具身智能行业，正在复刻十年前自动驾驶走过的老路。
2016年，自动驾驶初创公司Comma.ai推出众包数采模式，依靠普通车主的行车记录仪免费收集海量路况数据，试图以“全民众包”快速堆砌数据、迭代模型。十年之后，特斯拉FSD成为行业主流，而靠众包数据起家的Comma.ai早已淡出核心赛道，轰轰烈烈的全民数包实验最终草草收场。
如今，这套“全民出力、平台收数”的打法，被完整搬运到了难度更高的具身智能领域。
9月末，智元旗下觅蜂科技正式发布觅蜂派，号称全球首个全品类物理AI数据众包平台。依靠自研MEgo数采硬件、觅蜂派App、MEgo Engine数据治理引擎三件套，它试图打造具身智能界的“美团众包”：发动普通人在生活、物流、生产场景中佩戴设备采集动作数据，平台按量付费，再将清洗后的标准化数据，供给机器人模型训练。
这套模式看似完美解决了行业最大痛点——具身智能数据严重短缺，但一个核心疑问始终悬而未决：十年前自动驾驶都没跑通的众包逻辑，放到复杂度翻倍的具身智能赛道，真的能成立吗？时薪20元的廉价众包数据，到底是行业破局钥匙，还是又一场资本故事？
01 普通人做家务、分拣货，就能训练机器人？
觅蜂派的玩法足够简单，门槛极低，完美复刻了外卖众包的轻量化逻辑。
普通用户只需申领平台数采设备、完成审核，佩戴头显设备，在日常生活中完成做饭、叠衣、物流分拣、商超贴标、工厂操作等常规动作，录制上传场景数据，就能按有效采集时长赚取报酬，单时薪普遍在10-20元。
平台任务覆盖22个大类、数千个细分场景，涵盖居家生活、餐饮服务、物流仓储、工业生产、医疗服务等全品类物理场景。从表面看，这是一场彻底打破实验室壁垒的变革：机器人不再只能依赖封闭工厂、专业团队采集数据，亿万普通人的日常劳作，都能成为AI迭代的训练素材。
但看似零门槛的赚钱模式，暗藏极高的隐性成本。
用户想要接单，需先租赁平台MEgo头显设备，日常日租39元，推广期优惠19元。按照时薪标准，推广期需有效采集1-2小时才能回本，原价模式下则需要2-4小时。这也意味着，兼职采集不仅耗时费力，短期甚至大概率亏损。
市场热度也呈现明显的两极分化：居家、生活类热门任务单价持续下调，从初期20元降至10元，但依旧一抢而空；生产、物流类重场景任务剩余名额充足，却鲜有用户认领。
官方数据显示，觅蜂派内测一个月注册用户达2万人，累计提交1.3万份任务。看似数据亮眼，但换算下来人均任务不足1份，剔除一次性尝鲜用户、审核不合格数据后，真正持续稳定产出有效数据的用户规模，远低于注册数字。
行业之所以不惜代价、疯狂补贴全民数采，核心根源是具身智能行业存在致命的数据断层。
业内共识明确：具身智能模型想要达到GPT-3.5级别的通用能力，需要一亿小时级别的高质量物理数据。而目前全球有效具身数据仅几十万小时，中间相差2-3个数量级。即便今年多家头部企业宣称突破百万小时数据体量，距离落地通用人形机器人，仍有3-5年的数据沉淀缺口。
仅靠企业自建实验室、专业数采工厂，根本无法填补海量数据缺口。觅蜂派的众包模式，本质是行业为突破数据瓶颈，被迫选择的规模化捷径。
02 行业三类玩家混战，觅蜂派走出另类众包路线
不同于大模型依赖公开互联网文本数据，具身智能需要的是物理世界多维数据：视觉影像、触觉反馈、力觉参数、关节角度、空间运动轨迹。这类数据无法爬虫抓取，必须实地采集，也因此催生了一个高速膨胀的新赛道。
据亿欧智库测算，2024年全球具身智能数据采集市场规模约7.37亿美元，2031年预计突破70亿美元，七年复合增长率达38%，赛道体量接近人形机器人本体市场的一半。
当前行业数据供给端，已形成三类成熟玩家，打法各有优劣，格局尚未定型。
第一类：机器人本体厂商，闭环自研自产
以宇树、银河通用、星海图为代表，核心优势是产业闭环。厂商通过自有机器人真机作业、租赁设备回传数据，所有数据适配自家机型构型，匹配度、准确率最高。但短板也十分明显，产能有限、场景单一，无法对外规模化输出，难以支撑全行业迭代。
第二类：专业第三方数据服务商，开放规模化供给
涵盖觅蜂科技、帕西尼、光轮智能等企业，不绑定单一硬件，面向全行业机器人厂商、模型企业、科研机构输出数据服务。这类玩家市场化程度更高、变现渠道更广，也是当前行业数据供给的核心主力。行业趋势清晰：单纯卖数据的企业议价能力持续走低，多数厂商都在向模型层延伸，谋求更高附加值。
