9月23日，上海。觅蜂科技董事长兼CEO姚卯青站在台上，身后的大屏幕写着一行字：“物理AI最好的老师，是每一个认真生活的人。”
这一天，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”。用户下载App后，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，按审核后的有效数据时长获得报酬。
我翻了翻发布会上公布的数据。内测一个月，注册用户2万人，采集提交1.3万份。内测收入榜第一名是一位朱女士，累计赚了5111元。一位42岁的杭州网约车运营人员，通过做家务、陪孩子搭积木、整理文件柜，一个月额外进账3100多元。
这些数字不算大。但它们指向的，是一种全新的数据生产方式——把分散在日常生活和千行百业中的真实操作经验，变成机器人可以学习的数据。这个转变的意义，可能比数字本身大得多。
觅蜂派到底在做什么
觅蜂科技成立于2026年2月，由智元机器人内部孵化，姚卯青同时是智元机器人的联合创始人。公司业务覆盖真机数据、无本体数据和仿真数据的采集与处理，定位是面向全行业的第三方数据平台。
觅蜂派的核心运行逻辑很简单：用户下载App，申领或租用MEgo设备，在任务大厅领取任务，完成后上传数据，平台审核有效时长后结算报酬。整个流程被压缩成接单、采集、验收、结账四步。
任务范围很广。目前覆盖22大类场景、5000多个任务、50000多个真实环境，包括物流、仓储、住宿服务、教育、养老照护等。App上能看到的具体任务包括：分拣中心的装车区包裹装载与交接，采集时间2到90分钟，预计收益0.67元至30元；物流场景的快递站滞留件清理，采集时间2到20分钟，预计收益0.67元至6.67元。
定价方面，有效数据计费价格为18元/小时。MEgo设备租金39元一天，推广期折扣价19元一天，不少任务回报在每有效小时20元左右。发布会当天同步启动总额1亿元的补贴计划：5000万元任务补贴、2000万元设备补贴、3000万元全球线下服务网络（首批40城、50余家服务商）、200万元人+设备双重保险。
支撑平台运行的是“硬件+App+数据引擎”三位一体的基础设施。MEgo系列采集设备记录第一视角视频、毫米级位姿以及触觉、力觉等多模态信息，目前已推出MegoView和MegoGripper两款产品。MEgo Engine数据治理引擎将长程操作拆解为“抓、拿、放、拧、按”等120多种标准原子动作，再通过ManiEval多维度质检与分级进行质量评估。
觅蜂科技此前已宣布第20000套MEgo采集设备下线，累计生产超过100万小时真实世界无本体数据。
这门生意的账怎么算
众包模式最直观的价值，是降低成本。
传统集中式数据采集需要专门雇佣采集员，在固定场地内反复完成任务。觅蜂派的做法是把采集嵌入参与者原有的生活和工作场景，平台支付的是“新增的数据贡献”，而不是“完整雇佣一名专职采集员的成本”。
这笔账的逻辑跟外卖平台一样——把固定的人力成本拆解成按需的、碎片化的任务支出。但两者的交付难度完全不同。外卖只需要把商品送到指定地点，具身数据却要满足模型对场景、动作和质量的具体要求。分散的采集者在操作习惯、职业技能和工作环境上存在很大差异。
觅蜂的解法是“标准化”。统一设备解决了输入端的硬件差异。通过初筛的数据继续经过动作切分、标注、轨迹提取和人工抽检，才能成为模型可用的数据。姚卯青透露，通过结算初筛的数据中，超过95%经过后处理后最终仍可以被利用。
这个数字如果属实，相当可观。传统数据采集的有效率通常在60%到70%左右，大量数据因为拍摄角度、光照条件或动作不规范而被废弃。觅蜂派能做到95%的利用率，说明MEgo Engine的数据治理能力确实在发挥作用。
但“有效”和“高价值”是两回事。觅蜂不会把数据简单划分为“可用”和“不可用”，而是按质量和使用价值进行分级。明显拍摄失效的数据会被剔除，其余数据可能分别用于预训练、具体任务训练、模型评测或长尾场景学习。
