中国快速实验
AutoDL 或阿里云 PAI DSW，适合快速跑通 notebook、镜像和小规模 ACT 训练。
01 · Provider Roles
双路径，单接口：训练规范统一，云供应商可替换。
比赛阶段不需要绑定一家云。正确产品设计是：同一份 LeRobot 训练任务，可以在中国云和海外云分别执行，最终导出同一种 Qualcomm edge deployment package。
中国企业叙事
阿里云 PAI / 华为 ModelArts / 腾讯云 GPU，适合讲合规、企业账号和资源治理。
海外开发者
Runpod Pods 或 Lambda Instances，适合按小时租 A100/H100 并快速复现实验。
异步任务
Modal 适合评估、导出、数据转换和短时 serverless job，不一定承担长训练。
02 · Budget Story
卖点不是“便宜 GPU”，而是让机器人训练预算可控。
公开价格只能作为可行性锚点，正式训练前必须重新确认。项目书里应强调 GPU-hours 上限、任务模板、评估报告和边缘部署包，而不是承诺固定价格。
2-8h
早期 demo：小数据集 ACT 训练与一次评估。
8-40h
复赛阶段：多轮失败回流与参数比较。
A100
优先作为可控训练锚点；H100/H200 用于前瞻故事。
cap
每个训练任务设置 GPU-hour 上限，防止预算失控。
03 · Adapter Interface
供应商不同，但训练 job spec 必须统一。
CloudTwin 不应该把业务逻辑写死在某家云。产品层只认识数据集、策略、机器人 profile、GPU 预算和导出目标；adapter 负责把它翻译成 Runpod、Lambda、PAI、AutoDL 等具体任务。
Job spec
dataset、policy、robot profile、GPU budget。
Provider
China or global adapter selects concrete service。
Train
Run ACT / VLA job with reproducible image。
Evaluate
Generate success, latency, smoothness report。
Export
Produce Qualcomm edge deployment package。
04 · Execution Stages
先不依赖真实云账号，再逐步接入真实训练。
这保证初赛材料可以马上展示，复赛阶段也能逐步替换成真实训练日志和边缘指标。
Stage 1
静态 prototype dashboard，模拟训练任务和部署包。
Stage 2
Runpod 或 Lambda 跑一次小型 LeRobot ACT 训练。
Stage 3
AutoDL 或阿里云 PAI 复现同一 job spec。
Stage 4
把 artifact manifest 接入 Prototype / DragonWorks 页面。