤導性的訓練數據。現有報道未能證實InSpatio有正式的L1至L3交付體系、真機驗收測試，或已量度的仿真遷移成果。要知道仿真訓練能否轉化成真實任務表現，仍要看真機測試。

公布了甚麼，還未證明甚麼？

目前資料確認，InSpatio在杭州開設了以仿真為主的數據中心，並公布每月生產百萬小時數據的目標；報道亦介紹了由空間掃描、3D重建到仿真的整體方向。425

但資料未能證明中心已達到這個產量，也未能證明數據涵蓋各類機械人任務，或在中心訓練的策略能令真實機械人表現良好。核心構想是透過重用3D環境，製作更多不同訓練情境；至於能否達到所述規模，以及取得實際成效，仍有待驗證。