文丨李佳晅
在网约车和外卖领域，众包早已是成熟基建：算法调度、信用体系、保险保障一应俱全。如今，这套被验证过的模式，正被搬进Ego（第一人称视角）数采这个全新行业，从送人送餐，转向采集真实世界数据。
9月23日，觅蜂科技发布物理AI数据众包服务平台“觅蜂派”。它的关键词很猛：全品类、高质量、全球首个。
简单说，这是一个把“采数据”变成“接单”的平台。采集者戴上一套头戴设备，无论是在厨房开冰箱、在工厂拧螺丝、在农田耕地、在仓库搬箱子，只要手部动作被清晰记录下来，就可能变成机器人训练所需的真实世界数据。
觅蜂派目前覆盖22大类场景、5000多个任务和50000多个真实环境，包括物流、仓储、住宿服务、教育、养老照护、餐饮、零售、公共服务、办公、汽车服务、医疗、建筑施工、交通出行、农业生产、文旅等。任务既有取放、整理、搬运等通用操作，也有装配、检修、照护等专业任务，可用于机器人训练动态环境理解、精细动作控制、连续流程执行、风险判断和安全交互等能力。
截至当前，觅蜂派APP整体注册量已经突破2万。
01
单月佣金最高超5000元
你想不想在做本职工作的同时，顺手采集数据赚外快？
觅蜂科技公布数据显示，在过去一个月的内测中，最高有人拿到了5111元收益。这也是众包模式最直观的吸引力。
想做众包数采，设备从哪里来？答案是租借。觅蜂科技觅蜂派业务总经理张智富在采访中直言：“设备如果假设是免费的，会导致这个设备给你了但你不会用。所以我们今天收设备使用费，目的不是为了收钱，而是让领这个设备有一定门槛。”
他透露，MEgo设备原始价定在39元，发布会推广期30天内降到19元。10月23日之后，还会再公布设备整体标准。基于现在MEgo头戴式设备，未来可能还要加腕部、手套或者手环，定价会略微高一点，但“不会高得很离谱”。同时，平台会结合做单或提交任务的质量和有效率，适当做设备补贴，并联合三方建立众包信用体系，尽量做到信用免押。
但钱不是“戴上就有”。亿邦AI亲测后发现，合格数据存在门槛：头戴设备要规范，手部动作要在头戴设备视野范围内，不能动作太快。“有人头戴设备戴得偏高，所以摄像头照不到手部动作，导致数据采集无效。正确佩戴要让头环贴近眉毛的位置。”现场工作人员告诉亿邦AI。
采完数据多久结算？这是众包人员最关心的问题。
姚卯青表示：“结算我们追求的是一个平衡，它的效率还有准确度。”姚卯青说，不希望采集完数据要过很多天、过一两周才看到结果才能结算，所以觅蜂派会争取在一天之内快速反馈结果、结算相应费用。平台会用自动化方法对采集时长做有效环节提取。在后续处理中，自动化切分之后，以这个为基础结算，之后还会做更细致的数据处理、标注、轨迹提取，最终还有人工抽检。
“总的来说肯定还是不可能完全百分百最终流到模型训练这一层，但是也不会损耗太大。”姚卯青说，前面自动质检准确率和召回率都提升到比较高的水平，过了结算环节之后，超过95%的比例还是能最终被用起来。
他还强调，数据并不是大众所想的“非黑即白”。“大家可能会觉得好数据、坏数据就是一个0和1，坏数据就丢掉了，其实不是。数据质量可以分很多层，根据不同下游模型类型或者不同模型的训练阶段，其实是可以去利用不同质量等级的数据。所以我们会给它贴上一些质量标签，把它们尽可能保留下来。”
从数据采集的行业标准的层面来看，姚卯青认为，现在还不能说完全收敛，但有共性需求：
第一，场景要真实、要丰富，不能在同一个地点、同一个工作反复采，也不能在室内搭建环境里反复采桌面场景。
第二，需要比较高的空间精度。人手或用UMI设备采集，录制到的是2D视频，在2D原始素材里如何提取6D六维高精度空间信息，行业有共识性标准，比如五毫米、三毫米空间精度。
第三，需要对作业过程以自动化方式为主，进行语义动作层面的描述性标签。
在备受关注的采集者隐私方面，觅蜂派会自动化做脱敏，不是让员工手动给人脸一帧一帧打马赛克，而是在数据传输回后台之前，有一个自动化的打码过程，后台员工不会看到这些隐私信息。
在安全保障上，觅蜂派作为面向C端的众包平台，相对开放，很难管理。因此，觅蜂派将给每一个众包人员买一份意外险。“如果在众包采集任务过程中受伤了，保险可以给他提供对应的福利和权益，保障他做数据采集过程中基本安全。但觅蜂派还在不断完善体系的过程中。”张智富说。
02
为什么需要众包？
姚卯青的判断是：数据依赖越来越大，而且规模在快速突进。
“去年上半年，很少有人提几十万小时的数据规模，很多都在1万小时规模。到去年年底有人已经到20万小时，今年很快已经好多人说100万小时。实际我们接触到的用户都是在提千万小时级的需求。”姚卯青说，AI进入下一阶段，必须进入物理世界闭环决策，需要真实世界里的闭环场景数据。头部公司首要考虑的反而不是成本，而是需求响应越快越好、越多越好、越丰富越好。
这也迫使采集设备越来越专业。早期拿手机绑在头上、拿单目运动相机的方式已经被淘汰。现在需要像MEgo这样前面有专业双目摄像头，一方面便于做SLAM提取高精度空间信息做标定，另一方面也可以做深度提取，还要加腕部相机捕捉手部细节。
