作者 | 贾珈

2026 年具身数采的聚光灯毫无疑问照射在无本体数采上。这种新的数采方式摆脱了机器人本体硬件限制，可以短时间内收集大量真实场景下人类操作数据，大幅提升了具身数据的供给量。
2025 年全球头部模型预训练使用的数据量大多处在“几百至几千小时”这个区间，但今年的数据量开始狂奔突进：8月时BeingBeyond 的H0.8模型声称用了50万小时的人类第一视角视频数据，而 Dyna2的最新模型号称用了100万小时。
与之相伴的是，具身智能的数据生产逻辑也彻底改变。无本体数采降低了具身数据生产的初始硬件投入，让小团队也可以撬动大规模数据产能，赛道入局者变多，竞争愈发激烈。
不过，由于资金、工程、运营多重门槛叠加，具身数采赛道自带向头部收敛的内在倾向。
头部客户也越来越倾向集中采购 1‑2 家供应商，减少多源数据混用带来的训练风险，进一步放大头部厂商的订单优势。
“数采本身就是重投入，又吃很强的工程能力+运营能力，同时还要求强资金实力，做众包，做几万套设备都是几亿，背后数据中心能存几百PB、上千PB的数据，建一个数据中心也都是几亿、十亿的投入，一定是领军龙头会有比较大的优势。”在觅蜂科技近日举办的活动上，董事长兼CEO姚卯青如此表示。

8月31日，觅蜂科技举办了线下发布会，宣布第20,000套MEgo无本体数据采集设备正式下线，同时宣布累计生产超过100万小时高质量无本体数据，成为行业第一家拥有百万小时级、可对外售卖无本体数据的数据服务商，达成了行业级的里程碑。
这100万小时无本体数据，全部来自开放环境中的真实采集，覆盖22大类场景、10,000余个真实环境、50,000余类物体以及500余种细分任务，涵盖居住、办公、零售、生产、仓储、餐饮、文娱休闲、交通出行等八大高频场景，并进一步延伸至公共服务、物流、医疗、教育、养老、文旅、汽车服务、农业生产等长尾场景。
觅蜂科技累计生产百万小时高质量无本体数据
我们了解到，觅蜂科技的数采众包APP也已悄悄布局了数月了，很快就会正式推向市场。
所谓数采众包，很像是过去的美团骑手平台或者滴滴司机平台，这个平台可以让一个让普通人通过录制真实生活任务，为机器人贡献训练数据并获得报酬。今年8月25日，美国科技巨头Figure AI已经正式推出了自家的数采众包APP Index。
可以预料，随着数采众包APP正式上线，觅蜂科技的具身数采速度和量级还将再上一个新台阶。
具身数采生意不光是比拼资金规模，同时也需要比拼技术和专业性。
随着行业走向专业化，下游客户对时间同步、标定空间精度、设备重量、无线稳定性都提出严苛标准，早年拿手机、运动相机采集就能售卖的时代正在过去。
当然，由于具身数采行业还处在早期，数据采集的技术路线也仍未收敛。如何做好具身数采这门生意，将是摆在所有厂商面前、需要不断探索的长期课题。
怎样才算是好的具身数据？具身数采行业的核心壁垒、未来竞争格局将如何变化？具身数采落地面临的现实工程难题何解？
围绕上述话题，包括AI智件在内的媒体与觅蜂科技董事长兼CEO姚卯青进行了交流。以下为采访实录（略经编辑）：



数采行业越来越专业化、头部化
Q：人形机器人运动会结束之后，具身数据迎来了发展热潮，具身数据会不会之后从稀缺资源变成标准化商品？您能否给出一个趋势性的判断？

姚卯青：年初这个事情还处在迭代、试错、收敛的过程中，到了下半年逐渐开始出现了需求上的收敛，包括大家需要60FPS、1080P、双目、深度的需求都已经越来越成为一种共识。主要也是基于头部客户，比较有号召力的团队定义出来的需求。

