EGO 数采的“眼睛“：深度相机如何撑起具身智能数据元年

gunser

74人浏览 · 2026-08-12 15:38:22

gunser · 2026-08-12 15:38:22 发布

第一章现象层：2026，"具身数据元年"是怎么被点名的

1.1 三问"具身数据元年"

把时间拨回 2026 年 3 月 30 日。36 氪发了一篇题为《三问"具身数据元年"》的稿子，把这一年正式定调。三个问题分别是：为什么是 2026 年？数据到底缺在哪？谁来建数据基础设施？

稿子给出的核心判断是：当 VLA 架构统一了模型层之后，具身智能的瓶颈已经从"算法有多聪明"转移到了"数据够不够、采得对不对"。模型层的"聪明红利"已经吃完，下一程要拼的是"数据红利"。

这个判断被业内反复印证。CSDN 天企 7 月 23 日的长文《EGO 数采为什么突然火爆？》把它拆成了四个维度——技术驱动、产业需求、成本革命、资本狂潮。这是 2026 年最具传播力的"元年叙事"框架之一。

1.2 四维拆解：为什么是 EGO 数采

CSDN 天企的四维拆解，是理解 EGO 数采为什么"突然火爆"的最简明骨架（综合 CSDN 天企 7/23 长文 + 36 氪 + 知乎 7/27 EGO 新风向 + 6/30《2026 中国具身智能数据采集与数据产业发展展望》解读四源印证）：

① 技术驱动——多模态同步

EGO 数采的"第一人称"不是修辞，是工程定义。它要求视觉、力觉、触觉、IMU 等多路传感信号在同一时间基准下同步采集。视觉这条链路里，深度相机是承担"看见空间结构"的核心传感器——RGB 告诉机器人"那是什么"，Depth 告诉它"那有多远"，IMU 告诉它"我自己在哪"。三者时间戳必须对齐到毫秒甚至亚毫秒级，否则下游的模仿学习算法会因为"时序错位"而学出错误的因果。

② 产业需求——算法跑不通、场景不通用

36 氪三问里点出一个现实痛点：很多团队在实验室里跑通的抓取算法，搬到真实产线或家庭场景就跑不通。根因不是算法不行，是训练数据与真实场景的分布偏差太大。EGO 数采的价值在于：让机器人在真实场景里"以第一人称视角记录自己的交互过程"，采集到的数据天然贴合部署分布。

③ 成本革命——便携化与百万小时计划

2026 年的 EGO 数采，已经不是"几百万一套的实验室设备"了。鹿明机器人在 AWE2026 上发布的 FastUMI Ego——全球首款无需建图的第一人称数据采集方案，把数据采集的门槛拉到了"便携可量产"级别。配套的"百万小时数据采集计划"在 2026 年正式启动。这是 EGO 数采从"实验室课题"走向"产业基础设施"的标志事件。

④ 资本狂潮——220 亿美元与 64 座数采中心

2026 上半年，全球具身智能融资突破 220 亿美元；中国一级市场融资 1072 亿元 / 217 笔，超过 2025 年全年（综合知乎 8/6 + 36 氪 + 财富号三源印证）。配套地，全国规划建设的数采中心已达 64 座，覆盖 27 城（6/30《2026 中国具身智能数据采集与数据产业发展展望》解读）。

资本与基础设施同步进场，是"元年"被点名的最后一根钉子。

1.3 行业标杆：奥比中光×蚂蚁灵波

如果说四维拆解是"叙事骨架"，那 7 月 17 日奥比中光与蚂蚁灵波联合发布的方案，就是"元年"叙事里第一块被钉死的工程样板。

这个联合方案的核心，是奥比中光 Gemini 330 系列深度相机 + 蚂蚁灵波具身机器人本体，做成了业内第一个被广泛引用的"EGO 数采行业标杆"。它的技术亮点在于——芯片侧深度计算。Gemini 330 系列搭载奥比中光自研的 MX6800 深度引擎芯片，深度计算在相机侧完成，主机只接收已经算好的深度数据，大幅降低了主机算力负载。

这件事的工程意义在于：当机器人本体同时要跑 VLA 大模型 + 运动控制 + 多路传感融合时，主机算力是稀缺资源。深度计算下沉到相机侧，等于把"视觉感知"这一层的算力账单从主机剥离了出去。这是 EGO 数采从"能跑"到"能规模化部署"的关键工程拐点之一。

