一天 390 小时仿真数据、渲染快 67.3%：优必选这台「数据工厂」，最该先算的是 390÷24÷8
优必选 11 月 2 日发布 Thinker-Sim 仿真平台，官方给出的三个数是：渲染效率 +67.3%、单节点（8 GPU）日均 390 小时仿真数据、SIL/HIL 通信效率 +400%。三个数都很大，但只有第二个能换算成钱——把 390 除回 24 小时和 8 张卡，得到的并行倍率是 2.03 倍。
- 发布：优必选 2026-11-02 发布具身智能仿真平台 Thinker-Sim，官方定位是以 Real2Sim2Real 为核心的「真实场景数字化 + 规模化仿真数据合成 + 机器人能力评测」一站式体系，与财联社当日 08:52 电报同步。
- 三个核心指标：自研渲染引擎渲染效率提升 67.3%；单节点（8 GPU）日均 390 小时仿真数据合成产能；自研 SIL/HIL 通信模块效率提升超过 400%。
- 三个功能模块：Thinker-GS 场景重建（工厂产线、商业展厅三维重建）、SimReady 资产自动化生成（图文驱动批量生成、低模拓扑优化、碰撞体自动配置）、统一仿真评测（场景/光照/纹理/材质多维随机化）。
- 把一个数算回去：390 小时 ÷ 24 小时 ÷ 8 张卡 = 每张 GPU 每天产出相当于 2.03 小时实时。这个倍率说明 390 更像「渲染与物理都跑满的合成产能」，不是「策略训练吞吐」。
- 判断：仿真平台的价值从来不在于「一天能生成多少小时」，在于「生成的小时里有多少小时不用改参数就能上真机」。优必选这次把前一个数给了，后一个数没给——而后者才是采购方真正要付钱的那部分。
先把发布事实说清楚：11 月 2 日上午 8 点 52 分，财联社电报挂出「优必选 Thinker-Sim 具身智能仿真平台发布」；同一时间，优必选官方公众号发出详细版本，把三个技术指标和三个功能模块全部摊开。港股代码 9880，官方给自己的标签是「人形机器人第一股」。
仿真平台这类产品，发布会通常只讲一件事：我们能让真实世界更快地进入仿真。这次优必选也是这个套路，但难得地给了三个可以算的数。
| 官方指标 | 原文表述 | 能不能直接换算 |
|---|---|---|
| 渲染效率 +67.3% | 自研渲染引擎，「渲染效率提升 67.3%」 | 不能。没给基线，不知道是从哪一版提到哪一版 |
| SIL/HIL 通信 +400% | 自研高性能通信模块，「通信效率提升超过 400%」 | 不能。同上，且「效率」指带宽、时延还是吞吐未说明 |
| 390 小时／节点·天 | 单节点（8 GPU）日均 390 小时仿真数据合成产能 | 能。有分母、有时间单位，可以除回去 |
第三个数是这批参数里唯一「自带分母」的：一个节点、8 张 GPU、一天、390 小时。四个量级都在，可以直接做除法。
390 ÷ 24 = 16.25，意思是这一个节点在一天里，等效同时跑了 16 个左右的仿真进程；再 ÷ 8 张卡 = 2.03，意思是平均每张 GPU 每天产出相当于 2.03 小时实时。
要判断一个仿真平台的产能到底算不算多，得先知道「真机数据」有多贵。本号 11 月 1 日那篇《12 万元的本体算出 105 元一小时，60 万元算出 640 元》里算过一笔：按本体价格与折旧年限折算，一台 12 万元级本体的数据采集成本约 105 元/小时，60 万元级约 640 元/小时，这一口径只含本体折旧，不含标注、返工与场地。
