算力
训练与推理资源
按需协同。
HUMAN EXPERIENCE → ROBOT LEARNING
观察 · 动作 · 接触 · 结果
设备与场景→任务数据→持续服务
查看采集模态 +
业务链路与功能线稿示意
业务起点千万级交付规模截至 2026.08
服务对象AI和机器人企业，上市企业，高校和科研团队等实验平台 · 规模化采集 · 数据交付
长期方向持续的数据服务平台工具 · 授权数据产品
CLOSED LOOP
从真实操作到可交付能力：六个环节贯通。
采集建立入口，分析把记录变成可用数据与技能单元，本体工具扩展执行覆盖，模型协同完成场景适配，落地交付可验收结果，运行反馈回流到下一轮采集与训练。环节可分工，闭环不可拆散。
- 01采集多模态进入真实任务
- 02分析管线质检与工序拆解
- 03本体工具低成本快换扩展覆盖
- 04模型协同按任务组合执行能力
- 05落地可验收的场景交付
- 06回流失败样本驱动下一轮
03 核心能力
客户不是为了更多设备，
而是为了更快获得可用数据。
四项能力贯通真实任务；三类方案是客户可直接采购的产品入口。可以独立交付，也可围绕同一任务组合。
FOUR CAPABILITIES
数据采集
多模态采集进入真实操作：视觉惯性、FMG 与惯性、遥操与接触敏感方案，按任务组合交付。
管线与算力
以数据管线衔接采集与训练，以工序拆解连接模型与执行；算力与处理流程按项目协同。
本体工具
低成本快换末端与工具库扩展任务覆盖，减少为单工序定制重资产设备。
多模型协同
按任务组合视觉语言模型、规则式视觉动作与任务编排，完成场景适配与连续执行。
四项能力贯通真实任务；下方三类方案是客户可直接采购的产品入口。
HUMAN / MULTIMODAL CAPTURE概念影像
静音循环 · 可暂停
01 / EGO第一视角02 / FMG机械响应03 / IMU惯性信息
SOLUTION / 01
让企业把采集组织起来，
而不只是把设备买齐。
面向多人、多地点的真实任务采集，将设备配置、操作规范和数据交付要求放在同一方案内，减少重复搭建与现场协同成本。
客户买到：围绕任务的采集方案与实施支持
从单次记录，走向可验收、可持续的任务数据。
方案组成与产品入口 +
- Thor-Duo / Quad / Hex
- 双目、四目与六目视觉惯性采集。
- UMI-gripper 夹爪 / 触觉数据手套
- 记录操作轨迹、状态或局部接触信息。
- FMG + IMU 臂环
- 记录前臂表面压力变化与惯性信息。
Atlas R1 概念渲染，不代表量产实物或实测性能。
SOLUTION / 02
让研发团队更快开始实验，
把时间留给算法与任务。
面向AI和机器人企业，上市企业，高校和科研团队等，组合机械臂、双臂平台和采集设备，明确接口与实施范围，支持遥操作、模仿学习及任务验证。
客户买到：可集成的机器人实验平台
减少从零选型与联调的工作，缩短走到可运行实验的路径。
方案组成与产品入口 +
- Atlas A6 / A7
- 六轴与七轴机械臂研究选项。
- Atlas D / M / S
- 桌面、一体式与分体式双臂平台。
- Atlas R1
- 开放式轮式人形科研平台。
任务 / TASK原始记录 / RAW标签 / LABEL数据版本 / RELEASE
平台流程为建设方向，具体功能以项目交付清单为准。
SOLUTION / 03
让每轮模型迭代，
都知道该用哪一批数据。
围绕任务协作、质量管理和数据版本构建平台能力，将采集现场与研发团队连接起来，支持持续交付和定向补采。
客户买到：数据管理与交付协作能力
从分散文件，走向有任务上下文、版本和质量记录的数据。
方案组成与产品入口 +
- Field 采集 App
