過去兩年，具身智能成了最熱門的創業賽道之一。

但很多人不知道的是，這些具身智能公司真正的第一步，往往并不是“造機器人”。

在開始寫第一行算法代碼之前，他們通常要先花幾百萬搭服務器集群，再招一批IT和基礎設施工程師，去解決環境配置、算力調度、數據管理、工具鏈適配等問題。

這是今天機器人行業最真實、卻也最容易被忽視的一面：

大量工程師的時間，并沒有花在機器人本身，而是消耗在搭環境、配依賴、搬數據這些重復而瑣碎的基礎工作里。

當具身智能和通用機器人的浪潮到來，行業里大多數人都在追逐更強的大模型、更大的算力和更聰明的Agent，但地瓜機器人（以下簡稱“地瓜”）卻選擇往后退了一步，開始做那些最底層、最“苦”的事情。

地瓜推出了一套機器人開發的全鏈路軟件平臺 RoboGo。

這是一個面向泛機器人行業的一站式云端開發協作平臺，覆蓋數據管理、仿真訓練、模型部署、端側驗證等完整研發流程，核心目標是提升機器人開發效率，縮短從研發到量產的周期。

在他們看來，如果沒有統一的工具鏈、數據閉環和開發生態，機器人開發將永遠被困在低效的協作與漫長的開發周期中，很難真正規模化。

站在這個轉折點上，地瓜軟件平臺副總裁秦玉森分享了他們對于機器人基礎設施和開發生態的思考。

從重復造輪子，到開箱即用的“原子能力”

