9月23日消息（报道：王佩）觅蜂派全球发布会于上海绿发JW万豪侯爵酒店举办。发布会结束后，觅蜂科技董事长兼CEO姚卯青、觅蜂科技生态发展副总裁殷哲、觅蜂科技觅蜂派业务副总裁张智富接受了机器人茶馆等多家媒体联合群访，围绕觅蜂派众包模式逻辑、数据质量与隐私保护、行业门槛与未来格局、供需匹配、技术路线演进等行业热点问题作出深度解读。
为什么选择众包模式？
目前行业内不少具身模型已经跨过百万小时数据门槛，客户的需求快速升级至千万小时级别，原有集中式采集模式难以覆盖分散、细分的专业场景。
姚卯青表示，百万小时数据已经无法满足当下市场需求。像家庭叠衣服这类场景的数据已经趋于饱和，但修车、理发、美甲、各类工业操作等细分专业技能数据依旧稀缺。依靠企业自身集中邀约采集，效率低、拓展难度大。众包模式能够灵活深入各行各业真实作业环境，把普通人、一线从业者的真实职业技能转化为AI训练素材。
“很多行业发展已经证明，全民参与产出的内容质量更高。集中采集可以产出部分场景数据，但很难充分释放各行各业个体真实的职业经验。”姚卯青强调，现阶段觅蜂派突破的核心不是单纯数据数量，而是场景丰富度。
针对供需匹配的瓶颈，张智富称觅蜂派尚处在早期发展阶段，未来将上线人群标签体系，实现任务千人千面精准匹配；同时开放场景自主申报通道，众包用户可以上报自身拥有的稀缺场景资源。
数据质量、结算与分级：并非非黑即白丢弃坏数据
针对大家关心的数据验收、筛选与行业统一标准问题，姚卯青将流程分为结算、后处理两个环节。
结算环节优先兼顾效率与准确度。系统会自动切分无效时长，包括采集者手部脱离画面、休息、动作不规范、主观无效重复操作等片段，自动化质检完成后即作为结算依据。
结算完成后数据还会开展标注、轨迹提取，搭配人工抽检。经过结算环节的数据，有95%以上可最终用于模型训练。觅蜂并不简单把数据划分为好、坏二元结果，而是对数据做质量标签分级。除摄像头歪斜、完全未拍到主体等严重问题直接过滤，其余不同质量等级的数据会全部保留，根据下游模型类型、训练阶段按需调用不同层级数据。
谈及行业共识标准，姚卯青坦言整个行业标准尚未完全收敛，但已经形成多项共识：第一，必须是真实丰富的场景，拒绝同一地点反复采集、室内搭建场景重复录制；第二，追求高空间精度，行业普遍追求35毫米的空间精度，需要从2D视频中提取六维高精度空间信息；第三，需要自动化生成语义动作标签。
自动化脱敏，后台人员不查看原始人脸画面
针对大众最为关切的隐私泄露风险，团队介绍觅蜂派搭建五层信息安全防护网。
姚卯青明确，平台采用自动化脱敏方案，不会由后台员工逐帧手动打码，工作人员不会看到采集画面中的人脸隐私信息。
张智富进一步解释防护体系：首先众包用户注册APP需要签署个人信息授权协议；设备端采集瞬间完成第一层脱敏；数据上传云端后继续开启自动脱敏和风险拦截；系统内置合规质检，涉政、涉敏、涉恐等内容直接拦截。同时平台会为参与采集的众包人员配置意外险，覆盖作业过程中的意外风险。
对于任务重复采集问题，平台采用任务认领机制，当某一类任务被充分认领之后，就不再开放重复采集，规避大量同质化数据产出。针对极端、高门槛稀缺场景，平台会设置专项任务补。
设备定价逻辑：设备使用费是准入门槛，不以设备租赁盈利
MEgo头戴采集设备推广期日设备使用费19元，原价39元/天。张智富表示，设备收费初衷不是盈利，而是设置参与门槛，避免设备被申领之后闲置。10月23日后平台会公布新定价；后续叠加腕部、手套等配件后价格会小幅上调，但整体保持亲民。平台还会结合用户任务完成质量、数据有效率提供设备补贴，进一步降低参与成本；同时推进信用免押机制，降低普通大众参与门槛。
