觅蜂科技发布物理AI数据众包平台觅蜂派
刘璐 2026-09-24 00:34
财π新闻 据《经济参考报》2026年9月23日报道,觅蜂科技于9月23日在上海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,打通AI企业与用户之间的数据通道,让普通人通过日常行为采集数据赚钱,推动机器人训练进入众包时代。这一平台的正式上线,标志着物理AI数据生产从集中采集走向更广泛的分布式、社会化协作,围绕任务组织、数据工程、质量控制和闭环运营形成全新的生产体系,将分散在日常生活和千行百业中的真实操作经验,转化为机器人可以学习、训练和复用的数据。
具身智能产业数据稀缺痛点破解路径具身智能模型领域物理交互数据极度稀缺,长期以来制约机器人走向现实场景。过去三年间,具身智能从开发态迈入部署态,机器人逐步从实验室走向各类真实场景,但具身模型不像大语言模型那样拥有海量文字语料支撑,抓起杯子、拧开瓶盖、折好衣服这些日常动作,至今缺乏可直接用于训练的大规模数据。行业此前较为通行的解法是真机遥操,即人通过手柄、VR设备操纵机器人,把任务示范给模型,这类数据与机器人本体高度对齐,训练价值较高,但采集速度受机器人数量、操作人员和场地约束,成本会随规模同步增加,难以支撑产业快速扩张的需求。
今年以来,行业逐渐形成共识,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,三者结合才能构建完整的具身智能数据供给体系。业界普遍认为,要实现具身AGI,数据规模需从百万小时扩展至亿级小时,难以通过已有模式线性复制,众包模式被视为放大数据产能的有效杠杆。此前相关实验已经证明众包数据的实际价值,在30套陌生住宅场景中,不额外采集数据、不开展针对性训练,依托预训练的众包数据就能让零样本成功率从9%提升至56%,充分验证了大规模分布式数据采集对具身智能模型泛化能力的显著提升作用。
今年4月,觅蜂科技发布一站式物理AI数据服务平台及MEgo系列无本体采集硬件,当时的核心聚焦点在于如何高效采集数据,解决数据生产端的技术落地问题。而此次发布的觅蜂派平台,重点转向数据从哪里来的核心命题,不再局限于企业自建的集中采集场地,而是面向全社会开放数据采集任务,用户佩戴专用设备在各类真实场景完成指定操作并上传有效数据即可获得相应报酬,从根本上打破了传统数据采集模式的产能天花板。
觅蜂科技相关负责人表示,物理AI最好的老师,是每一个认真生活的人。觅蜂派由场景网络和人群网络共同支撑,场景网络连接酒店、餐饮、商超、物流、工厂、医疗、家庭、养老、非遗等各类真实作业环境,为数据采集提供持续、丰富的任务来源;人群网络连接不同行业和地区的参与者,让散落在各个角落的真实操作经验能够被规模化记录,最终形成覆盖全社会的分布式数据采集网络。
全流程数据采集与运营体系搭建为支撑大规模众包数据采集的落地运行,觅蜂科技同步发布MEgo View与MEgo Gripper两套数据采集设备,能够全方位、高精度采集视觉、触觉、姿态等多模态交互信息。其中MEgo系列无本体采集硬件按照消费级标准设计,头戴式采集设备可以记录第一视角视频、毫米级位姿信息,配套的腕部采集设备和二指夹爪则能够精准捕捉操作过程中的力度、轨迹等触觉相关数据,整套设备无需依托特定机器人本体即可独立完成数据采集,大幅降低了数据采集的硬件门槛和场地限制。
用户参与数据采集的全流程都可以通过觅蜂派App完成,具体流程简化为接单、采集、验收、结算四个步骤,用户无需掌握编程或机器人相关专业知识,只需按照任务页面的提示完成对应操作即可,采集进度和审核结果都可以在App内实时查询。用户在App内可以直接租用对应的采集设备,领取不同场景下的各类数据采集任务,完成操作后上传采集内容,平台系统会自动开展审核工作,审核通过后对应的报酬会直接发放到用户账户,支持多渠道提现,整个流程无需复杂的线下对接,全部在移动端即可完成操作。
平台对有效数据设置了明确的准入标准,所有提交的数据都需要满足内容合规要求,同时在画质、动作精度等维度达到相应的技术标准,不符合要求的数据无法进入后续的处理环节。为了保障用户的个人信息安全,平台会对所有采集内容中的隐私敏感信息进行脱敏处理,同时建立全链路追溯机制,确保每一条数据的来源和流向都可查询可管控。数据完成初步审核后,还会经过标注、轨迹提取、人工抽检等多阶段治理质检流程,超过95%的数据最终可以达到直接用于模型训练的标准,经过全流程处理后的数据才会流入对应的具身智能模型训练体系。
针对外界普遍关注的数据隐私安全问题,平台设置了多重信息安全机制,众包人员注册App时需要签署个人信息授权协议,领取设备后,采集端在采集瞬间就会对数据进行初步脱敏处理,数据上传到云端后,再由云端自动脱敏和自动预防机制进行二次过滤,所有脱敏操作都由自动化系统完成,后台人工不会直接看到采集画面,从技术流程层面彻底规避了用户隐私信息泄露的风险。同时觅蜂科技还联合相关网络空间安全重点实验室发出行业倡议,共同规范数据采集流程,筑牢数据安全防线,为整个物理AI数据采集行业建立安全合规的操作标杆。
