人人皆可为师：觅蜂派开启物理AI数据全民众包时代

9月23日，上海，觅蜂科技正式推出全球首个全品类高质量物理AI数据众包服务平台“觅蜂派”。用户只需下载App，领取任务，佩戴觅蜂自研的MEgo设备，在零售、仓储、制造、家庭等真实场景中完成指定操作，即可按审核后的有效数据时长获得报酬，成为一名“机器人训练师”。

这一平台的上线，标志着物理AI数据生产从集中采集走向分布式、社会化协作，也为具身智能突破数据瓶颈提供了全新解法。

“中国版Index”来了

过去三年，具身智能行业从实验室走向真实场景的趋势愈发清晰，但数据始终是绕不开的瓶颈。与拥有海量文本语料的大语言模型不同，具身模型需要的是真实世界中的交互行为数据——抓起杯子、拧开瓶盖、折好衣服，这些日常重复的动作，至今仍未形成可直接用于训练的大规模数据集。 

行业此前通行的真机遥操模式，虽数据与机器人本体对齐度高，但采集速度受限于机器人数量、场地和人力，成本随规模同步增长，难以支撑从百万小时到亿级小时的数据需求。 

今年8月，Figure发布Index，通过向全球用户付费采集真实任务视频构建训练数据集，证明了众包模式在放大数采产能上的价值。觅蜂派被业界视为“中国版Index”，但二者定位存在显著差异：Index围绕Figure自身模型训练需求建立数据闭环，而觅蜂派面向不同模型厂商、机器人企业和数据采购方，根据客户需求组织数据生产，将处理后的数据作为服务对外交付。

这也意味着觅蜂派需要应对更复杂的需求——服务对象越多，覆盖的行业、任务和长尾场景越广；众包规模越大，对采集标准、数据治理和稳定交付的要求也越高。

围绕“全品类”与“高质量”两大维度 

“全品类”与“高质量”，是觅蜂派最值得拆解的两个关键词。

“全品类”的底气，一端来自中国庞大的产业场景基础，一端来自觅蜂牵头推进的场景联盟生态。中国拥有全球规模最大的制造业体系、密集的物流仓储网络、丰富的零售服务业态，大量机器人未来可能执行的任务，已经有人在真实环境中反复完成。 

发布会现场，觅蜂宣布发起“场景数据联盟”，联合场景方、采集网络、机器人及模型企业，推动场景需求、数据采集、模型训练和落地验证形成闭环。

据悉，联盟首批成员覆盖零售商超、酒店文旅、餐饮服务、养护院、医疗健康、地产制造等领域，包括东呈酒店、中旅集团、陈香贵、上海德济医院、龙旗科技、海天瑞声、张江集团等50余家企业和机构。

目前，觅蜂派已覆盖22大类场景、5000多个任务和50000多个真实环境，既包括取放、整理、搬运等通用操作，也包含装配、检修、照护等专业任务，为机器人训练动态环境理解、精细动作控制、连续流程执行等能力提供数据支撑。 

“高质量”的标准，则体现在硬件能力与数据治理体系两个层面。觅蜂派采用自研的MEgo无本体采集设备，该设备采用行业首创的多视角、多模态设计，300°全景加腕部特写记录整体环境与手部操作，配合三维触觉、毫米级轨迹重建和全通道硬件级同步，尽可能减少视觉、触觉和姿态之间的偏差。 

截至8月31日，第2万套MEgo设备已下线，累计采集有效数据达到百万小时。在数据治理端，觅蜂构建了MEgo Engine数据处理基础设施，覆盖数据处理、感知、标注和质量评估等环节，并通过ManiEval多维度数据质检与分级体系，从数据类型、任务类型、传感器质量、语义质量、动作质量等维度对数据进行评估，坚持“不过滤，只分级”——不同质量、不同特征的数据匹配不同的模型训练需求，让每一条真实数据都能找到适合自己的应用场景。

目前，觅蜂百万小时级无本体数据已开始服务腾讯Robotics X实验室、蚂蚁灵波等头部客户。

注册用户数已达2万人

值得一提的是，在为期一个月的内测期间，觅蜂派注册用户数达2万人，累计产生1.3万份采集任务提交。首批参与者来自不同年龄和职业，他们把日常劳动与专业技能转化为机器人训练数据。

其中，42岁的网约车运营人员李国英，第一次戴上MEgo设备记录浇花、擦玻璃、整理桌面的过程，约15分钟后上传数据并通过审核获得收益，此后她开始利用下班时间在做家务时完成采集，“把生活兼顾了，还能有一份额外收入，是双倍开心的事情”。

仁昌顺苏式糕点制作技艺传承人陆小星则通过采集揉制、包馅、压模等动作，为非遗技艺留下了新的数字载体，“把这些数据记录下来，上传给机器人学习，打开了我对传承的新思路”。

觅蜂科技董事长兼CEO姚卯青表示：“物理AI最好的老师，是每一个认真生活的人。”随着具身智能的数据需求从百万小时迈向亿级小时，能够持续连接真实场景、响应不同模型需求并保持稳定质量的基础设施，其稀缺性将进一步上升。觅蜂派的目标，正是构建这样一张持续生长的物理AI数据网络——让家务、岗位、产线和非遗手艺，都成为机器人成长的“教材”。