第二章技术骨架层：EGO 数采的"眼睛"，看的是四项硬指标

2.1 EGO 数采对深度相机提出的四项硬指标

把 EGO 数采的"多模态同步"这件事拆到深度相机这一层，工程师真正要看的，是四项硬指标。

指标一：多模态同步精度（RGB + Depth + IMU 时间戳对齐）

EGO 数采不是单路视觉采集，是"视觉 + IMU + 力觉 + 触觉"的多路同步采集。深度相机至少要同步输出 RGB + Depth + IMU 三路信号，且三路时间戳必须能在硬件层面对齐。软件层面的"后对齐"会引入抖动，对下游模仿学习算法是致命的——机器人会从错位的时序里学出错误的因果。

奥比中光 Gemini 330 系列在这一指标上的工程亮点，就是原生 RGB + Depth + IMU 同步输出——不是事后拼接，是硬件级同步。这是它被选为蚂蚁灵波联合方案"行业标杆"的根本原因之一。

指标二：帧率（高速运动场景不掉帧）

EGO 数采覆盖的场景里，有一类是高速运动——机械臂快速抓取、灵巧手操作物体、机器人移动过程中的视觉伺服。这些场景对帧率的要求是 60 FPS 起步，部分场景要到 120 FPS。低帧率会导致运动物体在相邻帧间位移过大，下游光流与位姿估计算法失真。

指标三：精度与测距范围（覆盖近场抓取到中远场导航）

EGO 数采是"全场景数据栈"——既要采集近场精密抓取（0.3-1m，亚毫米级精度），也要采集中距离避障（2-5m，厘米级），还要采集远距离导航（5-20m+）。单一深度相机难以全覆盖，这就是为什么 EGO 数采方案往往需要"多相机组合"。

指标四：算力侧处理（降低主机算力负载）

这条指标在 2026 年变得格外重要。具身机器人本体的算力预算是被 VLA 大模型 + 运动控制 + 多路传感融合"瓜分"的稀缺资源。深度计算如果全压在主机上，会吃掉可观的比例。算力侧处理（depth-on-camera） 已经从"锦上添花"变成"规模化部署的硬约束"。

2.2 深度相机在 EGO 数采里到底承担什么

把四项指标合起来看，深度相机在 EGO 数采里承担的角色，可以这样概括：

它是机器人"看见世界"的物理入口，也是机器人"记住看见"的数据源头。

光从镜头进来，被 CMOS 转成电信号，被深度算法转成空间结构，最后被时间戳"封存"成一份可以反复学习的数据样本。这条链路里，深度相机承担的是"光 → 空间结构 → 数据"的三重转换。

这正是为什么我把今天这篇长文的文风主线，定在"光作为数据洪流"——

8/10 那篇《当光成为尺子》，讲的是光怎么量距离；8/11 那篇全局快门哲学，讲的是光怎么测时间；今天这一篇，讲的是光怎么变成机器人学会"看见世界"的全部记忆。

数据洪流，从这里开始涌动。

第三章路线适配层：结构光、ToF、双目，谁才是 EGO 数采的"最佳眼睛"

3.1 EGO 数采是"多场景数据栈"，不是单一场景

承接 8/10《当光成为尺子》的三路线决策框架，我们来看一个被很多团队忽略的关键认知：EGO 数采不是单一场景，是"多场景数据栈"。

这意味着——选型工程师不能问"哪一条路线最好"，而要问"我的数据采集场景矩阵里，每一条路线各覆盖哪一段"。

把 EGO 数采的典型场景拆开，至少有这么几类：

数据采集场景	典型距离	精度要求	帧率要求	推荐路线	典型相机
灵巧手精密抓取	0.3-1m	亚毫米	≥60 FPS	结构光	奥比中光 Gemini 330
室内操作台交互	1-3m	毫米级	30-60 FPS	结构光 / iToF	Gemini 330 / 图漾 TM421
室内 AGV 避障	2-5m	厘米级	≥60 FPS	iToF	图漾 TM421-E1
室外机器人导航	5-20m+	厘米级	30 FPS	被动双目	Stereolabs ZED X / 海康 MV-DP
长距离环境感知	20m+	厘米-分米	30 FPS	dToF 激光雷达 / 长基线双目	Ouster / Livox

这张表传递的核心信息是：没有任何一条深度相机路线能单打独斗覆盖 EGO 数采的全场景。一套成熟的 EGO 数采方案，往往是"近场结构光 + 中距离 iToF + 远距离双目"的组合。

3.2 三路线在 EGO 数采场景的适配差异

把 8/10《当光成为尺子》的五维评分（精度/测距/抗光/算力/成本）平移到 EGO 数采语境下，三路线的适配差异会更清晰：

结构光（代表：奥比中光 Gemini 330）

适配场景：室内近场精密抓取数据采集（0.3-3m）
EGO 数采核心价值：亚毫米级近场精度，是灵巧手抓取数据采集的首选
短板：户外强光失效，远距离精度衰减——意味着 EGO 数采如果覆盖户外场景，结构光必须搭配双目/iToF