这里有一个容易被忽略的细节。姚卯青在采访中提到，客户对数据的需求已经不是简单地堆量，而是越来越走向更细分和专业的赛道。维修、汽修、理发、美甲等更专业、更长尾的动作开始进入模型的“课表”。被反复采集的叠衣服、拿杯子等数据，新增价值正在下降。
这意味着众包平台的核心竞争力，不是“能采多少”，而是“能采到别人采不到的东西”。而这恰恰对平台的场景网络提出了更高要求。
觅蜂派和Figure Index，到底有什么不同
说到众包数据，绕不开Figure在8月推出的Index。两者在“让普通人参与采集”这个表层逻辑上确实很像，但底层逻辑差别很大。Figure零样本做家务成功率从8%飙升至56%，Helix2.5如何把零样本成功率提升6倍
Figure的Index本质上是Figure的内部数据工厂。它启动Index的直接原因是“外部数据供应商无法满足Helix对吞吐量、多样性和质量的要求”，所以决定自建采集网络，数据只服务于自家的Helix模型训练。
觅蜂派从第一天起就定位为面向全行业的第三方数据平台。它服务于不同的模型厂商、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产品和服务对外交付。姚卯青的另一个身份是智元机器人的联合创始人，但觅蜂派并不只为智元服务，它想成为整个具身智能行业的数据基础设施。
采集方式也不同。Figure的Index极度轻量化：用户用手机拍摄第一视角操作视频，上传后按数据质量付费。这种方式门槛极低，所以能在四个月内覆盖108个国家、积累1600万段视频。但手机视频只能提供视觉信息。
觅蜂派要求用户佩戴自研的MEgo设备。这套设备头部相机覆盖超过300度视野，腕部相机捕捉手部细节，同时记录触觉、力觉等信息，空间上进行毫米级轨迹重建，不同数据通道通过硬件同步实现亚毫秒级对齐。Figure用手机换规模，觅蜂用设备换质量。手机视频缺失的力觉和触觉数据，恰恰是训练机器人精细操作最需要的维度。
数据治理的路径也不一样。Index积累了大量原始视频，但视频本身并不能直接用于训练，Figure需要投入大量算力做清洗、标注和预处理。觅蜂派的MEgo Engine则把这一步前置到了平台层面——长程操作被拆解为120多种标准原子动作，再通过多维度质检与分级进行评估。
商业模式上，Index是“补贴创作者换数据”，数据只进不出。觅蜂派构建的是一套更复杂的利益分配机制：设备租赁、任务结算、平台补贴、线下服务网络。它本质上是在把数据采集变成一种可规模化运营的劳务外包。
Index证明了“众包采集人类视频”这条路能走通——Figure的实验显示，Index预训练数据可将机器人在陌生住宅的零样本任务成功率从9%提升到56%。但Index的天花板也很明显：服务单一客户、采集单一模态、数据只进不出。
觅蜂派是在Index验证了“众包可行”之后，试图把这个模式做得更底层、更通用、也更重。能不能跑通，取决于它能不能在“规模”和“质量”之间找到那个微妙的平衡点。
质量控制：众包模式最难的那道坎
众包数据最大的质疑在于质量。
让普通人给机器人当老师，采集者是宝妈、网约车司机、糕点技艺传承人——他们的操作习惯、职业技能和工作环境千差万别。如何保证分散采集的数据达到模型训练的标准？
觅蜂的解法分三层。
第一层是设备标准化。MEgo设备按消费级标准设计，头部相机覆盖超过300度视野，腕部相机捕捉手部细节，同时记录触觉、力觉等信息，空间上进行毫米级轨迹重建，不同数据通道通过硬件同步实现亚毫秒级对齐。统一设备从源头减少了一部分输入差异。
第二层是流程标准化。觅蜂派App把流程简化为四步，用户几乎不需要培训。姚卯青强调三个特点：随时可以采集，不额外占用时间；几乎零门槛，大部分人一两分钟学习就能上手；透明结算，收益随时提现。
