具身智能的研发，算力需求并不是固定的。当通用具身智能机器人公司深朴智能旗下机器人小朴Simbot进入北京丽都维景酒店开展POC场景验证时，算力问题早已不只是一个机器人模型如何训练的问题。

在实验室里，一项实验可能只需要少量GPU，进入正式训练后资源规模迅速扩大；训练结束，算力需求又随之回落。进入强化学习（RL）后训练，计算负载进一步变化；模型走出云端、进入真实机器人，还要经过边缘推理和端侧执行，现场产生的数据又会返回云端，进入下一轮模型迭代。

这种高度波动的负载，意味着深朴智能需要的不是按照峰值长期持有的固定服务器，而是一套能够随着研发任务变化而伸缩的算力基础设施——最终，深朴智能选择将其核心模型研发与训练任务部署在九章智算云上。

此前整租算力服务器时，峰值需求与日常使用之间存在明显落差。采用九章智算云VKS弹性容器集群后，GPU被纳入统一资源池，深朴智能可以按任务申请和释放资源，秒级即可完成从8卡到256卡的弹性算力扩展，按照实际使用量计费，综合成本下降82.1%。

“具身智能的算力需求高度潮汐，弹性缩放对降本至关重要。当前算力与通信约占整机成本8%，随着模型规模和机器人部署增加，这部分成本还会持续累积。九章智算云不仅解决了即时动态扩缩算力供给问题，还通过统一调度和训推效率优化，从基础设施层面降低整体成本。”联合技术小组专家表示。

弹性调度：让资源跟着模型研发变化

这种“潮汐式”算力需求，与深朴智能的算法研发节奏直接相关。

其HiFi-UMI技术研究尝试降低具身模型后训练对真实机器人遥操作数据的依赖，通过高保真的人类第一视角数据完成后训练，再部署到真实机器人验证；EgoRecovery则关注机器人执行失败后的恢复，通过人类视角数据和强化学习，让模型学习更加稳定的恢复策略。

从算法实验到正式训练，再到强化学习（RL）后训练，不同阶段对应着不同资源需求。尤其进入后训练阶段后，计算任务不再是一次性作业，而是需要持续运行和反复迭代。

九章智算云VKS弹性容器集群将GPU纳入统一资源池，训练任务可以根据负载获得所需资源，结束后释放，使不同规模的实验能够共享同一资源池，算力资源可以围绕实际任务动态分配。

九章智算云采用Serverless+RL基础架构，让弹性资源调度适配强化学习（RL）后训练的动态负载。深朴智能依托九章智算云专属算力计量体系“1度算力”（1 DCU = 312 TFLOPS × 1小时）计费，使算力成本进一步与实际任务使用量对应。

对于深朴智能来说，这解决的并不只是“有没有GPU”，而是GPU能否跟上算法研发的真实节奏，又能在任务结束后及时释放，九章智算云让算力资源与模型研发的真实使用曲线真正匹配起来。

数据、存储与缓存：GPU扩上去了，数据也要跟得上

当计算资源可以快速扩展，另一个问题随之出现：数据是否能够及时供给？

具身智能训练涉及大量视频、图像和机器人轨迹数据。数据规模扩大后，磁盘空间和读写速度都可能成为训练瓶颈。九章智算云支持开源具身智能模型缓存，结合数据缓存减少磁盘空间占用，同时通过高性能存储提升视频等数据的读写效率，减少数据读取对训练任务的影响。

模型进入运行阶段后，数据问题又变成了状态和上下文的复用。

机器人面对连续环境时，视觉、语言、动作等信息不断累积。KV Cache可以复用已经计算过的上下文，减少重复计算。九章智算云将KV Cache与计算资源、数据路径放在一起处理，依托DingoFS分布式文件系统、DFKV高性能KVCache缓存、全域零拷贝链路、RDMA高速网络等底层技术，减少模型权重、缓存及中间状态在不同计算节点之间不必要的数据搬运。

由此，存储和缓存不再只是附属能力，而是与GPU计算共同构成数据链路体系：高性能存储负责训练数据，模型缓存减少重复存储，KV Cache服务运行时状态复用，数据链路降低计算过程中的搬运开销。

对于需要处理长序列、多模态数据和连续交互的具身模型而言，这些环节共同决定了GPU获得的算力能否真正转化成训练和推理效率。

RL训推与云边端：让模型真正进入机器人

对深朴智能而言，模型训练完成只是下一阶段的开始。HiFi-UMI等研究需要经过后训练，再进入真实机器人验证，算法和基础设施也因此需要同步迭代。

在这一过程中，双方形成了算法和基础设施同步迭代的协作模式。“我们提出模型RL算法，九章智算云则能快速迭代RL基础设施技术栈，双方形成算法与工程系统双向RL Scaling的协作模式，对HiFi-UMI技术成熟至关重要。”联合技术小组专家表示。

为了缩短从实验到训练的路径，深朴智能使用九章智算云ALab、CCI云容器实例、极核训练等工具，覆盖实验开发、容器化运行和训练任务。

当模型完成云端训练和后训练，计算链路进一步延伸到机器人侧，形成云训练—边推理—端行动—数据回流：云端负责模型训练和迭代，边缘侧承担低延迟推理，机器人完成最终执行，真实环境产生的数据再返回云端。

小朴Simbot进入酒店场景后，这条链路有了真实的应用场景。机器人面对真实空间、人员和任务产生的数据，可以重新进入云端训练体系，为后续模型优化提供依据。

从模型训练到真实物理场景应用，九章智算云将算力、数据、缓存、RL和训推组织在同一套基础设施中：VKS提供弹性资源，高性能存储和模型缓存保障数据供给，Serverless+RL承接后训练任务，云边协同则将训练结果带入机器人。

一套围绕具身智能研发流程组织起来的基础设施能力正在逐渐展现。九章智算云以弹性算力动态调度为核心，将存储、缓存、强化学习（RL）以及云边训推能力纳入统一体系，使算力能够随模型训练、后训练和部署任务动态变化，并持续支撑模型从云端训练走向真实机器人。对深朴智能而言，九章智算云提供的并非固定规模的算力，而是能够伴随具身智能模型持续训练、迭代和部署而动态调整的AI计算基础设施。

推荐阅读：