今天，腾讯云与全球领先通用具身智能企业RoboSCIence机器科学达成战略合作。双方将围绕云计算（885362）与算力保障、大模型与AI能力、音视频与感知数据、物联网（885312）与设备协同四大方向展开合作，共同构建覆盖研发、训练与交付的具身智能云+AI底座，并联合打造行业首个云端EaaS（Embodied-AI-as-a-Service（SCI））具身智能服务，加速具身智能从技术创新走向规模化应用。
RoboSCIence机器科学自研通用具身大模型Visics和RoboMirage高精度通用物理仿真平台，高效利用海量“仿真+视频”数据进行预训练，并通过软硬一体技术路线打造下一代机器人。
但随着数据和模型规模扩大，重复存储、GPU等待、算力利用率和推理集群运维，正在成为具身智能规模化的新门槛。
基于已有合作，双方正从四个方面解决这些问题
//一个数据湖，省掉千万级副本
具身大模型需要处理视频、图像、3D点云、仿真数据和真机回流等多模态数据。RoboSCIence机器科学在多地设有协同标注集群，如果分别保存全量数据、建设高性能文件存储，投入可能达到数千万元，还容易造成版本不一和数据孤岛。
腾讯云以对象存储COS构建统一数据湖，集中管理原始数据、标注结果、仿真数据、模型权重和真机回流数据。
多地团队共享同一数据源和版本，无需各存一套完整副本，数据也能在标注、仿真和训练环节持续复用。
//训练不空转，榨干GPU性能
具身大模型训练涉及PB级数据、海量小文件和高并发访问。如果存储和网络供数跟不上，再多GPU也只能等数据。
腾讯云为机器科学构建高性能共享存储（CFS Turbo），通过全NVMe高速存储介质提升数据读写速度，并将文件查找和管理任务分散到多个节点，避免海量小文件同时访问时发生拥堵；再配合腾讯云高速网络（最高3.2Tbps级RDMA）和训练编排平台（TI-ONE），减少GPU等待数据和算力空转。
目前，这套方案已推动机器科学多地GPU池的资源利用效率提升200%以上，加快模型训练和迭代。
//算力利用率提升，标注快5～10倍
具身智能的数据标注有明显的波峰波谷：项目集中时需要大量GPU，任务减少后算力又容易闲置。如果始终按照峰值需求准备固定集群，成本很难控制。
目前，RoboSCIence机器科学通过建设自动化标注管线，将数据预处理、模型标注及算力资源弹性调度等关键环节进行深度整合。腾讯云则利用弹性调度能力补充标注产能，高峰期动态扩容，低峰期转为训练资源，整体标注效率由此提升5～10倍。
标注完成后，数据统一回流COS数据湖，再用于仿真和模型训练，形成“标注—仿真—训练”的持续循环。
//不买GPU，按机器人订阅
机器人进入规模部署阶段后，如果每家企业都自行采购GPU、建设推理集群并部署具身模型，前期投入和长期运维成本依然很高。
在这次合作中，双方还将进一步探索HAI-ECB（Embodied AI Compute Backpack，具身智能算力背包），把GPU算力、具身大模型和推理能力统一封装，以“按机器人订阅”的方式提供服务。
企业无需自行建设整套推理基础设施，可以根据机器人数量和实际需求获取智能能力。
不仅如此，RoboSCIence机器科学自研具备跨本体泛化操作能力的通用具身智能大模型Visics，双方还通过API、SDK等标准方式提供行业首个云端EaaS具身智能服务，推动具身大模型跨不同机器人本体调用，让具身智能从一次性交付走向持续服务。