- 规划任务创建、接取、现场提交与质量反馈。
- 数据看板
- 独立数据中心，承接项目数据管理与交付协作。
- Router / 云端机器人推理
- 连接模型与算力；云端能力与边缘推理并存。
04 商业进展
我们从真实业务开始，
而非从一张路线图开始。
公司已围绕设备与集成、数据采集与交付形成业务基础。下一步是将交付过程中的工程能力和任务经验，沉淀为更标准、更持续的服务。
交付规模千万级截至 2026.08
商业化验证路径
无人汉堡亭
真实任务闭环验证：工序拆解、多模型协同与低成本工具复用，走「真实订单 → 实际出品 → 持续运行 → 数据回流」路径。通过成立运营子公司落地，并引入具备餐饮场景资源与运营经验的子公司合伙人；母公司聚焦产品、交付与数据闭环。
工厂场景
国内任务验证与 POC 迁移中（含宁波华翔等）。工业场景通过运营子公司，与具备工厂资源与交付经验的子公司合伙人推进。
海外客户与合作标示
Logo 展示不等于已披露的合同范围；具体合作以协议为准。
国内任务验证
绿的谐波、宁波华翔、德尔股份等。具体合作范围和阶段以对应合同为准。
从业务基础到产品能力
以下展示采集形态、动作映射与研发 Demo，帮助了解我们正在构建的能力，不对应特定客户的验收结果。
CAPABILITIES IN ACTION
从佩戴采集，到动作映射。
查看我们的产品形态与研发演示。
选择列表播放，可全屏查看。
当前演示待播放
臂环佩戴与可视化
现场拍摄臂环佩戴、手部动作与屏幕可视化，展示采集和调试过程。
视频暂未加载，请检查连接后，或在会话到期后重新登录。
研发与概念演示，非量产验收或性能对比；具体配置与验证范围见各视频说明。
05 核心壁垒
设备建立入口，
持续交付形成壁垒。
壁垒不是某一款硬件的参数领先，而是把采集工程、数据质量、任务经验和交付能力连成一个系统，并在服务客户的过程中持续积累。
更贴近真实操作的采集入口
把视觉、FMG、惯性与操作设备组合成可交付方案。差异不只在单个传感器，而在佩戴、同步、标定与现场使用的工程能力。
积累：采集工程与设备协同从原始记录到可用数据
围绕任务建立数据格式、质量规则与版本记录。让客户能够知道数据来自哪里、适合做什么，以及如何验收。
积累：任务标准与质量体系连接客户任务与模型迭代
把采集、机器人验证与失败补采连起来。服务同一任务的多轮迭代，才能逐步形成场景理解和交付经验。
积累：任务经验与反馈闭环从实验原型走向规模交付
将硬件研发、供应链、量产与产业协作放在同一体系中，降低采集方案从实验室走向多人、多地点部署的工程摩擦。
积累：产品化与交付组织能力OUR DIFFERENTIATED ENTRY
为什么以 FMG 切入规模化采集？
我们选择 FMG，是看重其在减少电极接触准备、保留自然手部操作、适配重复佩戴采集方面的工程潜力。关注点是有效数据的获取成本与组织效率，而不是把 FMG 宣称为所有场景下优于 EMG。
展开技术选型依据与验证方法 ↗COMPOUNDING DELIVERY
项目越多，交付越快。
每一次交付都应留下可复用资产：下一项目直接调用的模板、工具与技能，而不是从零重做。
操作样本 · 任务模板 · 失败样本
把有效记录与失败类型沉淀为可检索、可复用的任务资产。
末端工具 · 标准接口 · 快换规范
用工具库扩展工序覆盖，缩短从任务定义到可运行工位的路径。
训练配方 · 可复用技能 · 评测协议
把交付经验固化为可迁移的技能组件与验收方法。
机制：每次交付 → 共性资产沉淀 → 下一项目复用 → 更短交付周期。
进一步了解四类壁垒如何积累产品基础 · 数据权属 · 验证指标 +
CAPABILITY NOTES 积累与验证
单点功能可以复制。
系统积累，需要时间。