参与到行业的人越来越清晰了，不再是一两个人就出来开公司搞具身数据、3D打印设备就说自己有设备了，现在更多进入到越来越专业化、头部化。比如说已经有单一的客户上来就说要一万套设备，现在中国能到这个规模量产的除了觅蜂之外还是比较少的。

同时，对产品的质量、重量、无线便捷性、时间同步、标定的空间精度都提出了非常专业的（要求），不像年初的时候大家拿手机、运动相机采一采都能卖，现在这一类数据需求也有，但是逐渐随着专业化的数据产品出现之后，需求会再逐步下降。

Q：您怎么判断一家公司的具身数据是否真正有价值？

姚卯青：衡量数据公司的数据质量，肯定不能仅仅看“量”，盲目地采集100万小时说实话还是很容易做到的事情，重复地做工种任务就可以了，但几乎没有任何价值。

所以首先要看数据资产是不是有很好的覆盖。就像今天觅蜂宣布的百万小时数据里涵盖了22个大行业，再到500个以上的细分场景，再到超过2万种物体，要看有没有多样性上的分布。

其次各种质量是不是能自己提供详尽的数据质量验证报告。

还有一方面是看这些数据有没有真正被用户验收，看卖了多少数据，多少数据被签了验收单、确认了收入，客观讲能很好地佐证数据市场竞争力如何。

Q：迈向AGI时代，物理AI需要亿小时的数据。从100万小时的数据走向1亿小时的数据最大的瓶颈是什么？

姚卯青：从百万到亿肯定是在整个运营模式上需要做很大的升级，因为是100倍，通过现有的模式线性复制是非常难的事情，一定要找到一个方式降维打击。

总体来讲，要更多发挥众包类型的作用，因为能够让很多人自发参与到这个事情来，而且能够让各个行业的人、具备各种技能的人都能参与到数据贡献的过程中来，这是我认为到亿小时规模，众包的重要性。

Q：之前徐丹飞有过一个研究，现在Ego设备各种数据标准不太统一，他认为未来如果大规模采集会产生很多浪费，觅蜂怎么解决这个问题，怎么保证产出的数据是标准的、不被浪费的？

姚卯青：没有什么好的解法，应该就是无解的，唯一的解法就是将来一个模型企业就用一家数据，数据质量能够做得非常好，场景覆盖非常全，自然而然问题就能被很好地解决。

另一个角度，算法本身也可以做一些事情，能够设计一些更加通用的训练任务，不论哪家来的数据，都能从中学习一些表征。但这个解法还是比较理想化的，就像自动驾驶场景已经做了这么多年了，简单地改一个ISP算法，从CMOS出的Raw Data转换成RGB图像中的ISP，稍微改一下人眼根本看不出来改了，可能模型直接训出来就“傻”了，完全跟原来一点不像。现在神经网络对于数据信号还是比较敏感的。

短期来看，模型企业不要用这么杂的“大杂烩”数据，选1-2家集中就好了。

这也是我们现在观察到的，随着有几家开始起量以后，大家开始放弃原来的每家都去采一点试一试的心态，目前已经过了这个阶段。一家模型企业的数据就集中给几家数据厂商独家供，这是我们现在看到比较普遍的现象。




无本体数采比真机更难，两者并非相互替代关系
Q：您觉得现在本体数采和无本体数采之间到底是什么关系，无本体会是未来的趋势吗？

姚卯青：这两种数据的使用场景是不太一样的，所以不是完全相互替代的关系。就像数字模型训练会经历非常多阶段，像预训练、中训练、后训练、再训练等，真机训练比较适合在偏后端阶段的训练，前面预训练学习通用表征阶段会用无本体更多一些。

Q：就在前两天，北京石景山的人形机器人数采中心被关闭了，您觉得是行业的个例还是共性，是不是反映了过去真机数采厂的模式存在问题？

姚卯青：我个人理解是个例，大部分运营得好的数采工厂还是在非常满负荷高效运转。包括最近很多工作发布出来的，不管是蚂蚁灵波的、小米、智元的Foundation Model都用了数十万小时级别的真机数据，全国数采厂加起来刚刚好在产这些数据，更不要说其中很多数采厂是达不到标准的。

