随着AI的演进边界从数字空间拓展至物理世界，物理AI正成为全球科技竞争的核心赛道，具身智能是物理AI最重要的载体形态。行业竞争的重心正由算法和本体性能的较量，转向从数据生产、加工治理、训练验证到落地应用的体系化能力竞争。

据亿欧智库测算，当前国内全行业高质量真机交互数据总量仅约50万小时，而要支撑具身智能达到规模化商用水平，至少需要千万小时级的数据储备，供需缺口高达数十倍。

在这一产业背景下，深耕数据治理领域二十余年的开普云，以“AI基础设施+智能体+智慧应用”的战略定位切入具身智能赛道。开普云董事长汪敏表示，公司未来将持续探索构建规模化、标准化、可持续的真机数据生产模式，为产业发展夯实能力底座。

开普云董事长汪敏 企业供图

战略锚定：聚焦物理AI交互经验缺口，夯实真实物理世界智能底座

开普云的具身智能布局，根植于公司对AI产业演进规律的长期判断。

“过去AI的发展始终围绕数字空间展开，而AI下一阶段的确定性方向，是让机器人具备理解环境、自主决策、执行复杂任务的通用能力，实现从“自动化执行”到“物理世界自主智能”的跃迁。”在汪敏看来，具身智能产业的核心竞争力来源于数据、模型、机器人本体和真实场景应用的深度融合。当前机器人本体已具备不错的演示效果，但距离大规模融入生产生活仍存在显著鸿沟，核心瓶颈在于缺少足够多覆盖力反馈、扰动、执行误差的真实物理交互样本，制约了模型在真实环境下的泛化能力。

汪敏进一步解释：“仿真数据有助于扩大数据覆盖范围，但在真实接触、力反馈、执行误差等物理交互特征上仍与真实数据存在差异；视频数据能够记录操作过程，却难以完整反映触觉、位姿、关节状态和执行器响应等控制信息。高质量真机交互数据能够补足这些关键维度，为模型学习精细操作、力控和扰动适应能力提供重要支撑。”

这正是开普云切入具身智能赛道的核心逻辑。作为一家在政务、央企、能源等行业拥有多年数据治理经验及丰富数据资源的企业，其从上游数据基建切入的路径，恰好对应了产业链当前最薄弱的一环。

汪敏特别强调，公司并非简单做样本获取外包服务，而是致力于搭建覆盖交互样本构建、治理提纯、标准化评估的完整闭环体系。

痛点破局：推动数据资产复用，解决AI价值量化难题

当前，真机交互数据普遍面临成本高企、治理难度大、复用率低等痛点。单小时真机交互数据的采集成本可达数百元甚至上千元，遥操作设备单台造价超20万元，高昂的刚性成本让多数企业难以规模化扩产。

汪敏认为，成本居高不下的根源来自产业碎片化、重复建设。国内大量物理 AI及机器人企业各自搭建能力、重复生成同类场景样本，一份物理交互经验只能服务单一主体，成本无法摊薄。提升产业样本资产复用能力，是降低全行业研发成本的关键路径。如果建立统一的构建规范、样本治理范式、接口协议与质量评估体系，让不同硬件本体、不同算法模型都可以高效调用同一套物理样本资产，不仅能够大幅摊薄产业研发成本，还将加速整个技术体系迭代。

比成本更深层的矛盾，是数据价值的不可量化。

“当前市场缺少一个‘度量衡’，无法清晰界定不同物理模态样本，达到怎样规模、怎样质量，能够对应模型真实能力多大程度的提升。”汪敏表示，这一现实直接导致供给侧不敢盲目扩产，需求侧不敢大规模采购，产业陷入“都知道缺数据，但都不敢大手笔投”的僵局。打破僵局的关键，是建立数据质量与模型效能之间可验证、可量化的关联关系。

据汪敏介绍，开普云拟联合高校与科研机构开展系统性实验，逐一验证不同数据模态、采集形态、数据规模对模型能力表现的实际提升效果。“只有建立起可验证、可预期的价值映射，行业才能从‘为采而采’转向‘按需精准生产’，样本资产的产业闭环才能真正跑通。”他说道。

落地验证：打通“采-训-用”闭环，探索市场化发展新范式

针对上述痛点和瓶颈，开普云打造了具身智能训练场（无锡基地）并于今年7月正式启用，旨在构建“场景牵引物理样本构建、数据赋能模型训练、模型反哺场景落地”的正向飞轮。

该基地总面积达6000平方米，规划部署300台机器人，覆盖生活家居、工业制造、仓储物流、商业服务等九大真实复刻场景，通过遥操作采集、自主策略执行、人机反馈等方式持续生产多模态训练数据。试采期间，基地整体数据验收通过率达95.6%，目前已完成首个客户数据训练有效时长1300小时（约54天），初步验证了基地商业化和规模化的发展潜力。