硅基君：地瓜的軟件開發平臺，到底解決了什么問題？

秦玉森：我們內部會把它理解成一個“機器人開發的全鏈路平臺”。

機器人開發，首先要解決的其實不是算法，而是協作和環境問題。假設三個人一起開發機器人，有人負責視覺數據，有人負責算法代碼，有人負責仿真環境。

如果沒有統一的平臺，數據、代碼和模型很容易散落在不同電腦、實驗室服務器和個人網盤里，協作效率會非常低。

所以機器人行業天然需要一套云端協作空間，用來統一管理數據、代碼、模型和項目資產。

但僅僅把文件放到云上，其實還不夠。機器人開發真正麻煩的地方，在于運行環境極其復雜。

比如你用Mac，我用Windows；有人裝的是Python 3.10，有人還是3.8；仿真軟件、驅動、依賴庫只要有一個版本不一致，代碼就可能直接跑不起來。

這時候，“鏡像資產”就很重要。你可以把它理解成一套提前配置好的標準開發環境。它把操作系統、軟件依賴、算法框架、仿真工具等全部提前打包好。

開發者不需要再自己搭環境、裝依賴、配環境變量，而是直接“開箱即用”。只要啟動同一個鏡像，所有人進入的就是完全一致的運行環境。

硅基君：這聽起來很基礎，它對行業的意義是什么？

秦玉森：這能大幅降低行業的創業和試錯門檻。

傳統機器人開發環境太難搭了，不僅費錢，還費時。你要自己從零開始搭，意味著你要先買服務器、裝系統、配環境、搭訓練集群。

一臺能比較順暢訓練機器人的服務器，很多時候就要到10萬元級別。有時候可能光是裝環境、配依賴、調仿真軟件，就要折騰幾個小時，甚至幾天。

但在我們平臺上，這些事情基本都提前做好了。開發者點開平臺，選一個鏡像、啟動資源，只需要先花幾塊錢、幾十塊錢，就能開始訓練。如果文檔齊全，很多人5分鐘內就能上手。

過去一個新團隊想做機器人，光是做POC和MVP就要花掉上千萬。如果有我們的平臺，很多底層工具不用自己造，可能100萬就能先跑出一個demo。

我們內部經常說，這套平臺的目標，是讓兩三個人也能做出自己的機器人demo。

舉個例子，之前維他動力四足機器狗在 RoboGo 平臺上舉辦闖關賽事，共有190支隊伍報名。比賽過程中，每支隊伍都會獲得2000個“地瓜干”作為平臺資源額度。

實際訓練時，每小時只消耗37個地瓜干，即便按原價計算，也只需要3.7元。

這意味著，原本需要10萬元級別服務器才能完成的訓練任務，已經變成了“按小時付費”的云化模式。

同時，過去傳統方式下，很多學生和開發者可能要花幾個小時，才能把環境真正搭起來。

但在 RoboGo 上，開發者只需要點開平臺、選擇鏡像、啟動資源，5分鐘內就能開始訓練。每支隊伍至少節省了8小時以上的準備時間。

這背后真正改變的，其實是整個機器人行業的創新門檻。

同樣一個億的資本，原來只能投10家公司；如果工具鏈足夠成熟，未來可能支持100家公司試錯。試錯變多，行業跑出來的概率就會更高。

硅基君：面對客戶海量的碎片化需求，如何判斷哪些需求是值得被做成標準化產品的？

秦玉森：其實很簡單。誰用得最多，誰抱怨最多，誰就是剛需。

我們優先解決那些真正高頻、反復出現的問題。

因為今天所有算法開發，本質上都離不開一套完整的研發閉環。但不同類型的客戶，對這套閉環的需求并不一樣。

比如個人開發者、小團隊、生態開發者，他們最在意的是“低門檻”和“開箱即用”。

哪怕功能沒那么完整，只要能快速跑起來、能幫他們少折騰幾個小時，他們就愿意用。

但KA客戶，也就是大客戶，需求會更明確，也更定制化。他們會關心：需要多少人、什么流程、達到什么效果、怎么和現有系統打通。

所以我們做平臺時，并不是一開始就把所有東西都做成很重的企業產品。

我們的思路更像一個“篩選機制”。很多功能，一開始其實只是開發者生態里的小工具、小組件。

我們會先讓它在開源社區和開發者平臺里跑起來。

哪些功能被頻繁使用，哪些功能反饋最多，哪些功能真正解決了痛點，它就會被不斷強化，最后慢慢沉淀成平臺能力。

如果某個工具比較小眾，那它可能就先停留在開源社區里，作為一個“小而美”的組件存在。

等到有一天，這個需求開始變得重要、開始被越來越多人使用，我們再把它重新整合進平臺，做成更標準化的產品。

所以本質上，這是一個典型的市場篩選過程。真正有生命力的組件，會慢慢長大；真正有價值的功能，也會逐漸被產品化。

硅基君：在從0到1階段，你們最先抓住的痛點是什么？

秦玉森：我們最早的一批KA客戶，其實很多都來自芯片業務本身。

因為地瓜原本就在做芯片，而芯片客戶天然會遇到很多問題，比如模型部署、端側驗證、工具鏈適配等等。

所以這個平臺并不是憑空長出來的，而是從客戶真實需求里，一點點延伸出來的。

另外一個非常核心的需求，就是“數據”。

我們現在其實做的是一整套企業級的數據與素材管理平臺。它不只是存數據，而是覆蓋了機器人開發里的完整數據閉環，包括數據管理、工作流編排、數據處理、標注、訓練、仿真、部署和端側驗證。

尤其面向企業客戶，我們有一套 RoboGo Pro，其中很重要的一部分，就是這個數據閉環系統。

你可以把它理解成：機器人開發的數據中臺。

因為機器人行業的數據，其實特別復雜。攝像頭數據、語音數據、視覺數據、動作數據、仿真數據、訓練數據，甚至掃地機、無人機、陪伴機器人產生的數據，最后都可能進入同一個系統。