第三层是数据治理标准化。MEgo Engine将不同人的操作拆解为120多种标准原子动作，同时通过动作转换技术适配不同类型机器人本体的训练需求。原始数据经过预处理、空间感知、数据标注、质量评估全流程处理后，引入ManiEval多维质检与S/A/B/C分级复用机制。
中国科学院自动化研究所的专家在发布会上提到一个值得琢磨的观点：数据采集过程中，人可以刻意放慢动作、始终让双手出现在镜头里，但真实生活中还有遮挡、快速运动和临时纠错。过分规整的数据，反而可能把真实世界削平。容易处理，并不天然等于训练价值更高。
这恰恰是众包模式的一个悖论——标准化程度越高，数据越“干净”，但可能离真实世界越远。如何在标准化和真实性之间找到平衡点，是觅蜂派需要持续回答的问题。
隐私是另一道坎。觅蜂派的应对是五层防护：注册时签署个人信息授权协议，端上采集瞬间做脱敏处理，上云后自动脱敏，建立预防机制，合规作为五大质检包第一项。但众包采集发生在家庭、工作场所等私人空间中，隐私边界天然模糊。这一点上，众包模式面临的风险比集中采集大得多。
众包模式能走多远
把觅蜂派放在更大的产业背景里看，它回应的是一个已经非常紧迫的问题。
中国信通院报告显示，当前全球可用的高质量真实数据仅为数十万至百万小时级，而具身基础模型要迎来“ChatGPT时刻”至少需要千万小时级数据。国金证券测算，当前全球积累的数据量尚不足需求的5%。
姚卯青的观察更具体：去年上半年，行业很少提几十万小时规模的数据，到去年年底有人已经到20万小时，今年很快有人提出100万小时的规模。实际接触到的用户已经提出千万小时的需求。
当数据需求从万小时走向百万乃至千万小时，仅依靠固定基地增加机器人、操作员和场地，越来越难线性扩张。众包提供了另一种可能——让采集设备和任务直接进入原本就存在的真实世界。
今年9月，人社部发布新职业，“具身智能机器人应用技术员”位列其中，下设“具身智能机器人数据采集员”“具身智能机器人训练师”两个工种。据央视新闻报道，预计未来五年我国将新增数据采集员、机器人群体协同运营师等就业岗位超100万个。
政策为这个新职业提供了合法性背书。但一个关键问题还没有答案：“机器人训练师”到底是一份长期职业，还是一个过渡性的零工？
从目前的定价来看，18元/小时的有效数据计费价格，加上设备租金，参与者实际到手的收入并不高。一位42岁的网约车司机一个月额外进账3100多元，意味着他投入了相当多的时间。如果数据的边际价值随着采集量增加而下降——叠衣服、拿杯子这类高频动作的数据很快会饱和——那参与者的收入天花板会很低。
觅蜂的应对是向长尾场景延伸。维修、汽修、理发、美甲这些专业动作，采集难度更大、稀缺性更高，定价也可能更高。但这类任务的供给端是有限的——会修水管的人本来就不多，愿意戴着设备修水管的人更少。
众包数据平台能不能成为一种稳定的数据生产方式，不取决于它能拉来多少注册用户，而取决于它能不能把分散的人类经验持续转化为可规模化交付的训练数据。这个转化过程需要的不仅是设备和技术，还有一套完整的劳务组织、质量控制和利益分配机制。
觅蜂派让我想起早期外卖平台的处境。2013年的美团，没有人相信“让普通人送外卖”能成为一门生意。但十年后，外卖骑手成了城市基础设施的一部分。觅蜂派会不会走上同样的路？
姚卯青把觅蜂派的目标产能定为今年年底千万小时级，2027年提升一个数量级。如果这个目标实现，觅蜂科技将从一个数据服务商变成物理AI时代的数据基础设施。但如果众包数据始终停留在“能用但不够好”的水平，这门生意的天花板会很有限。
答案在那些戴着MEgo设备做家务、整理货架、分拣包裹的人手里。他们每一次伸手、每一次抓取，都在为机器人补上“理解物理世界”这一课。这门课的学费，是平台能不能让这些人觉得“值得”。
#具身智能数据 #觅蜂派 #机器人训练师
注：本文基于2026年9月26日前的公开信源整理，涉及行业预测与盈利判断的内容均存在不确定性，不构成任何投资建议。
关注「智财社」看具身智能技术迭代与资本脉络
原文标题 : 觅蜂派VS Figure Index，物理AI众包数据赛道迎来大变局