第三类：互联网大厂，场景配套式数采
以京东为典型代表，依托自有仓储、配送、线下门店场景，拥有天然的数采场地与人力优势。但大厂数采更多是配套自身机器人生态的辅助业务，独立商业化价值有限，难以成为行业公共基础设施。
在所有玩家中，觅蜂科技的打法最为激进、也最另类。不同于同行自建工厂、真机采集、仿真生成的重资产模式，觅蜂彻底放弃封闭体系，将数据生产完全社会化、众包化，试图以最轻资产的方式，最快堆出最大数据体量。
从技术路线来看，觅蜂派主打无本体EGO第一视角数采，依靠头戴式设备模拟机器人传感器视角，适配绝大多数通用场景。对比行业另外两种主流路线，优势和短板同样突出：真机遥操数据质量最高但产能极低，仿真数据体量巨大但有效率极差，而EGO众包模式刚好卡在中间——有量、但难保质。
03 看似跑通的模式，藏着三笔算不清的硬账
对标海外，Figure AI的Index众包平台已经验证了数据众包的可行性：上线后覆盖全球108个国家，累计1600万条上传视频，基于众包数据训练的Helix 2.5模型，任务成功率从9%提升至56%。
觅蜂科技也已积累国内首个百万小时级无本体数据集，下线超2万套MEgo数采设备，数据增速行业领先。按照当前进度，不到两年即可冲刺一亿小时数据体量。
但数据体量可以快速堆砌，数据价值、商业盈亏、落地难题却无法速成。觅蜂派的众包模式，至今有三笔核心硬账无法算清。
第一笔：亏本换规模的经济账，无法持续
行业高质量无本体数据售价可达每小时200-300元，而觅蜂派众包数据的采集成本仅10-20元/小时，售价与采集成本基本持平。叠加数千级设备硬件成本、数据审核、清洗、云端存储、人工运维费用，当前每产出一小时有效数据，本质都是亏本补贴。
为快速抢占市场，觅蜂还在多场景免费投放高价数采设备，单套完整版设备成本可达数万元，长期免费投放、低价倾销，不仅挤压行业上下游利润空间，自身也毫无造血能力。与此同时，海外已有企业开源百万小时级同类数据集，免费商用，进一步压缩了低价众包数据的商业价值。
第二笔：极低的数据有效率，体量虚胖
纯头显EGO数采存在天然技术短板：仅能捕捉第一视角视觉信息，无法采集触觉、力觉、精准手部位姿等机器人训练核心参数。在精细操作、精密生产等场景，数据几乎无效。
行业实测数据显示，EGO单头显数据有效率仅10%-20%，一小时采集素材中，真正可用于模型训练的有效内容不足十分钟。更关键的是，居家叠衣、日常收纳等基础场景数据早已泛滥，海量重复采集无法带来模型能力提升，看似庞大的数据体量，实则严重“虚胖”。
第三笔：被忽视的存储成本，越做越重
具身智能数据对存储空间消耗极大，行业通用标准为：50小时数据需1.4T存储空间，100小时对应3T空间。一旦数据体量突破千万、亿小时级别，存储、运维、算力成本将呈指数级暴涨，成为企业难以承受的长期负担。重规模、轻质量的众包模式，最终会积累大量低质冗余数据，进一步放大无效成本。
04 众包不是捷径，行业终局不靠“堆量”
回看十年前自动驾驶众包结局：Comma.ai最终放弃纯数据生意，转型硬件销售，所谓全民众包的数据闭环彻底失效。如今的具身智能赛道，正在复刻同样的误区：误以为数据量可以抹平技术差距，用互联网流量思维，解决硬核机器人工业问题。
即便Figure AI的众包模型实现56%的任务成功率，仍有近半数场景无法稳定落地，被业内质疑泛化能力不足。这也印证了核心真相：低质量海量数据，远不如小而精的高质量真机数据有价值。
除此之外，觅蜂科技的平台独立性也存争议。作为智元系全资子公司，其订单、场景、资源高度依托母公司，与智元旗下多家机器人子公司互为客户、互为场景。这意味着，其他机器人本体厂商很难放心将核心数据需求，交付给一家竞品体系内的平台公司，第三方商业化空间天然受限。
结语
觅蜂派打造的具身智能“美团众包”模式，确实解决了行业数据“有无问题”，用最低的成本、最快的速度，填补了物理数据的体量空白。但行业真正的瓶颈，从来不是数据数量，而是数据质量、有效泛化能力、可持续的商业闭环。
时薪20元的全民众包，可以撑起行业的短期热度，却撑不起通用具身智能的长期未来。机器人的进化，终究不是靠堆廉价数据就能实现的。当热度褪去，行业淘汰赛真正开启，能站稳脚跟的，从来不是数据最多的玩家，而是能用最低成本，产出最高质量、可落地、可泛化数据的玩家。