DualCloudOps | LeRobot 双云训练到高通边缘发布

01 · Problem

机器人团队不是缺 GPU，而是缺一条能交付的训练流水线。

LeRobot、低成本机械臂和云 GPU 让原型更快，但商业客户要的是另一件事：数据能不能去那朵云？训练能不能复现？成本能不能封顶？checkpoint 能不能变成 Qualcomm 边缘上可验签、可评估、可回滚的部署包？

Data

真实机器人数据很敏感

视频、地图、工艺流程、人员、动作轨迹、工牌、operator log 和 failure clips 可能涉及隐私、商业秘密和安全区域。

Cloud

算力选择不是价格表问题

大云可信但重；neocloud 快；marketplace 便宜但风险高。机器人团队需要 policy-aware routing。

Repro

训练脚本很难变成交付物

dataset commit、container、LeRobot version、seed、policy config、checkpoint、日志和评估指标经常散在不同系统。

Eval

loss 下降不等于任务成功

客户要 success rate、intervention rate、failure replay、latency、deadline misses 和 rollback target。

Edge

云端 checkpoint 不是上板部署包

Qualcomm 目标需要 ONNX/QAIRT/QNN candidate、AI Hub profile、SBOM、签名、SafetyOps gate 和设备配置。

02 · Current Alternatives Fail

GPU 云、MLOps 和机器人 fleet 工具各自强，但没有把机器人策略变成可发布 artifact。

DualCloudOps 不和 AWS、阿里云、RunPod、Lambda、CoreWeave、Run:ai、Weights & Biases、Foxglove 或 Formant 争同一个位置。它站在这些工具之上，定义机器人训练合同、数据边界、评估门禁和 Qualcomm edge release。

Hyperscalers

AWS、GCP、Azure、阿里云、腾讯云、华为云可信，但 quota、成本、区域、数据出境和上板链路要自己拼。

Neoclouds

CoreWeave、Lambda、RunPod、Modal、HF Jobs 很快，但不判断 robot video 能不能去或 release 是否可审计。

Marketplaces

Vast、AutoDL、潞晨云便宜，适合低敏实验；敏感客户数据需要分类、隔离和 support。

MLOps

W&B、MLflow、SageMaker、Vertex 追踪实验，但不理解 LeRobotDataset、robot body、intervention rate 和 QNN profile。

Robot Data

Foxglove、Formant、Viam、InOrbit 观察机器人，但不是以 train -> eval -> export -> edge release 为核心。

Self Build

自建脚本启动最快，商业化最慢；进入双市场、客户审计、edge package 和回滚后维护成本迅速上升。

03 · Solution

DualCloudOps 用一份 Robot Training Contract 连接双云训练和 Qualcomm edge release。

同一个 LeRobot job 可以路由到中国云、海外云、HF Jobs、企业 BYOC 或低敏 marketplace lane；但数据合同、训练配置、评估门禁、artifact 签名和 Qualcomm 设备 profile 保持一致。

Contract

dataset、policy、robot body、sensor schema、预算、隐私等级、区域、目标芯片、验收指标。

Route

按数据敏感度、区域、GPU 可用性、成本、interconnect、provider trust 和采购策略选择 lane。

Train

固定 container、LeRobot version、Git SHA、seed、dataset revision、checkpoint cadence 和 provider receipt。

Gate

用 lerobot-eval、rollout、HIL、failure replay、intervention rate、latency 和 rollback rule 做发布决策。

Ship

输出 ONNX/QNN candidate、AI Hub profile、SBOM、provenance、签名、SafetyOps gate 和回滚包。

Cloud training is not in the safety loop. Cross-border access can be a data export event. DualCloudOps 默认把 raw robot data、model registry、logs、keys 和 support access 按区域隔离，只移动经过策略批准的 hash、summary、derivative 或 signed artifact。

