具身智能正从仿真走向真实世界大规模验证，但分布式异构基础设施的“碎片化”，制约了大规模真机数据采集和分布式强化学习效率。为突破瓶颈，智元基于云原生架构重构云边算力，升级具身智能开发平台Genie Studio，将“零散运维”升级为“集群化统一调度”，为具身智能进化搭建稳固可扩展的数字底座。

随着业务覆盖更多真实场景，底层基础设施复杂度剧增。制约规模化研发效率的核心问题，已从算法延伸到底层基建稳定性，主要面临三大挑战：

• 资源“各玩各的”：云-边-端算力成孤岛

  具身智能的算力呈现典型的“云-边-端”阶梯式分布。由于缺乏统一的资源抽象，异构算力长期处于割裂状态，导致计算任务无法在全链路实现全局最优的编排调度。

• 实验“反复横跳”：环境不一致复现难

  传统运维工具难以在数百台节点规模下维持环境一致，底层驱动、依赖的细微偏差会导致实验结果不可复现，这种不断累积的环境熵增，是分布式真机规模化验证必须跨越的基建门槛。

  
  

• 网络“不靠谱”：移动机器人难管控

  机器人移动作业、跨地域分布的特性，与传统中心化管理架构不兼容，网络延迟、断连易导致任务管理异常，影响边缘作业连续性。

为应对以上挑战，我们以Kubernetes和容器技术为核心，将云、边、端异构资源整合为一套可编程的多集群资源池，通过“声明式编排”替代传统“命令式运维”，实现跨地域统一编排调度，从根源上锁定了实验环境的一致性。

为了支撑跨地域、大规模的真机验证，我们在Genie Studio上搭了一套“中心管控+边缘自治”的架构——核心是靠“中心集群”管全局，靠“边缘集群”管本地，具体分工清晰：

• Meta Cluster（中心管控集群）平台的“智慧大脑”

  基于原生Kubernetes构建。它对外提供统一API，负责全局资源调度、策略与镜像分发、配置聚合等所有管控逻辑，实现管理平面的集中与收敛。

• Edge Cluster（边缘自治集群）平台的“灵活手足”

  基于开源OpenYurt构建，分布在不同物理地域。每个边缘集群自主纳管该区域内的所有边缘计算节点和机器人终端，实现低延迟响应与离线自治。

依托这套架构，我们在三个关键层面实现了突破：

对物理世界的机器人进行节点建模，将其抽象为轻量化的Kubernetes计算节点接入边缘集群。

统一接入后，通过容器技术实现软件算法与底层硬件的解耦。机器人由此变成了像服务器一样可编程、可调度、可度量的标准算力单元，极大降低了大规模节点的运维成本。

为打破资源孤岛并实现全局最优的任务调度，平台构建了两级资源池：

通过资源池化，Genie Studio向上层应用屏蔽了底层所有复杂性。算法工程师无需关心任务具体跑在哪个城市、哪台x86主机或ARM机器人上，只需通过统一API提交需求，系统即可自动完成从云端训练到边缘推理的全链路编排，实现 “一套代码，全局调度”。

• 边缘自治：靠OpenYurt的YurtHub机制，就算云边网络完全断连，边缘节点也能靠本地缓存维持任务运行。不会出现“云端以为边缘离线，误删任务”的情况，保障真机实验不中断。

  
  

• 跨地域网络隧道：机器人跨地域分布于不同NAT环境，通信不便。我们通过OpenYurt Raven构建加密隧道，实现跨集群、跨设备直接通信。

资源统一管理是基础，高效任务调度是核心。Genie Studio的“真机任务声明式管理”功能，让工程师无需逐台部署环境，只需在界面定义任务要求，系统自动完成节点筛选、容器分发、任务启动。这既解放工程师脱离繁琐运维，又锁定环境一致性，保障实验结果可靠可复现。

选择基于云原生构建底座，另一个巨大优势是能够深度复用成熟的云原生生态体系。通过引入工业级的开源工具链，我们将具身智能研发从“脚本驱动”的模式彻底拉入全栈工程化治理的轨道。

• 全链路可观测性

  通过集成Prometheus、Grafana等工具，平台实现了对云、边、端资源的深度监控。监控指标从传统的CPU、内存，延伸到GPU利用率、端到端推理延迟，甚至机器人本体的电机电流、关节扭矩等硬件数据，让研发状态一目了然。

  
  

• 复杂工作流编排

  针对“采-训-测-推”这一极长研发链路，平台可支持引入工作流引擎，实现了DAG工作流编排及任务状态机管理，将任务逻辑与底层资源解耦。系统会自动将工作流每个子任务按负载动态调度到最合适的节点上启动，并提供完善的重试、事件上报机制。

基于Genie Studio云原生边缘集群纳管，我们完成了具身智能规模化真机训练基础设施构建的第一阶段：实现了异构节点的标准化纳管、研发环境的容器化封装以及边缘集群的自治。这套底座解决了“异构节点怎么管、任务怎么发”的问题，将具身智能研发从离散的单机调试推向了规模化的集群编排，为后续实现多集群协同、高性能异步通信及分布式异步真机强化学习夯实了工程基础。

目前，智元在大规模真机数据采集、大规模分布式真机强化学习等更复杂场景的实践已取得显著进展，架构经规模化落地验证，显著提升研发效率。

有了这套统一纳管的底座，我们如何像启动一个本地容器一样，一键拉起云边联合推理任务、大规模分布式真机强化学习训练任务？敬请期待下篇：具身智能云边协同系列（二）《基于 HybridJob 的多集群云边联合任务编排》。