9月23日，上海。觅蜂科技董事长兼CEO姚卯青站在台上，身后的大屏幕写着一行字：“物理AI最好的老师，是每一个认真生活的人。”
这一天，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”。用户下载App后，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，按审核后的有效数据时长获得报酬。
我翻了翻发布会上公布的数据。内测一个月，注册用户2万人，采集提交1.3万份。内测收入榜第一名是一位朱女士，累计赚了5111元。一位42岁的杭州网约车运营人员，通过做家务、陪孩子搭积木、整理文件柜，一个月额外进账3100多元。
这些数字不算大。但它们指向的，是一种全新的数据生产方式——把分散在日常生活和千行百业中的真实操作经验，变成机器人可以学习的数据。这个转变的意义，可能比数字本身大得多。
觅蜂派到底在做什么
觅蜂科技成立于2026年2月，由智元机器人内部孵化，姚卯青同时是智元机器人的联合创始人。公司业务覆盖真机数据、无本体数据和仿真数据的采集与处理，定位是面向全行业的第三方数据平台。
觅蜂派的核心运行逻辑很简单：用户下载App，申领或租用MEgo设备，在任务大厅领取任务，完成后上传数据，平台审核有效时长后结算报酬。整个流程被压缩成接单、采集、验收、结账四步。
任务范围很广。目前覆盖22大类场景、5000多个任务、50000多个真实环境，包括物流、仓储、住宿服务、教育、养老照护等。App上能看到的具体任务包括：分拣中心的装车区包裹装载与交接，采集时间2到90分钟，预计收益0.67元至30元；物流场景的快递站滞留件清理，采集时间2到20分钟，预计收益0.67元至6.67元。
定价方面，有效数据计费价格为18元/小时。MEgo设备租金39元一天，推广期折扣价19元一天，不少任务回报在每有效小时20元左右。发布会当天同步启动总额1亿元的补贴计划：5000万元任务补贴、2000万元设备补贴、3000万元全球线下服务网络（首批40城、50余家服务商）、200万元人+设备双重保险。
支撑平台运行的是“硬件+App+数据引擎”三位一体的基础设施。MEgo系列采集设备记录第一视角视频、毫米级位姿以及触觉、力觉等多模态信息，目前已推出MegoView和MegoGripper两款产品。MEgo Engine数据治理引擎将长程操作拆解为“抓、拿、放、拧、按”等120多种标准原子动作，再通过ManiEval多维度质检与分级进行质量评估。
觅蜂科技此前已宣布第20000套MEgo采集设备下线，累计生产超过100万小时真实世界无本体数据。
这门生意的账怎么算
众包模式最直观的价值，是降低成本。
传统集中式数据采集需要专门雇佣采集员，在固定场地内反复完成任务。觅蜂派的做法是把采集嵌入参与者原有的生活和工作场景，平台支付的是“新增的数据贡献”，而不是“完整雇佣一名专职采集员的成本”。
这笔账的逻辑跟外卖平台一样——把固定的人力成本拆解成按需的、碎片化的任务支出。但两者的交付难度完全不同。外卖只需要把商品送到指定地点，具身数据却要满足模型对场景、动作和质量的具体要求。分散的采集者在操作习惯、职业技能和工作环境上存在很大差异。
觅蜂的解法是“标准化”。统一设备解决了输入端的硬件差异。通过初筛的数据继续经过动作切分、标注、轨迹提取和人工抽检，才能成为模型可用的数据。姚卯青透露，通过结算初筛的数据中，超过95%经过后处理后最终仍可以被利用。
这个数字如果属实，相当可观。传统数据采集的有效率通常在60%到70%左右，大量数据因为拍摄角度、光照条件或动作不规范而被废弃。觅蜂派能做到95%的利用率，说明MEgo Engine的数据治理能力确实在发挥作用。
但“有效”和“高价值”是两回事。觅蜂不会把数据简单划分为“可用”和“不可用”，而是按质量和使用价值进行分级。明显拍摄失效的数据会被剔除，其余数据可能分别用于预训练、具体任务训练、模型评测或长尾场景学习。
