下班回家叠衣服、陪孩子搭积木，戴个头环录下来，一个月能赚三千多。你可能不知道，这些日常动作，正在给具身智能攒“教材”——而这个教材，差的是千万小时的真实数据。
数据不是堆量，是要“真实的日常”
大语言模型靠互联网文本学知识，机器人要学拧瓶盖、叠衣服，得靠人类动作的数据库。中国信通院2026年发布的报告说，具身智能要迎来类似ChatGPT的突破，至少需要千万小时级的真实数据。要是靠真机采集，两万台机器人干一年才够，可当前全球能用的高质量真实数据，只有数十万到百万小时级，差了一个量级。
海外的Figure公司已经证明了数据的杠杆效应：今年9月，他们的Helix 2.5模型，用人类行为数据集Index预训练后，盲测整理客厅、叠毛巾等家务的成功率是56%；没预训练的对照组，成功率只有9%。
现在行业对数据的需求在陡增：去年上半年还在谈一万小时，年底到二十万，今年很快有公司做到百万，客户已经提了千万小时的预算。而且不是随便堆，要的是长尾技能：修水管、修车、理发，这些平时没人记的动作数据，才是真正的稀缺货。
数采行业，还在野蛮生长
现在的数采方式，主要是真机遥操作：人用手柄或VR控机器人，动作数据和本体对齐，训练价值高，但采集速度被机器人、场地、人力捆死，成本跟着规模涨。截至2026年6月，全国有70家具身智能训练场，100台人形机器人就值数千万元，还集中在易采集的简单任务上，泛用性不够，盈利模式也没摸透。
更深的问题在场景：国内真实物理交互场景的合规数据才百万小时，机器人落地要千万甚至亿级，缺口超99%。场景有壁垒，进食品厂要过安全关，进酒店要征得同意，姚卯青说，场景像页岩油，开采成本比油贵就没用。
还有乱象：大量初创团队涌入，多是技术背景，早期只做相机原型。行业还在混沌，有公司迁就算法让采集者放慢动作，结果真实的快速运动、遮挡被收窄，数据失真。海外有些公司买数据，清洗后能用的只有10%左右，还要解决人脸、住址的隐私授权问题。姚卯青判断，未来行业会分化成设备方、运营方、后处理方，不会有人通吃全链条。
觅蜂的办法：把铲子交给普通人
针对这些痛点，觅蜂科技推出了觅蜂派APP，让普通人实名领MEgo设备，正常生活工作时顺手采数据，不用培训，四步就能领钱。
MEgo View头戴设备有超300度视角，MEgo Gripper是无线设备，空间轨迹精度到毫米级，还能记“手在哪里、用了多大力”，硬件同步亚毫秒级。数据回传后，MEgo Engine云端引擎会切片、标注，再用ManiEval体系从五个维度质检。姚卯青说，数据质量分多层，适配不同模型，还会贴质量标签，超过95%的数据能用上，70%-80%能精细化处理。
目前觅蜂已经派了2万套MEgo设备，累计采集百万小时有效数据，服务腾讯Robotics X实验室、蚂蚁灵波等头部客户。他们还发起场景数据联盟，东呈酒店、陈香贵等50家企业加入，储备22大类场景、5000多个任务、5万多个真实环境的数据。殷哲说，现在客户要的不止粗放的工厂数据，还要某条产线上拧螺丝的L3级数据，场景提前备着，需求来了才能接得住。
姚卯青说，AI要进物理世界闭环决策，数据越多越好、越多样越好。真实世界的每一件小事，可能都是智能进化的燃料。你说，未来普通人会不会像现在拍短视频一样，顺手就给具身智能“投喂”成长的养分？
素材来源：钛媒体 · AI情报、AI应用落地、具身智能、消费级AI
查看报道原文
发表第一条评论吧