9月23日，觅蜂科技正式发布全球首个全品类高质量物理AI数据众包服务平台“觅蜂派”。
下载该应用后，用户可领取数据采集任务，佩戴MEgo设备在零售、仓储、制造、家庭等真实场景中完成指定操作，并按照有效时长获得相应报酬。
觅蜂科技董事长兼CEO姚卯青在发布会后的专访上表示，“采集赚外快就上觅蜂派”，支撑它的一层基础设施，里面有三件套，有MEgo系列采集系列、觅蜂派的应用以及还有整个MEgo Engine数据后处理平台，在这一套三件套组成的基础设施平台之上，还有两张网络：场景网络——哪里有真实作业哪里就是数据的原产地；采集员网络——每一个平凡的人都可以随时接单，采数据结算，觅蜂派使命就是把场景网络和采集网络无缝连接起来，让更多高价值物理AI数据为机器人所用。
让日常经验成为机器人“教材”
如果把具身智能过去三年的发展压缩成一条曲线，可以看到一个越来越清晰的趋势：行业从“开发态”逐步迈入“部署态”，机器人从实验室走向真实场景。
要实现这一转变，数据无疑是绕不开的瓶颈。
但具身模型的“先天条件”，远不及拥有海量文字语料的大语言模型。抓起杯子、拧开瓶盖、折好衣服，这些每天重复无数次的动作，至今仍没有形成可以直接用于训练的大规模数据。
具身模型首先要解决的，是如何把现实世界中的交互行为持续转化为数据。
行业此前较为通行的解法是真机遥操——人通过手柄、VR设备或其他控制系统操纵机器人，把一个个任务“示范”给模型。这类数据与机器人本体高度对齐，训练价值较高，至今仍然具有重要作用，但短板也很明显：采集速度受到机器人数量、操作人员和场地约束，硬件、人力与运营成本也会随着数据规模同步增加。
今年以来，具身智能行业开始探索更多样的数据来源，当下逐渐成为共识的数据分工是：无本体采集拓展规模与场景，真机遥操提供贴近本体的数据，真实部署帮助模型持续修正。
觅蜂派、Index所采用的众包模式，则是一种有效放大数据产能的杠杆。
对于仓储、物流、零售、制造等行业的劳动者而言，其中不少采集任务与原本熟悉的工作场景高度重合，使既有经验能够进一步产生数据价值。
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，他们开始把日常劳动与专业技能转化为机器人训练数据。
“全品类”底气从何而来？
觅蜂派与Index都以众包方式扩大数据供给，但在数据如何被使用、最终服务于谁的问题上，两者并不相同。
Index围绕Figure自身的模型训练需求建立数据闭环，觅蜂派则面向不同模型厂商、机器人企业和数据采购方，根据客户训练需求组织数据生产，并将处理后的数据作为产品与服务对外交付。
从服务单一模型体系转向服务多个客户，增加的不只是需求数量，还有场景、任务、数据概念和质量标准的复杂度。
觅蜂派因此需要同时回答两个更现实的问题：数据能够覆盖多广的场景，又能否稳定交付。
其“业界首个全品类高质量物理AI数据众包服务平台”的定位，也正是围绕这两个问题展开。
何为“全品类”？一端是中国庞大的产业场景基础，一端是觅蜂牵头推进场景联盟、持续拓展数据入口的生态能力。
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、丰富的零售和服务业态，意味着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。中国的产业链优势，也以一种更直接的方式转化为物理AI数据优势。
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。
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、地产制造和城市物业等领域，包括东呈酒店、中旅集团、华驿酒店、陈香贵、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。
据觅蜂披露，觅蜂派覆盖22大类场景、5000多个任务和50000多个真实环境，具体场景包括物流、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。
这些场景既包括取放、整理、搬运等通用操作，也包含装配、检修、照护等专业任务，可为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提供数据。
从这个角度看，“全品类”并不只是任务列表足够长，更重要的是平台能够持续进入不同产业环境，根据模型需求动态组织数据生产。
用户规模决定数据可以做多大，产业链和场景网络则决定数据可以做多深。
上游新闻 马亮