“而众包这种形式，在外卖、打车已经经过了接近十年的不断迭代，最终的方法论、最后整个配套体系包括产品能力，都是非常可靠的。”姚卯青说。觅蜂科技希望通过众包方式，更加灵活、便利地进入这些场景。“很多行业的发展都证明了全民参与，最后才是质量最高的。包括自媒体，每个人上传自己的生活片段才是最精彩、质量最高的。我们觉得数据的事情也是一样的。”
目前，上架任务的逻辑是“以销定产”：收集整理最新从市场端获取的订单需求，归纳、去重，看看什么样的数据需求现在库存里能满足，不能满足的再根据订单当前和长期价值，以及资源支撑能力，做优先级匹配，再分发到不同路径。
觅蜂派APP截图
“众包非常重要的价值和意义，是走进千行百业做场景渗透。”张智富说，线下全国服务网络有一个重要赋能叫场景资源赋能。场景颗粒度会放在某一个具体动作，内部也分五种类型，有大有小。比如告诉你一个任务，你就在一个房间采，这可能是很广的任务；也可以明确说你去厨房把冰箱打开，这个过程中你做几秒，这是很明确的动作。
但具体需要什么样的动作，由需求方来决定。他举了个“收麦子卖面包”的例子：觅蜂科技做的是收麦子的事情，但最终卖出去的是面包。不同客户需要不同口味的面包，也就是说，模型能力也有限，平台尽量把面包做到符合大众需求。同时要有“货架”概念，有标准SKU，尽量按标准SKU提供。如果客户需要十万量级的数据，也可以做定制化处理，更多费用给到平台，形成以销定产的大逻辑。
但场景越多，壁垒越明显。觅蜂科技副总裁殷哲表示，达到1亿小时之后，除了设备问题和采集人力问题，还有更大的场景问题。
“比如我是一个食品厂，你要来采数据，你的设备是否安全，这是第一点；第二，一个众包员带设备进入工厂，老板是否允许你采集；第三，如果有些用户需要海南采椰子（的数据），我们设备怎样去到海南，是否有人能承接这样的设备。”殷哲说，壁垒不打通，不仅采集成本高，而且很难短时间内满足客户需求。他拿页岩油打比方：这个场景有价值，但很多时候为什么不开采？因为页岩油开采成本比采出来的油还贵。
也正因如此，觅蜂科技搭建起场景联盟，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。联盟首批成员覆盖零售商超、酒店文旅、餐饮服务、养护院、智慧生活、医疗健康、地产制造、城市物业等领域，包括东呈酒店、中旅集团、华驿酒店、陈香贵、浦商生鲜超市、普善养护院、上海德济医院、正荣集团、龙旗科技、海天瑞声、张江集团等50余家企业和机构。
按照觅蜂科技的设想，建立联盟，先把场景备好，等客户需求一来，就能随时接住。对成员来说，加入联盟后，可以优先看到数据和场景应用落地的可能性，未来也能优先部署，抢做行业领头羊；等设备成熟，还能卖给同行，长成公司发展的第二曲线。
03
众包数采，可持续吗？
Ego数据需求量到底有多大？能支持众包生意走多久？
姚卯青说，现在做具身、原生预训练，很少有人再用低质量、效率低、没什么帮助的互联网数据。众包市场缺口非常大，很多客户需求已经1000万小时级。
不仅仅是数量级，更是对于场景的细分和专业度的要求。姚卯青表示，相比原来粗放式的“有什么用什么”，现在客户对数据质量的要求已经进入新阶段，必须通过众包方式更快触达五花八门、千奇百怪的行业和场景。
“目前在训练大模型过程中，无本体数据量从绝对小时数来讲是大头。”姚卯青说，因为世界模型在预训练阶段就是训表征，预测下一个frame、下一个chunk。真机比例会在IDM组件、后训练阶段提升某些场景效果时用得相对较多。数采工厂主要是真机类数据，以真机遥操作采集为主。
Ego数据是不是不如真机数据？姚卯青说，要看目标。做任务Demo，真机数据最立竿见影，用这款Demo机器在任务里采数据直接训，定向fit这个场景，效果最明显。Ego数据不是为了某个任务Demo定向优化，而是在大模型、世界模型早期预训练阶段，提升基础模型泛化能力，也就是Zero shot零样本通用能力。它的特点是少量时候发现不了多大帮助，要到比较大规模之后，才能逐步发现涌现能力。
“做单一场景的小模型，不是最适合用Ego数据训练的。反而像大模型公司、世界模型公司做预训练，在加入不同数量级真机数据、Ego数据之后，模型对于新任务、新环境的Zero shot能力有明显提升。”姚卯青说。
谁在买Ego数据？姚卯青归纳成三类：
第一，具身公司，有本体也有算法，希望做自己的基座模型；
第二，世界模型公司，今年很多创业世界模型，自己不做本体，短期也没有实际应用，但一直在做具身相关世界模型，会用比较多的无本体数据做预训练；
第三，大模型厂商，互联网数据已经消耗完，要进一步提升模型智能能力，必须进入真实世界闭环、决策。
目前，众包数采平台已经是一门不亏本的买卖。一方面，众包平台优化了采集侧人力成本，不是专门雇人采集，而是正常日常生活或工作过程中顺便采，是额外赚补贴的概念，比专职雇人有优势。另一方面，后处理通过自建数据中心资源、自研标注切分空间信息提取模型，快速飞轮迭代，数据量越大模型效果越好，人工占比更低，自动化程度更高。
“相比市面上产品数据最终售价，即使单次出售，也已经有一个比较好的毛利率。”姚卯青说。