為什么這個東西重要？因為機器人行業有一個特別大的問題：數據太大、太碎、太難搬。

舉個例子，去年有一個公開具身智能的數據集，大概44TB。如果用普通100兆帶寬下載，不中斷也要下四十多天。

但機器人行業的數據量，很多時候不是幾十GB，而是TB級、甚至PB級。所以我們會提前把大量常用數據集放到平臺上。

開發者不需要反復下載、搬運、存儲，而是可以直接在平臺內部調用。這件事本身，就已經大幅降低了機器人開發門檻。

當然，數據問題還不只是“存”和“搬”。機器人真正復雜的，其實是后面的整條處理鏈路。

除了數據存儲和搬運，我們還做數據采集、數據合成、數據解析、數據轉換和數據標注。

比如你采不到足夠多的數據，就需要合成數據；拿到數據之后，還要清洗、標注、轉換格式，再進入訓練流程。而在我們的平臺里，其實有一套完整的工作流系統。

從數據上傳、清洗、標注，到預訓練、微調、后訓練，再到仿真和真機驗證，整個流程都可以在平臺內部完成。

我們的平臺，本質上就是把這些復雜、碎片化的流程統一抽象出來。客戶不用再自己從零搭一整套系統，而是可以根據自己的需求，直接調用對應資源和工具，完成整個研發閉環。

硅基君：具身智能公司會有自己的開發平臺，為什么會用我們的？

秦玉森：理論上會有，但現實情況是，很多團隊其實還在大量重復“造輪子”。

因為很多公司默認工程師“什么都得會”。于是一個做算法的人，不光要寫模型，還得自己搭服務器、裝環境、維護集群。

老板很難衡量，我花這么多人、這么多錢，到底提升了多少效率？最后結果就是，工程師大量時間被浪費在各種基礎問題上，而不是真正重要的研發上。

我們本質上是在把機器人開發里那些高頻、重復、標準化的事情，統一做成平臺能力。比如，開發機、云桌面、仿真環境、訓練任務、模型部署、數據管理、標注工具等等。

舉個例子，我們平臺支持上傳實物圖片（如蘋果、瓶子）即可生成可用的 3D 資產，滿足仿真抓取的基礎需求。

類比"美圖秀秀"——雖然不夠完美，但有總比沒有強，行業里很多研發環節卡在缺少基礎數據資產上。

這其實就像Excel。每家公司都有財務報表，但Excel不是只為財務報表而生的。它是一個通用工具，可以做財務表，也可以做名單統計。我們做的也是類似的基礎平臺，把這些能力抽象成通用的“原子能力”。