04 · Why Now

2026 年机会不是再租一张 GPU，而是把机器人训练变成可治理、可审计、可上板的工业流程。

LeRobot v0.6、LeRobotDataset v3、HF Jobs、H100/H200/B200 供应碎片化、中国/海外数据边界、Qualcomm AI Hub / QAIRT / QNN 和 Dragonwing 机器人生态同时成熟。云 GPU 访问已经不是稀缺能力；被治理的 GPU 路由才是商业化能力。

LeRobot eval、rollout、HIL correction、FSDP、HF Jobs 和 Dataset v3 形成可产品化底座。

China 国内云、数据驻留、发票、账号采购、PIPL/数据出境评估和本地支持成为交付条件。

Global hyperscaler 可信但重，neocloud 快，marketplace 便宜但只适合低敏可重跑实验。

Edge AI Hub / QAIRT / QNN profile 让云端训练结果有清晰 Qualcomm 目标。

Evidence 客户、评委和质量团队需要 dataset hash、model hash、SBOM、签名、profile 和可回滚 release。

05 · Product

第一版只做一个完整闭环，不做万能云平台。

MVP 是一条可演示的 robot policy release：50-100 个 SO-101 / tabletop episode，LeRobotDataset v3，China 或 Overseas lane，ACT 训练，固定 eval gate，再导出 Qualcomm edge release package。SmolVLA / VLA 是 forward-looking candidate，不承诺全部上 NPU。

Training Contract Builder：dataset、policy type、robot body、camera schema、privacy tier、region lane、budget cap、target device。
Provider Router：中国 CUDA Fast Path、中国 Domestic Compliance Path、Overseas Enterprise Trust、AI Native、Marketplace Low-Sensitivity。
Cost & Risk Guard：GPU quote、duration、storage、egress、spot retry、checkpoint cadence、provider allow/block list。
Eval Harness：lerobot-eval、rollout / HIL correction、replay eval、success rate、intervention rate、failure classes。
Edge Release Exporter：ONNX/PT2 candidate、AI Hub compile/profile receipts、QNN backend report、SafetyOps gate、signed rollback。

06 · Product API/Evidence

卖点不是接了几朵云，而是每次训练都有合同、账本和 release evidence。

DualCloudOps 的数据结构把 GPU 供应商变成可替换资源，把 robot policy release 变成可审计资产。所有指标标注来源：simulated、replay-eval、AI-Hub-device-cloud、proxy 或 measured-on-board。

TrainingContract

dataset、policy、robot_body、sensors、privacy_tier、region_lane、budget_cap、target_device。

DatasetLedger

LeRobotDataset version、episode ids、rights、redaction、calibration hash、firmware hash、split。

ProviderRun

cloud、region、GPU SKU、container digest、LeRobot version、git SHA、seed、checkpoint cadence、spend。

EvalGate

sim success、real rollout、intervention rate、latency p95、failure class、release decision。

EdgeProfile

Qualcomm target、AI Hub compile/profile IDs、ONNX/QNN artifact、runtime、backend、memory、fallback。

SignedRelease

model hash、dataset hash、SBOM、SLSA/in-toto provenance、signature、install manifest、rollback receipt。

Policy

Cross-border gate

海外访问中国存储数据也可能是 export event；默认只移动 hash、summary、approved derivative 和签名 artifact。

Evidence

Cost and egress report

训练前预算、训练中花费、storage、egress、idle disk、reservation commitment 和 checkpoint retry 都进入账本。

Release

Edge audit pack

dataset-ledger、provider receipt、eval_info、AI Hub jobs、QNN backend report、SafetyOps gate 和 rollback record。

07 · Market & Business Model

先卖给从 LeRobot demo 走向客户 pilot 的机器人团队。

第一批买家不是大模型实验室，而是机器人 OEM、系统集成商、具身智能实验室、制造业自动化团队、教育套件和 Qualcomm 生态开发者。他们需要的是 capture, train, evaluate, export 的 4-8 周交付闭环。

China

数据驻留 + 国内云训练

团队版 RMB 3k-20k / month + compute pass-through；pilot package RMB 20k-80k；企业私有 lane RMB 100k-800k / year。

