9月23日，上海，觅蜂派全球发布会后的采访中，觅蜂科技董事长兼CEO姚卯青用这句话点出了具身数据领域的供需错配。
当天，定位为全品类高质量物理AI数据众包服务的觅蜂派正式发布，携自研MEgo设备、觅蜂派App、MEgo Engine数据引擎和场景数据联盟亮相。
行业正从Demo阶段走向部署前夜，数据瓶颈比算法更致命。
头部客户开口就是千万小时级的需求，但集中式自采受限于设备、人力、场景，小团队搓几台相机连一千小时的交付订单都拿不下。
姚卯青在采访中多次强调全链路交付能力，而觅蜂的选择很明确：以全链路作为众包数采的核心打法，单环节公司则被视为未来行业分工中的补充角色。
具身数据的入场券，得砸几个亿？
做具身数据不是搭个平台就能跑。规模化数采同时考验硬件、运营、场景和算力，姚卯青用“六边形战士”概括这一要求——既要技术领先，又要供应链、生产制造按消费电子以上标准构建，同时重资产投算力、存储，最后还得会运营。他算了一笔账：应对1000万小时级别的数据需求，“是大几个亿的固定资产投入”。几个人融几百万、一千万，想把规模干起来，“不太合适”。
姚卯青解释了觅蜂选择全链路的原因：头部客户按周级交付、单周5万到10万小时，缺任一环节都难以“交钥匙”式提供带毫米级位姿、亚毫秒同步、自动语义标签的分级数据资产，而不是一堆视频片段。
觅蜂派业务总经理张智富补充了一个执行细节：觅蜂派设备租金39元/天，推广期19元，“目的不是为了收钱，而是领设备有一定门槛”。从领任务、领设备、做任务、选择场景、下发到结算，这套全链路闭环在全球还是第一个。
觅蜂科技副总裁殷哲从场景侧给出了一个判断：场景像页岩油，开采成本比采出来的油还贵。食品厂安全许可、工厂老板放行、海南椰子林进入权限——这些壁垒不是多买几台相机就能破的。觅蜂建场景数据联盟，拉了50多家酒店、餐饮、医疗、制造、物业方入局，本质上是在买“开采权”。
行业普遍认为，当数据需求进入千万小时阶段，全链路平台将吃掉大部分头部订单，小团队甚至难以获得投标资格。
门槛只是入场券，真正的考验在于数据本身。众包模式要成立，首先得回答一个问题：路人拍的东西，模型能吃吗？
姚卯青表示，数据质量不是非黑即白，根据不同下游模型类型或训练阶段，可以利用不同质量等级的数据。
这套叫ManiEval的质检体系，逻辑是分级而不是过滤。五维评估——格式时序、任务完整性、传感器质量、语义准确性、动作可学习性——每条数据打上标签后，按质量匹配不同训练阶段。低质量拿去泛化预训练，高精度留给后训练对齐。严重无效片段过滤，其余分级保留。
执行层面，结算侧自动化一天内初筛，直接切掉手部离屏、相机静止、重复作弊的时长。过了结算环节之后，超过95%的比例能最终被模型用起来。张智富说，这不是人工逐帧审核，是自动化流水线——切离屏、切静止、切作弊，剩下的按语义和质量标签自动分级入库。
隐私合规同样靠自动化解决——端上+云端自动脱敏，无需人工逐帧打码，从源头规避泄露风险。
众包的经济账在于“顺手采”。姚卯青强调，这不是雇人专门去采，而是“你在正常工作生活中顺便采了，赚点补贴”。边际人力成本趋近于零。网约车司机浇花擦玻璃15分钟拿到收益，非遗传承人录一段苏式糕点手法——这些原本就存在的劳动被顺手资本化。
内测阶段2万注册用户、1.3万份任务提交，证明了C端参与的可行性。
具身数据的核心瓶颈不是人，而是场景准入
设备可以量产，C端可以参与，但场景准入仍是众包扩规模的硬约束。殷哲用“页岩油"比喻说明：食品厂、养老院、椰子林等场景的许可与带路成本，往往高于数据采集本身。联盟的广度与进场的深度，将直接影响稀缺技能数据的供给能力。
殷哲抛出的“页岩油”比喻，点出了众包真正的瓶颈：不是人，是场景准入。
你要进食品厂拍产线，得过大老板和安全许可；进养老院拍照护工，得让家属和院长点头；去海南采椰子，得有人带路。
这些“开采成本”远高于数据本身的价值。
姚卯青以叠衣服与修水管、修车、理发、美甲对比，称前者数据已泛滥、后者需逐个“点亮”。其排产逻辑是以销定产，按订单优先级匹配稀缺场景，并用补贴激励难进入场景。
场景数据联盟就是为此而生。据发布会介绍，50余家成员覆盖商超、酒店、餐饮、养护、医疗、制造、物业——东呈、中旅、华驿、陈香贵、浦商、普善、德济、正荣、龙旗、海天瑞声、张江集团等。政府侧也在推，重庆永川的“敲门送岗”案例中，殷哲举例称场景方变成了利益方：厂长增收、居民增收、平台拿到渠道。