奥比中光 Gemini 330 系列之所以能成为"EGO 数采行业标杆"，正是因为它把结构光的"近场高精度"与"AI 模型后处理补洞降噪"做了一次工程融合——配合 LingBot-Depth 模型在边缘做降噪补洞，把结构光原本在弱纹理、反光表面的失效问题做了工程兜底。

iToF（代表：图漾 TM421-E1 / Basler-Sony DepthSense）

适配场景：室内中距离避障、导航数据采集（0.5-10m）
EGO 数采核心价值：广谱中距离、帧率高、算力需求低
短板：多路径干扰（墙角、镜面、透明物体）——意味着 EGO 数采如果场景有大量反射面，iToF 数据需要算法补偿

图漾 TM421-E1 iToF 系列在 EGO 数采语境下的位置，是"中距离万金油"——它不是任何一段的冠军，但是中段最稳的那条线。

被动双目（代表：Stereolabs ZED X / 海康机器人 MV-DP）

适配场景：户外、远距离导航数据采集（5-20m+）
EGO 数采核心价值：被动感知、户外抗强光、远距离精度
短板：白墙问题（无纹理区域匹配失败）、算力需求高——意味着 EGO 数采如果场景有大量无纹理平面，双目需要搭配主动补光或结构光辅助

Stereolabs ZED X GMSL2 全局快门双目立体相机（30fps 1920×1200，2m 内 ±0.8% 深度精度）是 EGO 数采户外场景的典型选型；海康机器人 MV-DP 系列则是国产被动双目在工业产线级数据采集的代表。

3.3 一个被低估的选型维度：数据采集的"可重复性"

除了上述三路线的物理适配差异，EGO 数采还有一个常被低估的选型维度——数据采集的"可重复性"。

EGO 数采不是"采一次就完"，是"采一批可以反复学习的数据集"。这意味着同一台深度相机在同一场景下，多次采集的数据必须高度一致——否则下游模仿学习算法会被"传感器自身噪声"干扰，学出"飘忽不定"的动作策略。

这条维度上：

结构光的可重复性最高（主动投射已知图案，每次测量基准一致）
iToF 可重复性中等（受多路径干扰影响，每次测量有波动）
被动双目 可重复性受场景纹理影响最大（白墙场景每次匹配结果都可能不同）

这也是为什么奥比中光 Gemini 330 这种"结构光 + AI 补洞"的方案，在 EGO 数采语境下被反复选型的另一个底层原因——结构光的"测量基准稳定"特性，让采集到的数据天然适合做模仿学习的训练样本。

第四章选型对标层：6 款标杆深度相机的 EGO 数采适配矩阵

4.1 六维评分体系

为了让选型工程师有一张可以直接对照的表，我把 EGO 数采语境下的深度相机选型维度收敛为六维：

维度	评分口径	1 分	10 分
多模态同步	RGB + Depth + IMU 硬件级同步能力	软件后对齐	硬件级原生同步
帧率	高速运动场景不掉帧能力	≤30 FPS	≥120 FPS
精度	近场亚毫米 / 远场厘米能力	分米级	亚毫米级
测距范围	覆盖距离区间	<3m	>20m
算力侧处理	depth-on-camera 能力	全压主机	芯片侧完成
数据采集适配度	综合可重复性 + 工程成熟度	不可重复	工业级可重复

4.2 6 款标杆深度相机 EGO 数采适配矩阵

相机	路线	多模态同步	帧率	精度	测距	算力侧	数据采集适配度	综合适配
Gemini 330	结构光	10	8	9	6	9	9	51
RealSense D585	结构光/iToF 混合	9	8	8	7	8	8	48
图漾 TM421-E1	iToF	8	9	7	8	8	8	48
Stereolabs ZED X	被动双目	8	8	7	9	7	7	46
海康 MV-DP	被动双目	8	8	7	8	7	8	46
鹿明 FastUMI Ego	第一人称专用	8	7	7	6	7	9	44