我们把壁垒建立在一条持续改进的数据链路上：采集工程决定质量，数据标准支持复用，任务验证指导补采，交付网络扩展真实场景。
四层协同积累，而非四个孤立卖点。
让自然操作，与可用数据同时成立。
将 FMG + IMU、视觉和任务所需的触觉或真机记录协同组织。难点不仅是传感器本身，还包括佩戴、同步、标定、现场稳定性和有效采集成本。
- 积累什么
- 设备适配、标定流程、采集协议与异常处理经验。
- 为什么难复制
- 复制外观不等于复现数据质量；不同用户、佩戴状态与工作环境，需要持续的工程迭代。
- 如何检验
- 跨用户与重复佩戴稳定性 · 有效数据率 · 同步误差 · 每有效小时成本
当前基础：多模态采集产品体系、臂环结构方案与现场 Demo。
重点验证：跨用户、跨天和长期佩戴条件下的数据一致性。
原始记录不是资产的终点。
以任务语义、时间映射、质量规则和版本溯源组织多模态记录，区分直接测量、人工标注与算法推断。只有在权属清晰、授权允许的范围内，数据才可能持续复用。
- 积累什么
- 任务规范、质量规则、处理流程与具备明确使用权的数据版本。
- 为什么难复制
- 跨设备、跨项目的一致性和可追溯性，需要长期维护；资产价值还取决于覆盖范围与实际可用性。
- 如何检验
- 质量通过率 · 数据溯源完整度 · 授权覆盖 · 跨任务复用效果
当前基础：数据中心入口与任务、采集、管理的一体化产品规划。
重点建设：统一标准、权属管理、质量评估与可复用数据版本。
不止拥有数据，更要知道什么数据有效。
连接数据版本、模型配置和任务结果。从失败条件中识别缺口，再组织定向采集与修正，通过独立评估检验增益。壁垒来自持续迭代的方法与证据，而非单次演示。
- 积累什么
- 失败分类、补采策略、评测协议及数据到模型收益的关联记录。
- 为什么难复制
- 有效闭环需要采集、算法与机器人执行协同；增加样本量并不自动带来任务提升。
- 如何检验
- 独立任务成功率 · 未见场景迁移 · 单位补采收益 · 迭代周期
当前基础：机器人工作站、数据处理与训练服务的产品组合。
重点验证：固定训练预算下的模态消融、补采收益和跨场景泛化。
可复制的交付流程，也是一种技术积累。
连接硬件、算法、供应链和客户场景，将任务拆解、采集培训、质检与验收沉淀为可执行流程。产业伙伴提供资源入口，稳定交付和持续复用才能把资源转为组织优势。
- 积累什么
- 现场 SOP、供应协同、场景经验、验收规则与客户需求反馈。
- 为什么难复制
- 协调多设备、多地点与不同验收要求，需要工程、运营和供应链共同积累，不能只靠采购设备完成。
- 如何检验
- 交付周期 · 验收通过率 · 返工率 · 项目复用与复购
当前基础：团队硬件与交付经历、已披露客户及产业合作资源。
重点建设：标准化交付、分布式采集与可持续的单位经济模型。
ASSET BOUNDARIES
资产与能力边界
资产与能力边界
客户项目数据不自动成为自有数据资产；合作关系不等于独家资源；产品组合不代表跨本体泛化已经验证。我们以可授权复用的数据和可复现的任务收益，衡量壁垒是否真正形成。
06 商业模式
从一次项目交付，
走向持续的数据服务。
设备帮助进入真实场景，数据服务连接持续需求，平台与授权数据产品扩大可复用的服务范围。这是一条逐步推进的业务路径，而非已完成的收入结构。
01当前业务基础
设备与系统交付
- 谁付费
- AI和机器人企业，上市企业，高校和科研团队等
- 买到什么
- 采集设备、机器人工作站、系统集成与实施支持。
- 如何收费
- 按设备配置、实施项目与服务范围定价。
持续需求来自从首套实验平台，延伸到新增设备、场景扩展与持续技术支持。
02围绕客户任务扩展
持续采集与数据交付
- 谁付费
- 有规模化数据需求的企业
