配置推荐
按同时采集的设备数量和数据要存多久，估算工作站、集群或 SaaS 需要的硬盘、服务器和网络。结果仅供评估参考，需要报价或交付请联系我们。
工作站和集群都装在客户机房，不连外网。录像、标注和模型都留在现场。SaaS 除外。
部署方式
工作站和集群都在机房内运行，数据不传到外网。
方案
采集设备用千兆网口接入，再接到工作站。采集和标注可以在同一网段。
预估用量
采集设备分两类：装在机器人上的相机，以及人戴在头上或身上的相机。按同时在采的设备台数加总。
机器人（同时在采）
头戴相机（人做动作）
设备合计
10同时在线使用人数
数据保留时间（月）
模型训练（可选）
显存需求
可训练的基础模型
- π₀ / π₀.₅
- Isaac GR00T N1.x
- SmolVLA
- Spirit-v1.5
- Wall-OSS
- OpenVLA
- EO-1
GPU 数量
推荐型号
RTX PRO 5000 Blackwell（48 GB）机器人采集
常见是 3 路 480p 压缩彩色画面（MJPEG），关节数据另外计入。
480p 压缩彩色（MJPEG）
每日采集小时
每年采集日
额外彩色图像
深度图像
配置明细
单机部署（Docker Compose 2.20+）
1 × 塔式工作站
CPU / 内存
32 核 / 128 GB
GPU
1 × RTX PRO 5000 Blackwell（48 GB）
参考机型
Dell Pro Precision 9 T6 或同等规格
| 角色 | 数量 | CPU / 内存 | GPU | 参考机型 |
|---|---|---|---|---|
| 塔式工作站 | 1 | 32 核 / 128 GB | 1 × RTX PRO 5000 Blackwell（48 GB） | Dell Pro Precision 9 T6 或同等规格 |
存储
8 × 32 TB · 纠删码 10+4（可同时坏 4 块盘） · 146 TB
建议预留的硬盘位（按三年）
9
机房
落地摆放，不用机柜。建议放在机房或设备间。 峰值 1.8 kW
按压缩后的录像估算：一路 480p 压缩彩色大约 6 Mbps，一路 720p 压缩视频大约 3.5 Mbps。机器人常见 3 路 480p，每台大约每小时 8.5 GB；头戴常见 4 路 720p，每台大约每小时 6.9 GB。数字来自 Hugging Face 上 LeRobot、ALOHA 一类开源数据集的常见机位和码率。未压缩或多路高清会高一个数量级，应在设备上开启压缩。
系统会留一份原始录像，再导出一份训练数据，所以容量按 1.17 倍计。可用容量还要扣掉双副本或纠删码，并按硬盘用到 80% 就要扩容来预留。
同时能采多少台，看网络和服务器；能存多久，看硬盘。两件事分开配。现场请用网线，不要把无线当主链路。
需要这套配置？
把估算结果发给我们，IO-AI 的交付工程师会核对机房条件和可供货的机器，并给出报价。