张智富提到了一个反向申报机制——未来不是平台单向下发任务，而是“你有什么场景告诉我”。农民伯伯种大麦，平台审核通过后下发采集任务。千人千面匹配职业标签，网约车司机、理发师、修车师傅各归其位。
基于当前行业生态，场景覆盖密度会成为一种核心供给能力，但是否决定最终定价权，仍取决于交付、质量与客户需求匹配。
场景壁垒决定了数据供给的天花板，而行业走到千万小时阶段，分工不可避免。姚卯青说了一段话，值得完整引述：“后面逐步发展会出现一些行业分工，不会说大家都是干整个链条端到端形式。可能有些产品进入量产提供设备，但运营通过其他公司使用他们的设备去完成；最后可能还有一些公司，一些环节是做数据的后处理加工、分发，偏技术型的后端服务。”
觅蜂当前提供MEgo头戴300°全景+腕部特写、觅蜂派App、MEgo Engine、ManiEval及22大类场景等全链路能力。而单环节公司也有生存位，可归纳为三类：设备商专做头戴、腕部相机、UMI、手套，只供硬件不碰场景；运营商有酒店、工厂、社区等渠道，用觅蜂或其他设备组织众包，不做引擎；后处理商专攻原子动作切分、6D位姿重建、分级、语义标签输出。
张智富从平台角度补了一句：觅蜂派是服务平台，完成需求和供给之间的撮合。殷哲从场景方视角给了案例：某快递公司加入联盟后，分拣场景数据优先应用，未来设备卖给同行，成了公司第二曲线。
基于这一逻辑，千万小时阶段全链路平台集中交付；亿小时阶段单环节公司凭细分场景或技术模块嵌入平台生态，不是被淘汰，而是被分工。
数据要卖，先过隐私关
数据进入销售，商业模式才算跑通。众包合规包含脱敏、授权、职业管理与标准共识。张智富介绍了注册授权、端云脱敏及意外险；姚卯青从训练标准角度提出真实场景、毫米级/6D、自动语义标签，不重复同地同任务采集。
数据怎么卖，是商业模式最敏感的一部分。
姚卯青把技术路线和销售逻辑绑在一起讲：无本体（Ego）数据用于大模型、世界模型的预训练阶段，提升基础泛化能力；真机遥操数据用于后训练和对齐。“Ego数据不是为了某个任务Demo定向优化用的。”
客户分三类：具身本体公司做自有模型、世界模型公司做无本体预训练、大模型厂补物理决策多模态。据发布会披露，已供腾讯RoboticsX、蚂蚁灵波。
销售端不打包、不强制配比，按货架SKU管理。张智富用了一个比喻：“我们尽量把面包做到符合大众需求，但过程中我们自己本身还是有个货架概念，有标准SKU。你说我需要更多数据，上十万的，我们也可以做定制化服务。”
就像面包馅料——有人要豆沙，有人要肉馅，不能只卖一种。
一个明显的趋势是，头部客户正从广撒网试几十家数据供应商，转向独家定点单一供应商。姚卯青观察到这一变化：“好的坏的数据缠在一起训出来有毒。”质量稳定性比低价堆量更重要。据公司披露，单次出售已有较好的毛利率，但觅蜂更大的意图在于多次销售——同一份高质量数据，分级后匹配不同客户、不同阶段，形成复用。
数据卖出去了，但规模化之后，合规和标准化是绕不过去的坎。
张智富详细解释了隐私机制：自动脱敏不是员工手动逐帧打码，是端上+云端自动化处理，实名授权、电子签约、分类分级。联合信通院发布《具身智能众包数据发展报告》，把众包数据纳入行业治理框架。同时，首批16位“001号机器人训练师”拿到证书，建立成长路径，并为众包人员购买意外险。
姚卯青从技术层面提出标准共识：场景必须真实丰富、空间精度毫米级、6D位姿、自动语义标签。“不能在同一个地点、同一个工作反复采，这是明显不会被接纳的。”
人-机差异是更深层的命题。人的自由度、力觉、触觉无法完全翻成机器人的电机控制。姚卯青表示，无本体数据主要训练通用表征和环境-动作先验，逆动力学翻译和本体对齐留到后训练。“具身与自动驾驶在场景分散度、室内容错率、大模型应用空间上存在差异，不宜简单类比。”殷哲提到了场景联盟的社会价值：带动社区增收，政府敲门送岗，把数据生产变成一种新就业形态。
结语
2万套MEgo、百万小时无本体数据，只是一个起点。面向亿级小时的需求，差距仍然明显。姚卯青强调全链路是觅蜂的打法，单环节是行业的后路。
这句话的另一层含义是：数据基建时代，没有人能靠单点突破吃下整个市场，但全链路平台的存在，让后来者有了嵌入生态的位置。
具身智能的数据基建，才刚刚开始。