- 买到什么
- 任务组织、采集执行、质检处理及版本化数据包。
- 如何收费
- 按项目范围或验收数据量约定交付与结算。
持续需求来自新任务、新场景和模型失败，形成下一轮补采与迭代需求。
03中长期拓展方向
平台服务与授权数据产品
- 谁付费
- 模型研发与机器人应用团队
- 买到什么
- 数据协作工具、持续更新的数据产品及相关服务。
- 如何收费
- 探索订阅、服务收费和范围明确的数据许可。
持续需求来自让标准化工具和可授权复用的数据，服务更多客户与更长周期。
复用的边界
客户项目数据按合同管理。公司可复用的是通用工具、标准与工程经验；数据产品的再利用，必须具备明确的权属、参与者授权和许可范围。
运营边界
场景落地通过成立运营子公司推进，并引入具备相关行业资源和运营经验的子公司合伙人；母公司聚焦产品研发、交付与数据闭环。
07 增长与预测
从重点任务切入，
扩展人类操作数据的覆盖面。
“全场景人类操作数据球”是我们的长期组织框架：不是一开始采遍所有场景，而是让每次有价值的采集，都能进入同一套可扩展的数据体系。
把交付做成标准。
聚焦研发平台与企业采集任务，沉淀配置、接口、数据格式与验收规则。
增长单位：可复制的项目方案把采集组织成网络。
以任务工具和质量反馈连接设备、参与者与场景，支持多人、多地点执行。
增长单位：持续运行的采集任务把经验沉淀成数据产品。
围绕明确授权、持续更新与任务收益，拓展可复用的数据集和平台服务。
增长单位：可迭代的数据产品DATASET AMBITION
自有多模态数据集
覆盖自然操作、工作场景与接触敏感任务，按有效时长、任务覆盖与授权范围分阶段扩展。
300,000小时
规划目标
10,000–50,000
拟覆盖参与者人数
探索全场景人类操作数据球交互场景地图与任务示例 +
THE COVERAGE SPACE
全场景人类操作数据球
单一场景是一张切片。我们要建设的，是按场景、任务、物体与交互条件组织的人类操作数据空间。
HUMAN OPERATION SPACE
拖动旋转 · 点击彩色节点切换任务
场景与节点为覆盖框架示意，不代表已采集规模。
HOME / 场景切片
家庭生活
一件衣物换了材质与初始形态，操作还能成立吗？
任务信息框架
折叠衣物
柔性物体 / 形变与遮挡
- 01视觉上下文
- 衣物形态、褶皱与遮挡
- 02动作过程
- 双手抓取点与协同轨迹
- 03物理交互
- 接触变化、拉拽与形变
- 04任务结果
- 折叠完成度与失败恢复
按任务选配传感器与参考测量，区分原始信号、标注和算法推断；并非每种设备都能直接测量上述信息。
全场景，是扩展方向，不是穷尽承诺。先覆盖代表性任务，再按模型失败补齐缺口。人类数据到机器人策略，仍需适配与验证。
查看数据集规划经营预测与关键假设 展开管理层预测 +
管理层预测版本：2026 年 8 月。以下非历史收入、合同承诺或经审计财务数据。
2026E6,000万元
2027E2亿元
2028E5亿元
实现条件包括项目按期验收、持续客户需求转化、平台与数据业务形成收入，以及交付效率和毛利支撑规模扩张。需结合最新订单与财务情况更新。
08 团队与协作
让研究、产品与交付，
在同一支团队里协同。
既需要理解模型和数据，也需要把传感、机器人、硬件与量产交付做好。团队与产业协作网络，共同支撑从研究方案走向客户现场。
黄之燊
CEO · 具身模型架构负责人
香港中文大学 AI 博士
哈尔滨工业大学本科
IVP 实验室连续创业者，拥有十年多模态运动感知积累，负责公司整体战略与 Physical Skill 路线规划。
梁宇
联合创始人 & CTO
香港理工大学博士
哈尔滨工程大学本科
