机器人跑马拉松超越最强人类，如何让具身智能"大脑"高速进化？

近日，2026北京亦庄人形机器人半程马拉松落幕，荣耀旗下人形机器人"闪电"以净用时50分26秒夺得冠军。这一成绩超越人类世界纪录，再次展示行业迈向商业导入的能力与进展。

图片由AI生成

IDC预测，2030年全球人形机器人出货量将突破51万台，年复合增长率近95%。以人形机器人为代表的具身智能正从实验室走向规模化应用。然而，训练具身智能的"大脑"依赖海量的视觉、触觉、关节角度、动作轨迹等多模态数据。当机器人集群每日产生数据量达数十甚至百TB级时，一个重要矛盾凸显：AI模型的进化速度已远超数据基础设施的承载能力。

在"十五五"规划明确提出"促进数据资源开发利用"的背景下，具身智能企业需提升数据覆盖广度与多样性，突破数据瓶颈，加速智能化进程。

具身智能产业加速发展，数据成为关键竞争力

根据36氪研究院发布的《2026年具身智能产业发展研究报告》预测，中国具身智能市场规模将于2026年突破万亿元大关。人形机器人、自动驾驶等核心赛道正迎来爆发式增长。

具身智能的本质是数据驱动与场景驱动的深度融合。与云端AI不同，具身智能需在物理世界中实时感知、决策、执行，其"大脑"训练必须基于真实环境交互产生的多模态数据流。正因如此，具身智能市场的快速发展催生了海量多模态数据存储和处理需求。

从数据分布来看，主要体现在三个层面：

• 顶层数据：人机物理交互实验数据（真机数据）最为稀缺且价值最高，总量不足1万小时。

• 中层数据：仿真数据量级约为100至1万小时。

• 底层数据：用于预训练的通用互联网数据规模可达上万亿小时。

如何从近乎无限的原始数据海洋中，高效、精确地筛选出高质量、高价值的训练数据，成为整个产业必须面对的计算与存储双重难题。

具身智能大脑进化中的存储挑战

从数据采集到模型迭代，具身智能的研发全生命周期包含四个关键环节：数据采集、数据合成和预处理、模型训练/调优、仿真验证与部署。每个环节都对存储系统提出了独特且严苛的要求。

这些数据不仅用于训练基础模型，更通过持续反馈形成"经验记忆"，驱动机器人适应动态环境。然而，当数据规模从TB级迈向PB乃至EB级时，传统存储架构的扩展性瓶颈可能制约AI模型的发展速度。

数据规模呈指数级增长，容量和性能遭遇瓶颈

具身智能的多模态数据涵盖视觉、触觉、关节角度、动作轨迹及语音等类型。一个百台规模的机器人集群每天产生数据量可达百TB级，年度数据规模迈向PB甚至EB级。传统存储架构因协议转换、I/O路径长等问题，面对海量文件时，扩展性、吞吐量及并发访问性能无法满足需求，导致业务链条整体效率低下。

数据孤岛严重，流动效率低下

具身智能研发涉及采集、训练、仿真、后训练等多个环节，通常由不同部门主导。各部门采用独立存储系统，形成严重的数据孤岛。跨部门数据调用需要反复搬迁，耗费大量时间，直接降低科研效率。数据无法在研发流程中顺畅流动，成为模型迭代的首个障碍。

多模态数据管理复杂，价值提取困难

视频、点云、深度图、IMU传感器数据及力反馈数据等形式多样，对时空一致性要求极高。跨模态数据难以统一检索和关联，有价值的"失败经验"无法快速定位和分析，阻碍模型迭代速度。多模态数据的存储、治理与调用效率低下已成为AI项目落地慢、效果差的核心瓶颈，宝贵的数据资产难以转化为机器人的"认知"。

运维复杂度激增，总体拥有成本高

数据规模指数级增长、多模态数据复杂性和实时性要求的三重压力下，数据存储于不同系统中，造成资源浪费，运维复杂度和存储成本成倍增加。

此外，热、温、冷数据混存于高性能存储，导致总体拥有成本（TCO）激增。归档方案与在线系统割裂，归档数据处于"沉睡"状态，无法被便捷调用，数据全生命周期管理失效。

杉岩AIDP：为具身智能量身打造的统一AI数据平台

针对具身智能面临的数据挑战，杉岩数据构建了新一代AI数据平台——杉岩AIDP（SandStone AI Data Platform）。该平台以对象存储为基础，融合多源多模态数据高效采集、智能分层存储、多协议无损互通、一站式数据管理等技术。

多模态

数据高效采集，多源数据应收尽收

平台适配深度相机、RGB摄像头、力矩传感器、激光雷达等多种设备产生的多模态数据，支持机器人车队在工厂、家庭、户外等分布式环境的采集需求。实现多数据源统一汇聚与任务调度，源端数据处理策略可配置，简化用户数据管理。

EB级规模与极致性能，海量

多模态

数据高效存储

基于分布式架构，平台支持EB级容量和千亿级多模态数据存储。单桶可承载千亿对象，读写性能随节点线性扩展，满足机器人集群海量数据实时存取需求。

文件对象无损互通，数据无缝流动加速训练进度

统一元数据视图支持跨算法平台、跨协议、跨区域数据共享，简化训练架构。机器人感知产生的小文件（如触觉、力矩采样）读写无需网关转换，访问性能相比S3接口无损失，加速大脑特征提取。研发团队可直接访问统一数据视图，跨部门数据调用无需反复搬迁，简化训练架构，避免因数据流动效率低下对研发进度的影响。

全生命周期智能管理，简化运维大幅节省成本

平台提供面向数据全生命周期的智能分层存储方案，融合SSD、HDD、磁带库等多种介质，根据数据热温冷属性自动分级存储。通过精细化生命周期管理，企业在保障核心训练性能的同时，整体TCO可降低55%以上。

一站式

数据管理平台

，显著缩短"大脑"学习周期

内置智能数据处理能力，自动规整多模态数据，高效构建机器人训练集。元数据存储在高性能SSD上，实现训练集检索、样本浏览等毫秒级响应；千亿文件秒级检索，支持在线预览标注，为AI模型迭代提供高质量数据基础。数据查询后直通计算集群处理，无需下载拷贝，显著缩短"大脑"学习周期；基于标签体系完善机器人技能知识库，实现数据从"存储"到"认知"的转化。

结语：夯实数据基座，迎接具身智能黄金发展期

具身智能的竞争本质是数据基础设施的竞争。当机器人"大脑"需要处理EB级多模态数据时，传统存储架构已成为进化瓶颈。杉岩AIDP通过多协议无损互通、全局统一命名空间、数据全生命周期管理等技术，为具身智能企业构建弹性可扩展的数据基座。

在具身智能迈向规模化应用的关键时期，夯实数据存储管理能力将成为企业差异化竞争的核心优势。数据就绪，AI方能就绪——杉岩AIDP正助力具身智能产业突破数据枷锁，加速智能进化。

1

2

3