Q：在无本体数据的模式兴起之后，对于数据工厂商业模式大概会产生什么样的重塑？

姚卯青：对数据工厂还好，数据工厂原来该干的事儿继续干，而且最近看到的需求量还在上升。大家对于数据整体规模是在上升的，只是说对数据行业来讲出现了更多可以细分的赛道。

无本体数据本身比起真机数采厂更难，不是说有一片场地，我搭一些场景，雇一批人就能够可控地完成。

无本体数据需要做资产高效流转，因为在各个场景、各个行业、各个城市之间要流转，人也是不同的人，要对他们进行培训，人的规模也大很多，而且要能进入到那些场景里去，靠各种关系，或者政府的协调推动，要能进得去真实的场景。能够解决这些问题的行业参与者，我认为是能在行业里发挥比较关键作用的。

Q：今年机器人泛化能力已经得到了很大提升，放眼未来三年或者五年，机器人要比较熟练地完成一些工种/动作，那时候需要的数据和现在现有的数据规模相比，您觉得现在是什么阶段？

姚卯青：现在属于都还没有把前面的预训练基础模型部分做得非常完整扎实的阶段，大家真的需要上亿小时的数据才能预训练出好的基座。到各个行业、各个场景的应用落地需要越来越多针对这个任务、技能本身的“后训练”数据。

对于单一场景来讲，预训练部分的数据量还是占比较大的，后训练部分通过定向采集及部署之后在线真实过程中的收集回流，是它的重要组成部分。


用户对于“有效数据”的定义有差别，尚无标准定价形成
Q：您在开场致辞中提到头部客户对数据的要求非常高，“有效数据”是怎么定义的？觅蜂100万小时的有效数据最终有多少可以交付？

姚卯青：百万小时已经是有效数据了，也是已经去重了，最终入库上到货架可以被售卖的状态。
其次，有效性不同用户还是略有差别，但会有共性类的要求。比如说片段里的操作信息是有效的，不能说这个数据里手都不在画面内，或者说人在摸鱼，一直不动地滑水，做的事情也要有意义的，不是做无中生有的事情。
再次，到基础的硬件质量要有基础帧率的保证，说是60帧，是不是至少到59.98、59.99的平均帧率，标定是不是很准。再到空间提取的Handpose，可能做得差的人是几厘米，头部大家希望到7毫米，有的5毫米水平，而且是被可验证的，通过把机械臂、灵巧手上通过编码器读的真值跟后处理出来的轨迹进行校验。
场景分布也很重要，现在很多人自己有些数据，但一翻都是家居、叠衣服的（数据），没法满足头部的需求，每个场景每个任务只有一两个小时，不超过十小时，希望以多场景、多环境、多任务、多地域的方式让你做覆盖，这样才会认为是满足要求的。

Q：目前市面上一分钟有效具身数据定价大概在什么样的范围？不同的场景数据定价范围有差异，比如说家政数据会比办公场景数据的价值更高吗？

姚卯青：确实没有标准定价，根据场景的稀缺性、进入获取的难度，以及数据要的时间有效性，要得很急，或者可以有半年以上的交付周期，价格都是不同的。

Q：下游客户对具身数据有哪些更具体方向的需求？有没有什么一致的趋势？

姚卯青：客户需求也要区别看待，有些是训练世界模型的，有些训练VLA的，也不一样。

对于场景是第一看重的，第二看重的是空间精度Handpose能到什么程度，再其次是动作与标签的描述精度。剩下是基础的规范性、通过率，动作过慢也会关注，如果做的动作很不自然，很不像人正常干活儿的这种也会调。

总而言之，是直接能拿来给模型用的，表现得也像正常任务、正常人的数据，大家一般是认可的。

Q：觅蜂下线的两万套MEgo设备，有多少是用于众包采集，多少是对外出售的？

姚卯青：两万套里现在差不多是一半一半，一半在自己持有，一半做众包采集，还有一半现在已经销售给了海内外不同的用户。