“数采基地如果没有可持续的商业模式，最终很难走远。”汪敏表示，开普云希望将无锡基地打造成全国性具身智能数据生态新样板，闯出市场化、高质量、可持续发展的具身智能产业新范式。其核心逻辑在于数据资产化与复用：通过构建完整的生产与价值验证闭环，让一份高质量数据在合规授权前提下实现多场景复用，服务多中心、多客户需求，推动具身智能数据从“小作坊采集”走向“工业化生产”。

为实现这一闭环，基地建立了生产端保品质、消费端接需求、价值端做背书的三重运营机制：生产端依托地方人才政策与园区配套，保障数据生产的稳定性与高质量；消费端通过参与国家级标准化组织，精准对接模型厂商的动态需求；价值端则通过自主训练模型及参加国际赛事，用可验证的效果为数据质量背书。

在AGIBOT WORLD Challenge国际评测中，开普云KP-Robot团队采用统一基础模型参赛，斩获指令跟随、扰动适应两项赛道全球第一，这一成绩也验证了“以高质量数据驱动通用能力提升”技术路线的有效性。

生态协同：以标准为纽带，共建产业共赢生态

数据的规模化流通与复用，最终依赖行业标准的统一。今年7月，工业和信息化部人形机器人与具身智能标准化技术委员会正式启动数据工作组，开普云担任联席组长单位，成为推动行业数据标准建设的重要力量。

在汪敏看来，标准体系建设是降低全社会智能化转型成本的关键举措。统一的数据采集、治理、评价标准，一方面可以避免重复建设，让不同本体、不同厂商的数据实现互认流通；另一方面也能为数据资产定价提供依据，激活数据交易市场。

作为行业中坚力量，开普云始终坚持开放协同的发展理念。目前，公司已联合地方政府、机器人企业、科研机构及产业伙伴，围绕数据采集、模型训练、场景验证及数据流通等关键环节形成协同创新机制，并合作建设工业场景具身高质量数据集示范基地，推动产业链上下游能力互补、资源共享。

汪敏表示，具身智能是一个万亿级的长赛道，没有任何一家企业能独自完成全产业链布局。开普云的定位很清晰：做具身智能时代的数据基础设施建设者与运营者，解决行业共性难题，为整个产业降本增效提供技术支撑。

全栈布局：坚持“终局思维”，夯实AI基础设施底座

数据之外，开普云正围绕算力、智能体、应用等方向持续夯实AI基础设施能力，为AI应用爆发期提前布局。

在算力基础设施层面，开普云聚焦国产推理优化这一差异化赛道，已承担多项国家重大课题研究，围绕高安全场景需求持续开展技术研发与产品创新，以自研AI一体机系列产品和开悟魔盒边缘侧算力一体机，提供多元化、广适配的算力支撑。汪敏透露，公司推出的AI大模型一体机是国内首个且唯一通过国家有关权威机构测试的产品。

在智能体中台层面，公司依托多年企业级平台研发积累，持续完善开悟智能体低代码、高灵活性的AI中台能力，深度整合内外部知识与数据，并已在多家国企实现业务应用落地。

在行业应用层面，公司研发开悟多模态内容生产平台、开悟AI智能助手等多个智慧应用产品，并持续推动AI能力向能源等行业场景延伸。目前，公司虚拟电厂已在安徽、湖南、浙江、北京、宁夏等多地实现应用建设落地；在北京某大型数据中心项目中，通过AI与电力市场运营能力协同，全年预估实现综合用能降本超1600万元，充分验证了算电协同商业模式的商业价值与落地能力。

“AI发展带动算力需求激增，算力又拉动能源消耗，能源与算力、智能的协同将成为 AI 时代的基础能力。”汪敏说道。

上述布局的背后，是汪敏反复强调的“终局思维”，即相关技术投入更关注三到五年的长期价值，不以短期投入产出作为唯一判断标准，同时通过实际应用持续验证技术和商业价值。

他用“修路与跑车”类比当前的产业阶段：“AI时代和互联网时代的规律一样，早期一定是基础设施先行，硬件铺路，应用随后。我们现在的投入，就是为两三年后AI应用大规模起来铺路。”

在汪敏看来，具身智能的发展是一场需要耐心的长距离赛跑。开普云将始终坚持“终局思维”，所有技术布局都围绕真实产业痛点展开，坚持解决真问题、创造真价值、形成真闭环，让每一项技术投入都可被业务验证、被市场检验、被产业认可。