Global

LeRobot-to-edge SaaS

团队版 $499-$5k / month + compute pass-through；SI pilot $20k-$80k；enterprise lane $100k-$500k / year。

Revenue

不是 GPU 差价

收入重点是 training ops、procurement intelligence、private lane、validation、edge release 和 support SLA。

Buyers

AI 负责人 + 法务 + 采购

CTO 关心模型，法务关心数据边界，采购关心 provider 和发票，Qualcomm FAE 关心能否上板。

08 · Competition & Moat

Provider adapter 容易复制；机器人 release evidence graph 不容易复制。

DualCloudOps 的壁垒不是开 H100，而是每次训练和部署留下的机器人上下文：robot body、sensor schema、任务、数据区域、失败模式、Qualcomm target、延迟、内存、backend 和回滚。

Episode Ledger

真实机器人 episode、失败、接管、权利、区域、传感器和标定形成可复用的数据资产。

Eval Harness

固定 split、sim/real 指标、回放标签、regression gates 和 release decision 形成行业默认评测。

Edge Graph

policy + robot body + sensor config + Qualcomm target + latency/memory/backend/thermal evidence。

Dual-Region Playbook

中国和海外 provider 的数据边界、预算上限、artifact 移动规则、发票和支持语言。

Procurement Evidence

每个 release 带 lineage、cost、eval、SafetyOps gate、rollback、SBOM 和 edge profile。

Distribution

LeRobot 社区、Qualcomm 机器人生态、教育套件、SI pilot 模板和云市场形成入口。

09 · Why Qualcomm

DualCloudOps 把全球 GPU 云的不确定性，转化成 Qualcomm edge 的确定性需求。

如果开发者只在云端训练，Qualcomm 只是最后一个可选目标。DualCloudOps 让每个 LeRobot job 从一开始就声明 Qualcomm target，并以 AI Hub/QNN profile、延迟/内存报告、签名包和回滚包结束。

Pull-Through

中国云、海外云、neocloud 和 HF Jobs 的训练结果都导向 Qualcomm edge package。

AI Hub

compile、quantize、profile 和 hosted-device validation 成为训练 job 的标准最后一步。

QNN Runtime

把 PyTorch/ONNX checkpoint 转成 QAIRT/QNN 候选 artifact，并记录 unsupported ops 和 fallback。

FAE Demo

同一份 LeRobot job，切换中国/海外云，最后上同一块 Qualcomm board。

Ecosystem

机器人 OEM、SI、教育硬件、云服务和开发者围绕 Qualcomm target 形成默认交付路径。

10 · Demo & Ask

8 分钟演示：同一份 LeRobot job，两条云路径，一份可验签边缘包。

Demo 不需要真的训练大模型。它要让评委看到商业闭环：数据边界、云路由、训练日志、评估门禁、Qualcomm profile、签名 release 和本体部署验证。

0-2m 选择 SO-101/桌面臂任务、LeRobotDataset v3、ACT、预算、数据等级和 RB3/QCS target。

2-4m 切换中国云/海外云；展示数据驻留、provider runner、GPU、dataset hash、成本守卫和 egress policy。

4-6m 训练完成后跑 lerobot-eval / rollout / replay gate，导出 ONNX candidate 和 AI Hub/QNN profile report。

6-8m 生成 signed edge package：SBOM、provenance、cosign signature、SafetyOps gate、rollback receipt，并在 edge 端验签。

对 Qualcomm 的请求：提供 QCS6490 / QCS8550 / RB3 / IQ target guidance、AI Hub / QAIRT / QNN office hours、云训练额度和一个 OEM/SI/教育套件试点，让 LeRobot 社区第一次把“云端训练”自然落到 Qualcomm 机器人边缘。

DualCloudOps 的核心不是替客户省几块钱 GPU，而是让机器人策略训练从实验脚本变成可采购、可审计、可上板、可复用的商业交付流程。