这里有一个容易被忽略的细节。姚卯青在采访中提到，客户对数据的需求已经不是简单地堆量，而是越来越走向更细分和专业的赛道。维修、汽修、理发、美甲等更专业、更长尾的动作开始进入模型的“课表”。被反复采集的叠衣服、拿杯子等数据，新增价值正在下降。
这意味着众包平台的核心竞争力，不是“能采多少”，而是“能采到别人采不到的东西”。而这恰恰对平台的场景网络提出了更高要求。
觅蜂派和Figure Index，到底有什么不同
说到众包数据，绕不开Figure在8月推出的Index。两者在“让普通人参与采集”这个表层逻辑上确实很像，但底层逻辑差别很大。Figure零样本做家务成功率从8%飙升至56%，Helix2.5如何把零样本成功率提升6倍
Figure的Index本质上是Figure的内部数据工厂。它启动Index的直接原因是“外部数据供应商无法满足Helix对吞吐量、多样性和质量的要求”，所以决定自建采集网络，数据只服务于自家的Helix模型训练。
觅蜂派从第一天起就定位为面向全行业的第三方数据平台。它服务于不同的模型厂商、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产品和服务对外交付。姚卯青的另一个身份是智元机器人的联合创始人，但觅蜂派并不只为智元服务，它想成为整个具身智能行业的数据基础设施。
采集方式也不同。Figure的Index极度轻量化：用户用手机拍摄第一视角操作视频，上传后按数据质量付费。这种方式门槛极低，所以能在四个月内覆盖108个国家、积累1600万段视频。但手机视频只能提供视觉信息。
觅蜂派要求用户佩戴自研的MEgo设备。这套设备头部相机覆盖超过300度视野，腕部相机捕捉手部细节，同时记录触觉、力觉等信息，空间上进行毫米级轨迹重建，不同数据通道通过硬件同步实现亚毫秒级对齐。Figure用手机换规模，觅蜂用设备换质量。手机视频缺失的力觉和触觉数据，恰恰是训练机器人精细操作最需要的维度。
数据治理的路径也不一样。Index积累了大量原始视频，但视频本身并不能直接用于训练，Figure需要投入大量算力做清洗、标注和预处理。觅蜂派的MEgo Engine则把这一步前置到了平台层面——长程操作被拆解为120多种标准原子动作，再通过多维度质检与分级进行评估。
商业模式上，Index是“补贴创作者换数据”，数据只进不出。觅蜂派构建的是一套更复杂的利益分配机制：设备租赁、任务结算、平台补贴、线下服务网络。它本质上是在把数据采集变成一种可规模化运营的劳务外包。
Index证明了“众包采集人类视频”这条路能走通——Figure的实验显示，Index预训练数据可将机器人在陌生住宅的零样本任务成功率从9%提升到56%。但Index的天花板也很明显：服务单一客户、采集单一模态、数据只进不出。
觅蜂派是在Index验证了“众包可行”之后，试图把这个模式做得更底层、更通用、也更重。能不能跑通，取决于它能不能在“规模”和“质量”之间找到那个微妙的平衡点。
质量控制：众包模式最难的那道坎
众包数据最大的质疑在于质量。
让普通人给机器人当老师，采集者是宝妈、网约车司机、糕点技艺传承人——他们的操作习惯、职业技能和工作环境千差万别。如何保证分散采集的数据达到模型训练的标准？
觅蜂的解法分三层。
第一层是设备标准化。MEgo设备按消费级标准设计，头部相机覆盖超过300度视野，腕部相机捕捉手部细节，同时记录触觉、力觉等信息，空间上进行毫米级轨迹重建，不同数据通道通过硬件同步实现亚毫秒级对齐。统一设备从源头减少了一部分输入差异。
第二层是流程标准化。觅蜂派App把流程简化为四步，用户几乎不需要培训。姚卯青强调三个特点：随时可以采集，不额外占用时间；几乎零门槛，大部分人一两分钟学习就能上手；透明结算，收益随时提现。