覆盖广泛的场景与用户参与体系目前觅蜂派平台的任务已经覆盖22个场景大类、5000多个任务类型与5万多个真实场景,线下服务覆盖全国40座城市。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,具体覆盖物流、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、文旅等多个领域,能够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核心能力提供充足的真实数据支撑。
传统的机器人训练师模式受限于固定的采集场景和有限的操作人员,数据多样性和覆盖范围都存在明显局限,很难满足机器人企业对泛化能力训练所需的多样化数据需求。觅蜂派的众包模式彻底打破了区域和场景的局限,不同地区、不同行业的用户都可以在自己熟悉的真实环境中完成数据采集任务,让此前很难覆盖到的细分场景、小众操作经验都能够被记录下来,大幅拓展了物理AI数据的覆盖边界。
参与平台数据采集的门槛设置相对较低,用户不需要具备专业的机器人相关知识,只需要按照任务指引完成日常的常规操作即可,但整个过程需要投入相应的时间和精力完成指定动作,确保采集数据的有效性。这种参与模式非常适合上班族、个体户、宝妈等各类有碎片化空余时间的群体参与,用户可以利用自己的空闲时间,在日常做家务、工作的过程中顺手完成数据采集任务,在不额外占用过多时间的前提下获得相应的劳动报酬。此前内测阶段就有不少不同职业的用户参与其中,网约车运营人员下班回家后在做家务时顺手采集数据,审核通过后获得相应收益,传统技艺传承人也可以把揉面、包馅、压模的力度和节奏记录下来,在获得报酬的同时为非遗技艺留下数字载体。
在为期一个月的内测期间,觅蜂派平台的注册用户数就已经达到2万人,累计采集提交的任务总量为1.3万份,充分展现了普通用户对参与物理AI数据采集的接受度和参与热情。平台同步发布的机器人训练师职业计划,面向全社会开放招募通道,相关领域的行业协会也对该计划的成长路径和新职业价值进行了解读,具身智能机器人应用技术员也已经被认定为新职业,为广大普通用户参与具身智能产业提供了全新的职业入口。
配套激励计划与产业生态构建为了吸引更多用户参与到物理AI数据采集的行列中来,觅蜂派推出了亿元补贴计划,补贴范围覆盖采集任务、设备政策、线下服务和保险保障多个维度。在2026年9月23日至10月22日的推广期间,平台将全面减免设备使用费,符合条件的用户还可以享受信用免押等相关政策,进一步降低普通用户参与数据采集的门槛,不需要用户额外投入资金购买采集设备,只需要通过App租用设备即可参与任务,打消用户参与过程中的资金顾虑。
平台还建立了基于有效数据时长的用户定级激励体系,根据用户累计提交的有效数据时长进行等级划分,不同等级的用户可以享受对应的额外激励政策,鼓励用户持续稳定地参与数据采集任务,不断提升自身的操作熟练度和数据质量。不同类型的任务也设置了对应的收益标准,比如分拣中心装车区的包裹装载与交接任务,采集时间范围在2至90分钟,对应的预计收益在0.67元至30元之间;物流类场景的快递站滞留件清理任务,采集时间范围在2至20分钟,预计收益在0.67元至6.67元之间,用户可以根据自己的空余时间灵活选择不同时长的任务,合理安排自己的参与节奏。
觅蜂科技同步发起成立场景数据联盟,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完整闭环。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多个领域,通过联盟的形式打通此前高壁垒、高价值的细分场景,解决这些场景下数据采集难度大、采集成本高的行业共性问题。联盟的成立不仅可以为联盟成员提供更多业务机会,帮助相关企业的员工实现增收,还能进一步促进居民就业与社区联动,让拥有特定场景的企业优先获取所需数据并部署智能技术,帮助企业打造行业领先优势,拓展自身发展的第二曲线。
通过开放合作的联盟模式,整个行业可以迅速响应市场对细分、专业场景数据的迫切需求,避免不同企业各自为战带来的重复投入,大幅降低整个产业的数据采集成本。按照平台的产能规划,今年年底平台的数据产能将达到千万小时级别,2027年还将在现有基础上再提升一个数量级,完全能够满足当前行业快速增长的物理AI数据需求。此前行业的数据需求还停留在几万小时级别,之后快速增长到20万小时,今年已经有多家客户提出千万小时级别的数据采购预算,头部客户也已经从年初同时找几十家供应商试训转向独家定点合作,避免多源数据混在一起清洗、训练带来的质量不可控问题,觅蜂派的大规模众包数据供给体系,将把千家万户的日常行为变成AI训练的新型基础设施,为整个具身智能产业的快速发展提供坚实的数据支撑。
(编辑:曹凤芹)

购物车