随着视频生成、具身世界模型、VLA等技术的快速演进，高质量训练数据已成为大模型能力跃升的核心瓶颈。为补齐关键训练素材、构建更完善的数据生态，典枢数据现面向全球数据供应商与采集机构，正式发布五大类数据采购需求。我们诚邀拥有合规数据资源、成熟采集能力或批量数据交付经验的合作伙伴，共同推动AI数据基础设施建设。
采购背景
当前支撑视频生成、具身世界模型、VLA、Agent大模型SFT微调的数据，可划分为通用互联网视频、Ego第一视角、UMI夹持器交互、具身操作、具身Agent交互文本五大类。内部现有存量数据主要为开源爬取视频数据集与家用场景仿真机器人数据，仍存在以下明显短板：
- 标准化工具调用交互轨迹文本严重缺失
- 部分数据缺乏商用训练授权
- 工业场景素材覆盖不足
- 仿生灵巧手交互样本数量有限
- YouTube源数据集批量爬取易遭遇IP限制
为此，我们需同步引入商用授权素材库、批量拉取合规开源数据集、采购标准化Agent文本交互数据，系统性地补齐各类训练素材。
一、通用视频数据采购
需求概述：采购与具身智能相关的通用人类视频数据集，要求覆盖多场景、多职业、多物品、多视角的人体与物体交互行为，用于视频生成、具身世界模型、VLA等任务的预训练与SFT。第一期目标采购规模约50万条视频样本，用于打通基础数据管线与标注流程；在效果评估与模型收益验证后，第二期将扩展至100-200万级别，以覆盖更多长尾行为与复杂任务组合。
采购重点：在已有开源视频数据集基础上，优先补齐难以通过开源方式系统获取的内容，欢迎具备商用授权、可按主题/场景/动作粒度检索的素材库。
- 工业与专业场景的人体操作视频：工厂装配、仓储搬运、设备点检、安防巡检、专业工具使用等
- 复杂多步任务视频：拆装、分类打包、设备安装调试等，要求任务阶段划分清晰
- 高多样性日常行为视频：厨房烹饪、清洁整理、收纳归类、简单维修和DIY场景
- 具备基础文本/标签的行为视频（动作类别、物体类别、场景标签等），可降低后续标注成本
二、Ego第一视角数据采购
需求概述：现有Ego数据集（EgoLife、EgoDex）以室内居家、桌面手部操作为主，缺乏工厂装配、仓储物流等工业类第一视角画面。我们重点寻求工业与专业作业场景的第一视角交互素材，优先引入具备商用授权、佩戴式相机拍摄、含手部与物体交互动作的数据集。第一期采购规模与通用视频数据保持同量级节奏，先打通Ego数据清洗与标注流程，验证收益后再规模化扩展。
常见可采购数据类型：
- 工业/专业作业场景的第一视角操作视频：工厂装配、零件加工、仓储拣选、设备点检与维护
- 带手部精细操作与工具使用的Ego视频：拧螺丝、插拔线缆、使用手持工具等
- 具备同步位姿/注视点或手部姿态信息的数据（gaze、hand pose、物体标注）
- 具有基础文本/标签的Ego行为视频（动作描述、任务步骤、场景标签等）
三、UMI夹持器交互数据采购
需求概述：现有存量以仿真与真机遥操采集的机器人操作数据为主，缺少基于UMI（通用操作接口）手持夹持器采集、与具体本体解耦的真实世界操作轨迹。UMI数据介于人类视频与真机遥操数据之间，具备采集成本低、效率高、可跨本体复用的独特优势，非常适合VLA、具身世界模型与模仿学习策略的预训练与SFT。
采购重点：优先引入具备商用授权、高一致性、高密度且可复现的UMI真实操作轨迹数据，要求轨迹包含末端位姿、夹爪开合、第一视角图像等多模态同步信息，并明确交付的SLAM成功率与轨迹可复现率阈值。可联合北大等合作方协同采集，第一期先打通采集、清洗与标注全流程。
- 工业与专业作业场景的UMI操作轨迹：装配、分拣、上料上架、工具使用
- 多样化日常操作轨迹：抓取放置、开关抽屉/柜门、倒水倒料、整理收纳
- 双臂/双夹爪与动态操作轨迹：双手协同、需力控或较高动态的任务
- 具备任务/动作文本标签与可复现性质检报告的UMI数据
四、机器操作数据采购
需求概述：常见开源真机操作数据集已基本具备，现需补齐开源渠道难以系统获取、需额外采购的真机操作数据，重点覆盖仿真与开源数据中不足的真实本体、真实场景与长尾任务，尤其是工业与灵巧手相关的高价值操作数据。
采购重点：优先引入具备商用授权、本体与传感器配置明确、轨迹可复现的真机操作数据，要求同步记录末端位姿、关节状态、多视角图像与必要的力/触觉信息，并明确交付的本体型号、任务成功率与数据分布。
- 工业与专业作业场景的真机操作数据：装配、分拣、上料上架、设备操作
- 灵巧手与多指灵巧操作数据：抓取异形物体、工具使用、精细装配
- 多本体/跨本体的同任务操作数据，覆盖不同机械臂、末端执行器与构型
- 具备任务/动作文本标签与可复现性质检报告的真机数据
五、具身Agent训练数据采购
需求概述：当前内部缺少标准化的工具调用与多轮交互轨迹文本，需采购面向具身Agent的标准化文本交互数据，用于支撑Agent大模型的SFT与工具调用、任务规划能力训练。数据需覆盖多场景、多工具、多步推理与错误恢复，并符合《Agent数据需求和验收标准》中的格式与质量要求。
采购重点：优先引入具备商用授权、推理逻辑完整、工具调用规范且可复现的Agent文本轨迹数据，要求包含任务目标、工具调用序列、中间推理与最终结果，并自带可用于分布校验的metadata标签。交付后我们将依据metadata完成自动化分布校验，并人工抽检推理逻辑合规性。
- 标准化工具调用轨迹数据：任务指令、工具选择、参数填充、调用返回与结果校验
- 多轮任务规划与分解数据：将高层意图拆解为子任务与可执行步骤
- 包含错误处理与重规划的交互数据：工具调用失败、参数错误后的重试与纠错
- 具备完整metadata标签与验收报告的Agent文本数据
合作与联系
我们诚挚欢迎具备以下能力的合作伙伴与我们联系：拥有商用授权数据素材库的资源方、具备成熟数据采集能力的团队、可批量拉取合规开源数据集的机构，以及能提供标准化Agent文本交互数据的服务商。请根据实际需求提供相关数据样例与报价，我们将据此评估合作方案并尽快推进。
数采需求 – 典枢数据数据采购需求发布栏目