硅基君：如果未來通用機器人最后像手機一樣，只剩下幾個大廠，那這些大廠會不會把所有東西都自己做了？

秦玉森：我覺得不會。首先，機器人和手機發展階段不同。手機行業今天看起來集中，是因為它經歷過一個漫長的生態爆發階段。

先有山寨機生態，才有小米；有了小米之后，還有小辣椒、魅族、紅米、OPPO、vivo等一大批品牌；中間也死掉了很多公司，比如樂視。

也就是說，一個行業最終走向集中之前，往往會先經歷一輪生態爆發。機器人行業現在更像早期階段。

更重要的是，機器人不太可能像手機一樣，最后都長成一個形態。

機器人可能有人形機器人、四足機器人、桌面機器人、陪伴機器人、物流機器人、工業機器人、醫療機器人、戶外機器人、家庭機器人。因此，機器人不會形成單一聚類格局。

手機和汽車是先有固定產品形態再智能化，但人形機器人沒有固定前置形態，且覆蓋千行百業。專用和通用之間邊界模糊，降低迭代成本的工具平臺價值持續存在。

在芯片之上，構建生態護城河

硅基君：作為一個做芯片出身的公司，怎么理解軟件平臺對于芯片業務的意義？

秦玉森：從PC行業的發展來看，芯片從來不是孤立存在的。

很多人覺得英特爾只是賣CPU。但實際上，英特爾當年真正進入的，是整個PC計算生態。

底層需要芯片提供算力，中間需要Windows操作系統，上層需要各種軟件應用。真正讓PC行業爆發的，是“芯片 + 操作系統 + 軟件生態”共同形成的完整體系。

今天蘋果也是類似邏輯。很多人用蘋果，是因為整個軟件、服務和生態體系已經把用戶“留”在里面了。

地瓜也是類似思路。我們雖然是做芯片出身，但如果只有芯片，沒有工具鏈、軟件平臺和開發生態，客戶其實很難真正把芯片用起來。

客戶買完芯片之后，還要面對模型訓練、工具鏈適配、端側部署、數據管理、仿真驗證等一整套問題。如果這些問題沒人解決，芯片本身的價值其實很難真正釋放。

真正決定客戶能不能長期留下來的，其實是芯片之上的工具鏈、平臺能力和開發生態。而當這些能力形成正向循環之后，芯片的價值才會被持續放大。

硅基君：在實際使用里，開發平臺與芯片的協同效應，究竟是如何實現的？

秦玉森：軟件開發平臺會讓，越來越多的客戶切換使用我們的芯片。

首先，所有研發仿真最終都要落地到實體機器人硬件，適配自家芯片是最優選擇；其次，愿意投入資源做研發效率優化的用戶，本身對硬件適配、端側落地有高要求，我們平臺一站式打通芯片適配、部署、OTA 全流程，一鍵適配即可完成端側落地。

適配地瓜芯片的 OTA 部署，1 萬元就能理順全流程快速落地；適配其他品牌芯片，需要重新移植遷移，溝通適配周期三個月，合同金額高達百萬。

從市場性價比和落地效率來看，用戶都會優先選擇原生芯片生態。

硅基君：這個平臺對地瓜這家公司到底意味著什么？

秦玉森：第一，縮短客戶的開發周期。碎片化和長鏈條會帶來一個很大的問題：產品從研發到上市的周期太長。機器人從拿到芯片到最終量產，周期非常長。成熟硬件產品的IPD流程一般要12到18個月。

如果客戶拿到芯片之后，要18個月才能完成產品開發，再到市場銷售爬坡，可能已經是24個月之后的事了。

這意味著，我今天賣出芯片，可能兩年后才能真正看到它在市場上的結果。只要我們能把客戶開發周期縮短一點，對整個地瓜來說都是巨大的提升。

第二，過程可見。作為上游芯片廠商，過去我們很難知道客戶到底開發到什么階段了。他拿了芯片之后，項目有沒有推進？能不能按期量產？這會直接影響企業經營里的備貨和產能規劃，也會影響公司的現金流。

軟件平臺一方面縮短客戶開發周期，另一方面讓我們在研發過程中就能看到客戶狀態。

比如客戶已經進入后訓練階段，或者已經進入快速部署階段，他用了什么工具、訓練資源消耗多少，我們都能形成判斷。這本身就是一個很有價值的側面信號，能反過來幫助公司做戰略判斷。

硅基君：現在這個軟件平臺落地情況怎么樣？商業模式是怎樣的？

秦玉森：整體還不錯。我們現在每個月都會簽下一些百萬級客戶，最近也有千萬級客戶在推進。核心原因很簡單，客戶發現自己造一套完整平臺，成本太高了。我們的平臺，實際上是在幫這些公司把底層通用能力補齊。

現有四五家大客戶，每月純平臺服務投入穩定在 10 萬元，還不包含芯片業務；中小客戶最低訂單 2000 元，逐步擴容升級為整機服務器，月費漲到 1 萬至 2 萬。

我們更看重百元級小額用戶，未來都是潛在企業 CTO、技術核心，性價比很高。

客戶可以按小時用算力，不需要像大云廠商那樣一上來就鎖一年資源。他用多少付多少。平臺小額充值用戶也很多，輕量化按需使用，50 個地瓜干折合 5 元人民幣，門檻極低，實用性很強。

硅基君：這個碎片化的需求，市場空間有多大？

秦玉森：BAT 及字節等頭部云廠商做過測算，整個具身智能軟件平臺年化市場規模可達 300 億，其中 150 億是零散碎片化市場。碎片化 150 億市場，我們有信心拿下 20% 左右份額。

今年，軟件平臺的生態用戶目標沖刺數萬規模，而全國機器人行業研發人員總量僅 30 萬人，我們計劃覆蓋近 10 萬開發者，市占率會持續穩步提升。

文/阿奇

PS：如果你也在尋找投資AI資產的機會，歡迎掃碼加入我們的交流群。