百度智能云被 70 + 机器人公司选中，Ego 位姿恢复省 43% GPU，省在哪

我先联网查清这个 “具身第一云” 是哪家公司、70+ 机器人公司投资的具体情况，以及 Ego 视频位姿恢复的技术细节。

我找到原始报道来自量子位 11 月 13 日，接着把这篇报道中的公司、融资轮次和技术细节查清楚。

在百度世界 2026 具身智能专场上，百度智能云给出两个数字：一是已为 70 多家具身智能产业链企业提供全栈 AI Infra 服务，并以 29.6% 的份额位居中国具身智能云市场第一；二是百舸平台优化 Ego 视频的相机位姿恢复后，处理每小时视频所需的算力从 11.36 GPU 小时降到 6.48 GPU 小时，减少约 43%，另一套方案 Droid-W 降 31%。需要先把标题里那个容易误读的词掰开：所谓 “70+ 机器人公司投出”，指的是这些公司用采购和续约给百度智能云投了票，不是它们出钱做了股东。43% 的来源也不是换了个更强的模型，而是三个很 “土” 的工程动作：把每个任务乱开的 720 个 CPU 线程收回到整机 180 个逻辑核能吃下的量、让 GPU 算当前数据时 CPU 提前备下一批、把适合的计算搬到 GPU 上 —— 本质是把数据管线的空转和等待挤掉。这恰好说明，具身智能当前最贵的不是模型，是喂数据的那条流水线。

一、先把 “70+” 和 “第一” 这两个说法对齐

这条链条的商业逻辑很清楚：具身智能公司自己建机房、自己调数据管线，单位成本极高；把算力和数据加工外包给云厂商，按用量付费，研发团队就能把人力集中在模型和本体上。70 多家愿意这么干，说明 “算力 + 数据工程” 打包这件事已经被接受，而不是单纯买 GPU。

二、43% 砍在哪：三个动作，全是系统工程

这三件事拼起来，就是 MegaSaM 从 11.36 GPU 小时 / 视频小时降到 6.48 的 43%，Droid-W 从同一基线降 31%。值得强调的是：它没有换算法，也没有换模型，纯靠调度和流水线把浪费挤出来。换句话说，43% 是 “本来就在烧、但烧得没必要” 的那部分钱。

三、为什么位姿恢复是 Ego 数据绕不过去的一关

Ego 数据是人戴着相机操作、走动、转头拍出来的第一视角视频。要把它变成机器人能学的数据，第一步必须回答 “这一刻相机在哪、朝哪、怎么动的”，这就是相机位姿恢复。

• 没有位姿，画面里的杯子就只是一个像素块，机器人无法知道它在三维空间里离手多远；
• 没有位姿，手部动作和物体轨迹无法对齐到同一个坐标系，标注出来的 “抓取” 就是错位的；
• 遮挡、转身、多人同时操作会让画面剧烈变化，位姿恢复的失败率直接决定后面手部重建、动作切分能不能做。

所以这一步是整条管线的 “咽喉”：它一慢，后面所有算子都得排队；它一错，后面标注全废。百舸把它放在最前面优化，选的是性价比最高的位置。

四、除了位姿，百舸还动了三处

数据侧：用宽表把 “重算” 变成 “补算”。 百舸用 Lance 宽表组织数据，一行一个样本，视频、标注、评分分列存放。好处是换一个视频质量评分模型时，只重算评分这一列，原始视频和仍然可用的动作标注全部保留。以前的做法是换一个环节就得整批重跑，现在是把 “全量重做” 改成 “增量补齐”。

流程侧：质检前置 + 模板复用。 手部重建、相机轨迹恢复、动作切分与标注都做成算子，用工作流串起来，质检放在最前面，先把不适合后续处理的素材筛掉，省下的是后面所有环节的无效算力。调试好的流程还能沉淀成参数化模板，新数据集改参数直接复用。

训练侧：把无效输入和通信等待一起砍。 在 π0.5（OpenPI）的优化里，两个细节很典型：

• LIBERO 训练只有两路相机画面，模型接口却预留三个位置，原始流程会补一张空白图。这张图最终被屏蔽，但前面仍要传输、仍要做视觉编码 —— 纯浪费。百舸改成输入数量随实际数据调整。
• 多卡训练要不停交换数据，通信跟不上计算就得停。团队调整参数分组和通信方式，让 GPU 算当前这步时提前传下一步要用的数据，顺带腾出显存保留更多中间结果。

结果是在单机 8 卡、无 NVLink 的测试环境里，π0.5 在 LIBERO 上跑完一个 epoch 从 61.4 分钟缩到 26 分钟，吞吐 2.36 倍；同时对照 1000 步的训练损失曲线，平均只差 0.0001，说明提速没有牺牲收敛。

五、把 43% 换算成钱：一个粗略测算

按这个假设，处理 1000 小时 Ego 视频大概能省近万元。数字不算炸裂，但要放在正确的位置看：具身行业正在从数万小时走向百万小时，1 万小时数据的加工就能省下十万量级，而且省的不只是钱 ——GPU 少占用一半，同一批机器能多跑一倍的实验轮次，模型迭代节奏直接受益。

六、它服务的是哪类客户

从披露的案例看，最典型的一类客户已经积累了几十 TB 人类第一视角视频，想把人的操作还原成机器人能用的训练数据。这条流程有八个环节，其中三个要调 GPU 模型，光手部运动就涉及三维重建、动作解算、轨迹处理，最后还要按训练要求导出。