十年机器人及智能硬件研发与量产经验，覆盖水下机器人、消费级四足、具身数采设备与人形机器人产品。主导产品定义、软硬件集成、供应链及量产交付。
王辰
光学与机器人工程专家
北京大学物理学本科、经济学双学位
美国西北大学机械工程博士
曾在希捷从事研发、担任 Tesla 高级光学工程师；在 Amazon 期间，带领团队完成 Astro 机器人及 Echo 系列相机与传感器设计开发。
赵文涛
机器人工程负责人
中科院自动化所博士
沈阳大学副教授
拥有多个水下及特种机器人项目落地经验，聚焦复杂场景控制、采集硬件与工程交付。
陈磊
VLM 与语义理解负责人
复旦大学博士
上海人工智能实验室成员
从事视觉大语言模型研究，推动视觉语言能力与物理交互数据的语义理解相结合。
辛其欣
运营与供应链负责人
十六年可穿戴产品量产经验
可穿戴制造 / 供应链 / 规模交付曾服务支付宝、深圳地铁集团等客户，擅长量产体系从零到一搭建、规模化交付与运营管理。
SCIENTIFIC DEPTH
连接传感、人机交互与具身智能研究。
徐嵩林
首席科学家
香港理工大学计算学系助理教授
UC San Diego ECE 博士 · 中国科大学士
研究聚焦 HCI × AI × IoT，重点方向为 Human-AI Integration 与 Sensor Foundation Models。曾在 Amazon、Cornell、Dartmouth 与 CMU 开展科研与实习。
盛律
技术顾问
北京航空航天大学软件学院教授、博士生导师
智能软件工程所副所长
香港中文大学博士及 Multimedia Lab 博士后，浙江大学本科。研究具身智能、三维视觉与多模态大模型；长期担任 CVPR、ECCV、ICLR 等会议领域主席或高级程序委员。
产业协作网络光学 · 传感 · 本体 · 传动 · 运动控制 +
INDUSTRIAL COLLABORATION
从传感到执行，连接产业链的工程能力。
产业协作让光学、力觉、机器人本体和运动控制经验，围绕同一采集与验证需求协同。
力鼎光电
光学与成像光学器件与成像链路，连接感知端的工程需求。
卧安机器人
机器人本体机器人产品与应用场景，连接数据和任务验证。
柯力传感
力觉与传感力传感器产业能力，连接物理量测量与产品化。
绿的谐波
精密传动精密传动与执行部件，连接机器人运动系统。
步科股份
运动控制驱动与运动控制，连接机电系统集成。
慧灵机器人
机器人与末端执行机械臂、夹爪与灵巧手产品，连接机器人操作及应用场景。
访问官网 ↗以上领域说明伙伴的产业能力，不代表每项能力均已整合到当前产品。具体项目、合作范围及股权关系以相关协议为准。
09 融资用途
让下一阶段投入，
形成可验证的业务能力。
融资支持重点不是无差别扩充设备与数据规模，而是提高交付可复制性、建立持续数据服务能力，并验证数据对客户任务的价值。
从定制集成到标准方案
形成可重复实施的设备组合、接口规范和验收清单。
重点跟踪：交付周期、部署效率、质量稳定性从记录更多到数据更有用
建设代表性任务数据集，开展独立评估和客户任务验证。
重点跟踪：有效样本成本、验收率、任务收益从单项目到持续协作
推进 Field、数据看板和质量流程，承接多任务与多地点协作。
重点跟踪：任务复用、持续需求、数据可追溯性USE OF FUNDS / 规划示意50% 20% 20% 10%
场景落地与产线备货
支撑运营子公司侧的场景落地与关键备货协同。
数采量产备货
采集设备与交付方案的量产与库存准备。
算力与数据管线
训练与处理算力、管线工程与平台能力建设。
人才招募
补强数据、模型协同与交付工程团队。
比例为管理层规划示意，具体金额与节奏以融资条款为准。
我们希望成为物理AGI团队的长期数据伙伴。
从第一套采集方案，到每一轮任务迭代。
融资规模与条款另行沟通。