具身智能界的“美团”，能跑通吗？
商业评论
2016年，自动驾驶公司Comma.ai曾推出应用Chffr，试图通过众包收集海量行车数据以训练自动驾驶模型。十年过去，该模式并未在自动驾驶领域完全跑通，行业焦点已转向特斯拉FSD。如今，具身智能行业正复刻这一路径：海外有Figure AI的Index平台，国内则有智元旗下觅蜂科技推出的“觅蜂派”。
9月末，觅蜂科技正式发布具身数据众包平台“觅蜂派”，包含自研MEgo数采设备、App及数据治理引擎MEgo Engine，自称“全球首个全品类高质量物理AI数据众包服务平台”。该平台借鉴外卖众包模式，用户接取机器人训练任务，采集数据换取报酬，平台对数据进行治理后用于模型训练。然而，具身智能场景远比自动驾驶复杂，不仅需具备移动能力，还需精细操作及理解物理定律。自动驾驶数据众包历经十年仍未彻底成功，更具挑战的具身智能能否借此突围，仍存疑问。
众包数据采集：低门槛与高成本并存
在觅蜂派平台上，物流分拣、家庭烹饪、景区标价等场景均可转化为数据任务。用户佩戴头显设备完成指定动作，数据上传审核通过后，可按每小时10至20元获得报酬。App任务大厅涵盖生产、生活服务、餐饮、医疗等22个大类，每个场景下设数十至上百种任务，标注剩余名额及单价。
参与者需先租赁采集设备。流程包括联系网点、审核、缴纳押金租金，随后通过自提或快递获取设备并绑定App。目前设备日租金为39元（推广期19元）。若按每小时10-20元报酬计算，推广期需工作1-2小时方可覆盖当日租金，正常价格下则需2-4小时。
目前派发的设备为独立头显，采用EGO（第一人称视角）路线采集数据。用户上传数据并经平台审核后结算报酬。
据用户体验反馈，居家生活等热门场景任务名额迅速抢手，且单价已从初期的20元下调至10元；生产、物流等场景剩余名额较多。官方数据显示，内测一个月注册用户约2万，累计提交任务1.3万份，人均不足一份。考虑到租机、审核等门槛，实际持续采集的用户规模远小于注册量。
数据缺口巨大，智元系布局数据闭环
具身智能行业面临严峻的数据短缺问题。共识认为，要达到GPT-3.5级别的能力，需一亿小时量级的数据。而目前全球有效具身智能数据仅几十万小时，差距达两到三个数量级。尽管部分公司宣称拥有百万小时数据，但高质量清洗后的数据从百万到一亿的跨越，预计仍需三至五年。
为解决泛化难题，觅蜂科技发动大规模众包。该公司成立于2026年2月，由智元控股。自2025年4月起，智元拆分出多家子公司，分别涉足清洁机器人、租赁平台、灵巧手、四足机器人及数据服务等领域。觅蜂科技主要负责具身数据业务，向大模型、机器人公司及科研机构提供数据服务，同时为采集商和硬件商提供订单与工具，并计划引入第三方构建自营加开放的平台生态。
目前觅峰提供的数据服务涵盖真机遥操、仿真和无本体数据。无本体数据分为UMI（手持夹爪）和EGO（第一人称视角）两条路线。众包平台主要使用MEgo View头显（属EGO类），完整形态包含头显和腕部相机，但目前仅出租头显。相比之下，UMI路线的MEgo Gripper夹爪设备操作门槛较高，不适合大规模众包。
三类玩家角逐，市场竞争激烈
相较于大语言模型依托互联网文本，具身智能所需的视觉、触觉、力觉等物理世界数据极度匮乏。机器人的核心价值在于进入家庭或工厂，这依赖强大的泛化能力，而泛化能力源于海量物理数据。亿欧智库测算，2024年全球具身智能数据采集市场规模约7.37亿美元，预计2031年将达到70亿美元，复合增长率38%。这一体量约为2030年人形机器人本体市场规模的一半。
供给端竞争日趋白热化。截至今年4月，全国规划或建成的具身智能数据采集训练场超64座。智元在上海建立4000平米数采工厂，京东计划建成全球最大数据采集中心，帕西尼感知科技在天津落地超级数据工厂。
目前行业解决数据短缺主要有三种路径：真机遥操作数据质量最高但产量有限；无本体数据采集（如UMI、EGO）产量较大但需复杂清洗治理；仿真及互联网视频数据量大但质量较低，仅适合作为辅助。
一是机器人本体公司，如宇树、星海图、银河通用等。其优势在于闭环，可通过租售本体回购数据，且自家数据更适配自身产品构型。
二是专业数据服务商，包括光轮智能、帕西尼、灵初智能、觅蜂科技等。这类公司身份开放，可服务于上下游多家企业，变现渠道多元。但纯数据服务商议价空间有限，多数倾向于向模型层延伸。
三是互联网大厂，以京东为代表。大厂拥有天然的场景和人力优势，仓储、配送网络即为数据采集场，但其角色更多是配合自身机器人生态，独立商业价值相对较低。
觅蜂科技采取社会众包模式，处境独特，其第三方定位的成色取决于其他本体厂商是否愿意向其交付数据需求。
经济性与有效性考验众包模式
觅蜂科技与智元关系紧密，董事长姚卯青兼任智元合伙人及具身业务部总裁。这虽带来资源背书，也引发外界对其独立性的质疑。海外Figure AI的Index项目已验证众包价值：其上线后覆盖108个国家，周活用户超4.4万，基于Index预训练的Helix 2.5模型成功率达56%，远超对照组的9%。
觅蜂科技目前是国内具身数据持有量领先的玩家，截至8月底，无本体有效数据累计达百万小时，MEgo设备下线2万套。但在形成壁垒前，需厘清三笔账：
第一是经济账。全套EGO数采设备成本约2万元，单头显亦需数千元。目前高质量无本体数据售价约200-300元/小时，而觅蜂派纯头显EGO数据报酬仅10-15元/小时。若售价接近支付给采集者的报酬，叠加设备、审核及存储成本，模式可能处于亏损状态。此外，国外已有公司开源百万小时同类数据集。
第二是数据有效性。EGO数据缺失触觉信息，且纯头显难以精确捕捉手部细微动作，导致有效率偏低。目前单一头显EGO数据有效率约10%-20%，即10小时数据中仅1小时有用。加之叠衣服等常见场景数据已泛滥，增量数据的边际效益递减。
第三是存储成本。每50小时数据需约1.4T存储空间，千万乃至亿级数据量的存储成本高昂。
尽管从业者估算觅蜂科技可能在两年内积累一亿小时数据，但数据的量增并不能自动解决有效性、经济性及存储成本问题。此外，行业对众包模式本身仍有质疑。Figure AI模型56%的成功率意味着近半失败率，被指模仿学习系统泛化能力不足。
回顾历史，Comma.ai最终放弃纯数据生意，转型销售硬件，众包数据成为硬件产品的副产品。十年前的自动驾驶众包未能独立跑通，如今的具身智能数据竞赛才刚刚起步，前路依然充满挑战。
