对话鹿明CTO丁琰：数据会反向决定模型，甚至影响硬件形态 | GAIR 2025

数据采集，向来是具身智能行业的一大难题。成本、精度、泛化能力，似乎构成一个不可能三角，能找到一个可以落地的平衡点已十分不易。 在此背景下，2025 年 11 月中旬 Sunday Robotics 横空出世，向全世界的具身智能公司证明了 UMI 方案的可行性。一时之间，UMI 的行业关注度空前高涨。 而在国内，丁琰博士的数采方案「FastUMI」同样惊艳四座，凭借低成本、高数据质量、快速部署等特点深受行业青睐，被视为具身智能数据采集的新范式。 实际上，丁琰博士是国内最早将 UMI 落地实践的从业者。从上海 AI Lab 到一星机器人，再到如今的鹿明机器人，他始终专注于 UMI 的研究与推动，即便在早期这一方向并不被大部分人看好，他也依然坚持投入。时至今日，终于迎来“守得云开见月明”的时刻。 对于 UMI，丁琰博士有着独特的理解。他将 UMI 视为一套完整体系，而非单纯的数采工具；他的目标清晰，希望把 UMI 打造成像 AK47 一样“简单、可靠、低成本、好用”的工业级基础设施；同时，他深知数采背后真正的难点，除技术之外，更考验流程组织、人员管理与执行体系的复杂性。 今年由 GAIR 研究院与雷峰网联合主办的「第八届 GAIR 全球人工智能与机器人大会」上，我们有幸邀请到了丁琰博士参与圆桌会谈，分享他关于数据与 UMI 的深刻洞见。 在大会之前，雷峰网与丁琰博士展开了一场深入对话，以便与会者探讨交流。 UMI不只是一种数采方式，而是一整套体系 AI科技评论：你之前说在一星有“没做完的事情”，这个事情是指什么？FastUMI 算是其中之一吗？ 丁琰： 可以说，我是中国大陆最早投入 UMI 的人，从 2024 年 3 月开始，我就坚定地押注这条路线，在当时，UMI在国内还是极其小众的方向，整个中国具身智能圈几乎没有人公开选择 UMI 这条路线。 大家对 UMI 理解往往偏于表面，会把它看成一种数据采集方式，但在我看来，UMI 是一整套完整的方法论和体系。数据会反过来决定模型、系统架构、采集流程、算法设计，甚至影响硬件形态——整个链条