这类客户的共性很鲜明：

• 数据是自己的，但加工能力不够；
• 有 GPU 预算，但利用率上不去；
• 模型在迭代，数据处理方法也在迭代，最怕 “改一个环节、全量重跑”；
• 需要能追溯 “这一轮训练到底用了哪批数据、哪版处理流程”。

百舸把数据加工和数据资产管理分开，正好对上第四条：原始素材和处理结果都留着，版本和使用关系都记着，模型表现变差时能回查是数据问题还是训练问题。

七、需要打问号的地方

1. 29.6% 的口径不透明。 份额由 “百度方面披露”，没有点名统计机构，也没说统计的是 IaaS、AI Infra 还是含数据服务的整体市场。不同边界下这个数字会差很多。
2. 43% 的样本很小。 测试对象是 10 段 EgoLife 视频，属于特定数据集、特定方案（MegaSaM），换数据集、换场景复杂度，比例未必能保持。
3. 2.36 倍是在特定环境。 单机 8 卡、无 NVLink，这是很多中小团队的真实配置，但头部公司用 NVLink 集群时，通信优化的收益结构会变。
4. 43% 和 31% 不是同一件事。 Droid-W 和 MegaSaM 是两套不同方案，优化后分别降 31% 和 43%，不能混着引用成 “所有位姿恢复都省 43%”。
5. 省算力不等于省总成本。 数据采集、人工标注、质检返工这些环节没被优化，GPU 只是其中一块。真要看总成本，得把每小时可用数据的全链条成本算完。

一句话收束：这条新闻真正的信息量不在 “70+” 也不在 “第一”，而在 43% 是怎么来的 —— 它证明了具身智能当下的瓶颈有一大半在数据工程，而不在模型架构。谁把 “喂数据” 这条流水线的空转挤干净，谁就能用同样的算力多跑几轮实验，这个优势在数据规模从十万小时走向百万小时的过程中会被放大。

【相关 FAQ】

问题 1：具身第一云指的是谁，70+ 机器人公司真的投资了它吗？

回答 1：具身第一云指的是百度智能云，它在中国具身智能云市场以 29.6% 的份额自称第一；70+ 机器人公司并不是投资方，而是采购其全栈 AI Infra 服务的客户，所谓 “投出” 是指这些公司用订单和续约投票，不涉及股权融资。

问题 2：Ego 视频位姿恢复砍掉 43% GPU 用时，是靠更强的模型做到的吗？

回答 2：不是。Ego 视频位姿恢复的 43% 优化来自系统工程：把每个任务默认开的 720 个 CPU 线程收回到整机 180 个逻辑核能承受的范围、让 CPU 在 GPU 计算当前数据时提前准备下一批、把适合的计算迁移到 GPU，本质是挤掉调度空转和流水线等待，算法与模型没有更换。

问题 3：具身第一云为什么要优先优化 Ego 视频的位姿恢复？

回答 3：因为位姿恢复是 Ego 数据管线的咽喉。相机位置、朝向、轨迹还原不出来，画面里的物体就没有三维坐标，手部重建和动作标注会全部错位；它又是整条链路里最耗 GPU 的一步，具身第一云从这里下手，等于在数据加工成本最高的位置省钱。

问题 4：具身第一云这套数据管线，对普通具身创业公司有什么用？

回答 4：主要解决三件事：几十 TB 第一视角视频怎么高效加工成可训练数据、换一个处理环节时能不能只补算而不全量重跑、以及每轮训练到底用了哪版数据能不能追溯。对没有自建机房和数据工程团队的公司，这相当于把最脏最耗算力的部分外包出去。

问题 5：具身第一云的 29.6% 市场份额和 43% 省算力，可信度怎么判断？

回答 5：要看口径。29.6% 由百度方面披露，未点名统计机构与市场边界；43% 是在 10 段 EgoLife 视频上、针对 MegaSaM 方案的测试结果，另一方案 Droid-W 是 31%，两者不能混用。判断具身第一云的真实价值，最好要求在自己的数据集上跑一遍，看 GPU 小时和总交付成本的实际变化。

【参考资料】

• [2026-11-14]（70 + 机器人公司投出具身第一云：优化 Ego 视频位姿恢复，砍掉 43% GPU 用时）ZAKER 新闻（量子位出品）
• [2026-11-13]（70 + 机器人公司投出具身第一云：优化 Ego 视频位姿恢复，砍掉 43% GPU 用时）量子位
• [2026-11-03]（具身数据成 “风口中的风口”？简智再融 1 亿 上汽、百度、银河通用都投了）科创板日报
• [2026-09-18]（枢途科技完成近亿 Pre-A 轮融资，聚焦物理 AI 数据基础设施）投资界
• [2026-09-17]（中国具身智能产业全景：2026 年迎 “大考”，未来怎么走）新浪财经（引易观分析《中国具身智能数据产业分析报告 2026》）
• [2026-08-17]（ACE Robotics Fills the Data Gap, Then Hits Cost：Ego Kit 与数据采集成本）Onton Technology

【免责声明】

本文依据量子位报道、百度智能云在百度世界 2026 具身智能专场的公开披露及相关行业报告整理。文中 29.6% 市场份额、70+ 客户数量、43% 与 31% 的算力降幅、2.36 倍训练吞吐等数据均由企业方披露，测试环境为特定数据集与特定硬件配置（如 10 段 EgoLife 视频、单机 8 卡无 NVLink），未经独立第三方复现，不代表其他场景下的实际表现；第五节的成本测算基于 2 元 / GPU 小时的假设单价，仅为量级示意，不构成报价。本文仅作技术解读与行业观察，不构成投资建议或采购建议，据此决策的风险由读者自行承担。