云松鼠用 UMI 采集机器人数据，自变量/乐聚已签约

编辑点评 · AI 连续创业者视角（以下内容由 AI 提炼，观点归原作者；读完可不看原文）

这是一篇关于云松鼠创始人黄骏达的访谈，核心是用“五指 UMI 接口”解决机器人灵巧手训练数据难采集的瓶颈。关键证据：公司定位为五指灵巧操作基础设施，与头部玩家自变量、乐聚已推进到合同阶段（B·第三方证实合作意向，具体金额未披露）；创始人背景含港中文博、UC 伯克利访学，技术路线有学界背书。对搞钱者意味着：这是具身智能赛道的“卖铲子”生意，离终端 C 端很远，属于 B2B 高门槛硬件+数据服务，不适合个人副业，适合有供应链或算法团队的公司切入；最大的坑是 UMI 数据能否有效转化为机器人自主能力尚未被完全验证，窗口期可能在 1-2 年内。

• 关注具身智能数据层机会，寻找硬件+服务结合点
• 评估 B2B 硬件生意需核实下游大厂合同真实性
• 个人副业难切入，适合有算法团队的公司
• 参考“卖铲子”逻辑，关注数据采集工具红利
• 警惕 UMI 技术未完全成熟，需验证落地效果

一、这是什么机会

云松鼠（Cloud Squirrel）是一家处于具身智能基础设施层的初创公司，核心产品为“五指通用操作接口”（Universal Manipulation Interface, UMI）。它解决的是五指灵巧手训练数据难采集的行业痛点，通过让人直接操控机器人五指末端完成真实交互，从而高效生成高质量训练数据。目前主要面向自变量（Zixuanliang）、乐聚（Leju）等头部机器人厂商提供数据服务与硬件支持，处于合同签约阶段。

二、独立判断

这是一个典型的“卖铲子”生意，B2B 属性极强，适合具备深厚算法积累与硬件供应链资源的团队切入，不适合个人副业。创始人黄骏达拥有港中文博士及 UC Berkeley 访学背景，技术路线有扎实的学界背书，且已锁定两家头部客户，验证了需求的真实性。核心推断：UMI 并非取代真机，而是解决从“人类示范”到“机器人可学习数据”的转化瓶颈，若能在 1-2 年内验证 UMI 数据训练出的模型能稳定迁移至真机执行，公司将占据数据基础设施的高地。

三、冷启动路径

第一步是技术验证而非大规模销售：先构建最小化的 UMI 硬件原型，选取 2-3 个高频具身任务（如使用喷壶、手内旋转杯子）进行数据采集，并尝试完全脱离遥操作真机数据，仅用 UMI 数据训练基础模型，验证策略在真机上的成功率。成本量级预计在中高（需定制机械结构与传感器），周期 6-12 个月。关键在于证明 UMI 数据与真机数据的 Gap 在世界模型辅助下可收敛，这是获取大厂信任的前置条件。

四、最大风险与避坑

• 技术迁移风险：UMI 数据可能仅能证明“人能操作”，无法证明“机器人能自主操作”。避坑策略：建立闭环评估体系，不仅看数据量，更要看下游模型在未见场景下的泛化能力；引入世界模型作为中间层，缩小 sim-to-real 差距。
• 硬件适配风险：UMI 需适配不同自由度的灵巧手（如舞肌、Sharpa）。避坑策略：早期聚焦标准化程度高的 6 自由度五指手，避免陷入定制化泥潭；利用模块化设计降低适配成本。

五、案例复盘（别人怎么做的）

• 产品定义：明确 UMI 是无本体数据采集硬件，核心价值在于“让人直接利用机器人五指末端完成真实交互”，而非单纯采集人手动作（如数据手套）。
• 获客路径：依托创始人的学术影响力与早期技术 demo，直接接触自变量、乐聚等头部玩家的研发团队，通过解决其数据瓶颈痛点达成合作意向，目前推进至合同阶段。
• 技术壁垒构建：强调 UMI 相比遥操作在效率、成本及 in-the-wild（真实场景）采集上的优势，特别是对于高接触风险任务，UMI 能大幅降低操作者认知负担。
• 数据策略迭代：正在测试“完全使用 UMI 数据训练模型”的路径，摆脱对昂贵遥操作真机数据的依赖，这是其商业模式能否成立的关键验证点。

六、双轨可执行性

跨境：此轨道可行性较低。具身智能数据服务高度依赖本地化场景适配与头部客户关系，跨境 B2B 交付复杂度极高。国内：适合有机器人算法背景或硬件供应链资源的团队跟进。启动第一步：不要直接造硬件，先寻找一家中小型灵巧手厂商，免费提供 UMI 概念验证（POC），用数据证明其采集效率优势，换取合作与数据迭代机会。

原文 · 热门文章 - 日榜 - 人人都是产品经理：阅读原文 →