4.3 矩阵解读

奥比中光 Gemini 330 综合得分最高——它的"多模态同步 + 算力侧处理 + 近场精度"三项硬指标全部拉满，是 EGO 数采"室内近场精密抓取"场景的标杆选型。这也是它能成为蚂蚁灵波联合方案"行业标杆"的根本原因。
图漾 TM421-E1 与 RealSense D585 并列第二——前者是 iToF 中距离万金油，后者是结构光/iToF 混合方案。两者在 EGO 数采语境下更适合"中距离避障/导航"场景。
Stereolabs ZED X 与海康 MV-DP 并列第三——两者是"户外/远距离导航"场景的首选，但"数据采集适配度"略低，因为被动双目的可重复性受场景纹理制约。
鹿明 FastUMI Ego 是一个特殊存在——它的"数据采集适配度"得 9 分，是因为它是唯一一款专门为第一人称数据采集设计的方案（全球首款无需建图）。它的精度、测距、算力侧指标并不拔尖，但它的"便携化 + 第一人称专用 + 百万小时数据采集计划"定位，让它在"大规模数据采集基础设施"语境下独占一席。

第五章国产坐标层：从"数据石油"到"数据基础设施"

5.1 国产 EGO 数采的三个坐标

如果说 2026 年的 EGO 数采是一场"数据石油开采"运动，那国产坐标可以分三层来看：

第一层——深度相机硬件（"钻头"）

奥比中光：结构光 + 自研深度引擎芯片 MX6800（相机侧深度计算），是 EGO 数采"室内近场精密抓取"的钻头
图漾科技：iToF 中距离万金油，是 EGO 数采"中距离避障/导航"的钻头
海康机器人：被动双目工业产线级，是 EGO 数采"工业场景"的钻头

第二层——数据采集方案（"采油机"）

鹿明机器人 FastUMI Ego：全球首款无需建图的第一人称数据采集方案，"百万小时数据采集计划"启动——这是 EGO 数采从"实验室设备"走向"产业基础设施"的标志
奥比中光 × 蚂蚁灵波联合方案：深度相机 + 具身机器人本体的"行业标杆"

第三层——数据采集硬件底座（"油田基础设施"）

这一层是常被忽略但至关重要的——EGO 数采的"多模态同步采集"，本质上是一个高精度数据采集工程问题。它需要的硬件底座包括：

多通道同步采集（视觉 + 力觉 + 触觉 + IMU 多路时间戳对齐）
高精度 ADC（应变桥路、ICP/IEPE 加速度传感器等微弱信号调理）
IMU 与惯导模组（三轴加速度计 + 陀螺仪 + 磁力计 9 轴，姿态解算）

朗锐创新业务板块下的高精度数据采集应用（24-bit Σ-Δ ADC、8/16/32 路同步采集、≥100 kS/s 采样率、USB 3.0/GigE/PCIe 高速数据流上传）与 IMU 与惯导模组（三轴加速度计+陀螺仪+磁力计 9 轴、出厂全温标定、GNSS/INS 松耦合与紧耦合解算），正是 EGO 数采"多模态同步采集"硬件底座的国产承载者之一。

5.2 朗锐智能·萝卜派 DCM3：相机侧深度计算的国产嵌入式平台

把视角从"数据采集硬件底座"再往相机侧推一层——奥比中光 Gemini 330 的"芯片侧深度计算"之所以能工程落地，离不开一颗相机核心主板。

朗锐创新"朗锐智能"业务板块下的萝卜派（RabuPaw）计算模组，有一条产品线叫 DCM3——明确对标奥比中光相机核心主板，面向深度感知与空间智能的嵌入式处理平台。它原生支持多路 MIPI/GMSL 相机接入，硬解码 H.264/H.265，适配双目/深度/多光谱相机模组，预装 TensorRT/CUDA 推理环境。

这条产品线的意义在于——它把"相机侧深度计算"这件事，从"奥比中光 Gemini 330 单点方案"延展到了"国产嵌入式平台的通用能力"。当 EGO 数采方案商需要自研深度相机时，DCM3 是一个可以直接对标奥比中光相机核心主板的国产坐标。

5.3 国产数据基础设施的市场坐标

2026 年的市场数据可以给国产 EGO 数采基础设施一个相对客观的坐标：

全球具身智能融资（综合知乎 8/6 + 36 氪 + 财富号三源印证）：2026 上半年突破 220 亿美元，中国一级市场融资 1072 亿元 / 217 笔，超过 2025 全年
数采中心规划（6/30《2026 中国具身智能数据采集与数据产业发展展望》）：全国规划 64 座数采中心，覆盖 27 城
数据集占比预测（亿欧智库，7/2）：预计 2031 年中国数据集占全球 50%

这个坐标提醒选型工程师：EGO 数采不是短期的工程课题，是 2026-2031 这五年里"数据基础设施"国产化的核心战场。深度相机是"钻头"，数据采集方案是"采油机"，高精度数据采集硬件底座是"油田"——三层国产化进度，决定了具身智能能不能真正"采到油"。