觅蜂科技推出“觅蜂派”平台，通过众包模式构建具身智能数据生产闭环

一句话结论

觅蜂科技发布“觅蜂派”众包数采平台，已产出百万小时数据并服务头部客户，推动行业数据生产从集中采集转向社会化规模扩张。

关键要点

• 觅蜂下线2万套MEgo采集终端，产能达数万套每月，累计采集百万小时覆盖22大场景的开放环境数据。
• 自研MEgo Engine数据引擎在奶茶、美甲等重度遮挡场景实现亚厘米级三维重建，并建立S至C四级数据质检体系。
• 内测一月注册2万人，提交1.3万份任务，参与者月均可获5000元报酬，验证了众包数采的可行性。
• 百万小时数据已用于腾讯Robotics X实验室等客户训练，且“场景数据联盟”首批吸纳50多家机构。
• 明确无本体数据仅用于通用预训练，具体任务部署仍需对应本体的真机数据后训练。

背景与事实

9月23日，觅蜂科技推出“觅蜂派”平台，定位为“全球首个全品类高质量物理AI数据众包服务平台”，采用“硬件+App+数据引擎”三位一体架构。其硬件基础为MEgo系列无本体采集终端，包括面向第一视角采集的MEgo View（头戴全景加腕部特写相机）和面向UMI操作的MEgo Gripper（重不到一斤、标配三维触觉的轻量夹爪）。觅蜂已下线2万套设备，产能维持数万套每月水平。这些设备进入真实场景后，累计采集百万小时有效数据，覆盖酒店、餐饮、物流、家庭等22大类场景，采集形态包括裸手、腕戴和夹爪，数据模态涵盖彩色、深度、惯性、触觉和音频。

觅蜂的CEO姚卯青指出，电网建成后电力才真正改变世界，如今具身数据采集也建立了类似的基础设施。为解决真实环境中手部被遮挡、多人交互、高速运动等复杂场景的识别难题，觅蜂开发了MEgo Engine数据引擎，该引擎通过HandPose高精度手部重建技术（融合五目全景、手部追踪和三目深度），在奶茶制作、宠物洗护等场景下，即使手部可见率低于30%，仍能实现亚厘米级三维重建。自研的统一算法底座MPR进一步将头部、手部及夹爪的轨迹还原误差控制在1厘米以内，环境稠密深度重建达到亚厘米级。觅蜂还构建了ManiEval多维度质检体系，从数据类型、任务类型、传感器质量、语义质量和动作质量五个维度评估数据，再进行S、A、B、C分级，实现“不过滤，只分级”的处理策略。

觅蜂派上线前一个月的内测中，注册用户达2万人，提交1.3万份采集任务，部分用户通过按月有效时长结算获得5000多元报酬。觅蜂将参与者命名为“机器人训练师”，通过“场景网络”和“人群网络”连接各行各业的真实作业环境与不同年龄、行业的参与者。据披露，百万小时级无本体数据已开始服务腾讯Robotics X实验室、蚂蚁灵波等客户，并牵头成立了首批包含50多家企业的“场景数据联盟”。

影响分析

分析判断认为，觅蜂派与众包模式的推进将大幅降低具身智能行业的数据获取门槛与成本。当前百万小时数据虽能满足部分预训练需求，但面对明年行业千万小时级别的目标，集中式采集的人力与成本瓶颈已无法逾越。众包模式将数据生产社会化，使普通人的日常活动转化为模型训练素材，对中文开发者而言，这意味着获取高质量、多场景、多模态无本体数据的渠道将更加丰富，获取成本有望随设备规模化和众包网络扩大而持续下降。然而，无本体数据与机器人实际本体之间存在“本体gap”，模型在预训练后仍必须进行真机数据微调。从业者需警惕“只有无本体数据就能直接部署”的误区，应结合自身机器人的真机测试环境规划数据采购与训练策略。

适用边界

该结论在以下条件下不适用：1. 仅适用于无本体数据（无机器人物理实体）的众包采集场景，针对特定机器人本体的真机数据（如机械臂控制、特定底盘运动）不适用此众包模式，仍需专职或特定环境采集。2. 适用于具备真实物理交互环境（如商超、餐饮、工厂）的场景，纯虚拟、模拟或实验室环境的众包数采不具备同等商业可行性。3. 不适用于对数据合规与质量要求极高的敏感场景（如高端医疗精密手术），众包数据在合规和基本质量要求外，难以满足此类极高风险的严格标准。

孤本观察

基于事实的编辑判断：觅蜂派试图将“具身数据众包”打造成类似早期互联网“UGC”或外卖“众包骑手”的标准化基础设施，但其核心壁垒不仅在于前端海量设备铺货，更在后端MEgo Engine对复杂真实环境“翻车数据”（如重度遮挡、高速模糊）的鲁棒性重建能力，数据引擎的解析深度将直接决定众包数据能否真正转化为有效算力燃料。

来源：量子位