五一视界(6651.HK)发布AperOS：把具身数据采集做成“可质检的流水线”

机器人公司眼下卡在同一道题上：训练具身模型所需的真机数据，采起来容易，采完能直接用的却很少。五一视界（6651.HK）发布的面向具身智能的操作系统 AperOS，以及软硬一体的数据生产系统 AperData，想回答的正是这道题。这家从自动驾驶仿真平台 51Sim 起步的公司，如今把产品线铺向具身数据的采集与加工，押注的判断很直白：具身智能的竞争重心，正从“做出机器人本体”转向“喂给模型什么数据、数据质量如何保证”。

采再多也进不了训练集，数据就是纯成本

具身模型要学的不是普通视频素材，而是真实的物理交互过程。一组数据能否进入训练环节，取决于时间同步、空间关系、动作轨迹与多模态信息是否自洽。传统真机遥操作和人工采集的痛点正在于此：链路各管一段，质量靠事后人工核对，问题发现得晚，返工成本高，规模化采集始终跑不起来。

软硬一体 + 质检前移，把废数据挡在采集现场

AperOS 处理“链路割裂、质检滞后”的思路是软硬一体：硬件端，AperEgo 等采集终端负责多路视觉、IMU、音频的同步采集，在源头建立统一的时空基准，保证各路信号记录的是同一段物理过程；软件端，AperOS 统一承接设备管理、任务执行、现场质检、数据处理与数据集交付。

整套设计里最关键的动作是“质检前移”。采集人员通过客户端多路预览、边采边看；AperOS 在端侧实时初检，丢帧、多路不同步、手部出画、图像模糊、标定文件缺失这类确定性问题当场告警，现场直接重采，废数据不必一路传回云端才被发现。

直接效果是成本结构的变化：无效数据的产生与回传明显减少，人力、带宽、存储的消耗随之下降。回传云端后，再由 AperOS 完成对齐、清洗与位姿解算，输出标准化数据集与质检报告。按官方披露口径，目前交付数据的轨迹物理一致性可达 99%，同等成本下生产效率约为传统真机遥操作的 10 倍以上。AperData 的取舍很明确：比“采了多少”更重要的是“多少数据真正进得了训练集”。

一套架构、三种形态，按企业所处阶段取用

具身智能企业所处阶段不同，对数据基础设施的要求也不同。AperOS 没有绑定单一部署形态：已有数据平台的企业，以 SDK 接入现有体系；对数据出域有严格安全要求的团队，采用私有部署；想尽快跑通流程的团队，直接用云端托管。模块化、可拆解的架构，让它更接近一个按需取用的基础设施，而非一个开箱即装的封闭软件包。

卡位中间层，同时握住“虚拟”与“真实”两条数据线

从产业链位置看，AperOS 取的是中间层：向下对接高算力芯片厂商，向上兼容各类机器人本体与智驾系统。目前它已与云深处科技、银河通用、七腾机器人、北京人形机器人创新中心等多家企业与机构展开合作。

这条路径还有一层多数厂商不具备的组合优势：51Sim 管虚拟数据的生成，AperData 管真机数据的治理，虚实两条数据线握在同一家公司手里。与只做采集工具、或只做仿真平台的同行相比，这更容易把“采集—训练—仿真—运行”串成一个自我增强的闭环。

下一站：从数据工厂升级为具身数据引擎

AperOS 的演进路线并不复杂：随着多模态数据融合、AI 自动标注、场景生成与仿真增强数据闭环逐项落地，系统会从当前以人工加半自动为主的数据工厂，走向全自动数据工厂，再升级为具身基础模型的数据引擎与开放数据生态。

五一视界希望借此摆脱“项目交付型软件公司”的模式，转型为高壁垒、可复利的物理 AI 基础设施平台。这条路能否走通，最终要接受一个最简单的检验：真实世界的数据，能否稳定、低成本地转化为机器人的认知与作业能力。