第三层是数据治理标准化。MEgo Engine将不同人的操作拆解为120多种标准原子动作，同时通过动作转换技术适配不同类型机器人本体的训练需求。原始数据经过预处理、空间感知、数据标注、质量评估全流程处理后，引入ManiEval多维质检与S/A/B/C分级复用机制。
中国科学院自动化研究所的专家在发布会上提到一个值得琢磨的观点：数据采集过程中，人可以刻意放慢动作、始终让双手出现在镜头里，但真实生活中还有遮挡、快速运动和临时纠错。过分规整的数据，反而可能把真实世界削平。容易处理，并不天然等于训练价值更高。
这恰恰是众包模式的一个悖论——标准化程度越高，数据越“干净”，但可能离真实世界越远。如何在标准化和真实性之间找到平衡点，是觅蜂派需要持续回答的问题。
隐私是另一道坎。觅蜂派的应对是五层防护：注册时签署个人信息授权协议，端上采集瞬间做脱敏处理，上云后自动脱敏，建立预防机制，合规作为五大质检包第一项。但众包采集发生在家庭、工作场所等私人空间中，隐私边界天然模糊。这一点上，众包模式面临的风险比集中采集大得多。
众包模式能走多远
把觅蜂派放在更大的产业背景里看，它回应的是一个已经非常紧迫的问题。
中国信通院报告显示，当前全球可用的高质量真实数据仅为数十万至百万小时级，而具身基础模型要迎来“ChatGPT时刻”至少需要千万小时级数据。国金证券测算，当前全球积累的数据量尚不足需求的5%。
姚卯青的观察更具体：去年上半年，行业很少提几十万小时规模的数据，到去年年底有人已经到20万小时，今年很快有人提出100万小时的规模。实际接触到的用户已经提出千万小时的需求。
当数据需求从万小时走向百万乃至千万小时，仅依靠固定基地增加机器人、操作员和场地，越来越难线性扩张。众包提供了另一种可能——让采集设备和任务直接进入原本就存在的真实世界。
今年9月，人社部发布新职业，“具身智能机器人应用技术员”位列其中，下设“具身智能机器人数据采集员”“具身智能机器人训练师”两个工种。据央视新闻报道，预计未来五年我国将新增数据采集员、机器人群体协同运营师等就业岗位超100万个。
政策为这个新职业提供了合法性背书。但一个关键问题还没有答案：“机器人训练师”到底是一份长期职业，还是一个过渡性的零工？
从目前的定价来看，18元/小时的有效数据计费价格，加上设备租金，参与者实际到手的收入并不高。一位42岁的网约车司机一个月额外进账3100多元，意味着他投入了相当多的时间。如果数据的边际价值随着采集量增加而下降——叠衣服、拿杯子这类高频动作的数据很快会饱和——那参与者的收入天花板会很低。
觅蜂的应对是向长尾场景延伸。维修、汽修、理发、美甲这些专业动作，采集难度更大、稀缺性更高，定价也可能更高。但这类任务的供给端是有限的——会修水管的人本来就不多，愿意戴着设备修水管的人更少。
众包数据平台能不能成为一种稳定的数据生产方式，不取决于它能拉来多少注册用户，而取决于它能不能把分散的人类经验持续转化为可规模化交付的训练数据。这个转化过程需要的不仅是设备和技术，还有一套完整的劳务组织、质量控制和利益分配机制。
觅蜂派让我想起早期外卖平台的处境。2013年的美团，没有人相信“让普通人送外卖”能成为一门生意。但十年后，外卖骑手成了城市基础设施的一部分。觅蜂派会不会走上同样的路？
姚卯青把觅蜂派的目标产能定为今年年底千万小时级，2027年提升一个数量级。如果这个目标实现，觅蜂科技将从一个数据服务商变成物理AI时代的数据基础设施。但如果众包数据始终停留在“能用但不够好”的水平，这门生意的天花板会很有限。
答案在那些戴着MEgo设备做家务、整理货架、分拣包裹的人手里。他们每一次伸手、每一次抓取，都在为机器人补上“理解物理世界”这一课。这门课的学费，是平台能不能让这些人觉得“值得”。
#具身智能数据 #觅蜂派 #机器人训练师
注：本文基于2026年9月26日前的公开信源整理，涉及行业预测与盈利判断的内容均存在不确定性，不构成任何投资建议。
关注「智财社」看具身智能技术迭代与资本脉络
原文标题 : 觅蜂派VS Figure Index，物理AI众包数据赛道迎来大变局