用这个价格给 390 小时标个价：按 105 元/小时计约 4.1 万元/天·节点，按 640 元/小时计约 25 万元/天·节点。这是「等值真机采数」的账面价值，不是平台的售价，也不是它省下来的钱——因为仿真小时和可用小时之间还隔着一层现实差距。
再把时间轴拉长一点。一个节点一年跑满 365 天是 14.2 万小时，按 250 个工作日算是 9.75 万小时。行业里谈「百万小时数据资产」时，对应的量级大约是七个节点跑满一年；谈「千万小时」时，是七十个节点·年。
这组换算说明的第一件事：在仿真里堆到百万小时，已经不再是一个靠「多买几张卡」能解决的问题，而是一个持续烧电、烧运维、烧存储的长期投入。它更像建厂，不像买软件。
第二件事：百万小时这个量级，恰好对应本号此前写过的数据成本分层——50 万小时与千万小时之间，价格不是一个线性关系，而是分了三六九等。
第三件事：如果 390 小时里大部分是低保真、快速生成的合成轨迹，那它的单位成本可以很低，但迁移到真机时要打折；如果是高保真、带接触力与传感器噪声的轨迹，单位成本会上去，可用率也会上去。
优必选没公布这个拆分。这也是仿真平台类产品最需要被追问的一处：产出的小时数里，有多少是「可以直接进训练集」的。
官方把三个模块串成一条链：真实场景三维重建（Thinker-GS）→ 资产自动化生成（SimReady）→ 仿真数据合成 → 统一评测。这条链的名字叫 Real2Sim2Real，字面意思是「真实进仿真、仿真回真实」。
链条上最容易被低估的是第一环。工业产线的三维重建听上去是扫描问题，实际是资产语义问题：扫出来的点云与网格只是几何，机器人要能在里面训练，还需要知道哪块是工件、哪块是夹具、哪块会动、哪块可以碰。官方稿里对 SimReady 的描述是「图文驱动的三维资产批量生成、低模拓扑优化、视觉材质生成与碰撞体自动配置」——注意最后一项「碰撞体自动配置」，这才是让资产从「看起来像」变成「能被物理引擎算」的那一步。
第二环是评测。官方给的能力是「场景、光照、纹理、材质等多维度随机化」，用来复现真实世界的不确定性。这一环的说服力不取决于随机化维度有多少，而取决于随机化之后的分布是否覆盖了真机现场的长尾。这件事没法在发布会上证明，只能靠「仿真里排在前面的模型，到真机上是不是还排前面」来验证。
对采购方来说，仿真平台是一笔长周期投入。按这次的公开信息，至少五个问题现在没有答案，而这五个问题的答案决定了它值不值：
一、可用率。390 小时里，有多少小时是「不加人工筛选就能进训练集」的？这个比例低于三成，账就要重算。
二、保真度口径。渲染、物理、传感器仿真分别开到什么程度？接触力有没有建模？相机噪声、运动模糊有没有？
三、迁移验证。在仿真里排名靠前的策略，到真机上的成功率掉多少？这是 sim2real gap 唯一的硬指标。
四、场景重建工期。一个真实产线从进场扫描到可训练，需要几天、几个人？这一项直接决定单场景的前置成本。
五、可迁移性。换一台机器人本体、换一个末端执行器，资产和场景要不要重做？如果要，那这条流水线只在自家本体上成立。
五个问题里，前三个决定「生成的数据能不能用」，后两个决定「这套东西能不能复制到下一个客户」。发布会讲的是产能，采购要签的是这两件事。
回到那三个数。67.3% 和 400% 是工程进度条，说明团队在渲染和通信这两块确实下了功夫；390 小时是产能刻度，说明这套系统已经能连续跑起来。但仿真这条赛道的胜负手从来不在产能，而在产能里有多少能用。
本号此前写过，数据成本这道题的分子是折旧不是标注；仿真平台想改写的，正是这个分子——用一度电替代一台机器的折旧。这个逻辑成立，但它成立的前提是：仿真出来的那一小时，和真机采到的那一小时，在训练里能顶同样的用。优必选把 390 摆出来了，接下来该摆的是那个兑换率。