他同时提到，觅蜂派是全球首个实现从申领设备、接任务、采集、上传到结算全链路闭环的众包数采平台。
姚卯青补充商业模式可行性：众包模式优化采集端人力成本，采集者是在本职工作之余完成采集，获取额外补贴，区别于专职雇佣采集人员；后端标注、切分、空间信息提取全部使用自研模型，自建算力存储资源。随着数据规模扩大，模型持续迭代，自动化占比持续提升，人工成本持续下降，整套业务已经具备不错的毛利率，实现商业闭环。
不止做硬件，重运营重资产将推动行业分工整合
目前国内具身数据采集赛道入局企业接近百家，包含机器人厂商、独立服务商、国企平台、初创团队。在姚卯青看来，赛道真正的门槛不只是硬件原型开发，规模化运营能力与重资产投入是两大核心壁垒。
很多创业团队可以快速基于相机制作原型采集设备，但想要做到规模化、可盈利，需要具备规模化运营人和场景的能力，坚持以销定产，根据市场订单需求开展采集，而不是盲目生产数据。同时该行业属于重资产赛道，为应对千万小时数据需求，固定资产投入达到数亿级别，并不适合小团队依靠千万级融资实现规模化落地。
“未来行业必然走向整合分工，很难大量存在从头到尾端到端全部做完的企业。”姚卯青预判，未来行业会分化：一部分企业专注硬件设备量产供货；一部分企业负责场景与人的运营；还有企业聚焦数据后处理、分发服务。
当前市场已经出现明显变化：早期客户会同时采购多家供应商数据进行测试；现在头部客户转为定点甚至独家合作。多源混杂的数据格式、质量参差不齐，会大幅提升清洗转换成本，甚至“污染”模型训练效果。头部客户交付需求已经达到每周510万小时，大量小团队连一千小时订单都无法按时交付。
客户画像与Ego数据价值
觅蜂的数据客户主要分为三类：一是自研基座模型的具身机器人企业；二是专注世界模型研发的创业公司；三是传统大模型厂商。互联网公开视频数据已经很少用于具身原生预训练，行业普遍转向Ego、UMI第一视角数据。
针对行业讨论：Ego数据训练效果如同“开盲盒”，真机定向数据Demo效果立竿见影。姚卯青解释二者定位差异：真机定向数据更适合单一场景Demo的后训练，短时间提升特定任务成功率；而Ego第一视角数据核心服务预训练阶段，用来提升模型零样本泛化能力。Ego数据的能力涌现需要达到足够规模，小数据量很难感知价值，它帮助模型面对从未见过的新环境、新任务具备推理能力。
关于人采集数据向机器人迁移，人类与机器人本体自由度、结构存在差异。姚卯青拆解模型架构：无本体人类数据主要用来训练环境感知、动作通用表征；而把表征转化为电机控制指令属于逆动力学模型模块，主要依靠真机后训练完成。预训练解决通用理解，真机后训练解决具体本体执行。
对比当下火热的自动驾驶发展路径，姚卯青认为具身智能不会简单复刻自动驾驶路线。自动驾驶产品形态相对统一；具身智能的任务、硬件形态高度多元化。技术层面，车载系统对时延、幻觉零容忍，很难大规模落地大模型；而室内低速机器人安全冗余更高，更适配大模型推理试错。产业分工上，自动驾驶已经形成成熟软硬件分工；具身智能大量01创新场景仍需要企业全栈自研开发。
产能目标、真机与无本体、场景联盟布局
设备层面，觅蜂当前设备保有量2万台。现阶段数据质量标准已经进入相对稳定时期，头部客户形成较多共识。
在数据销售层面，觅蜂搭建标准化数据货架，真机数据、众包无本体数据、仿真数据分门别类对外销售。从数据小时数占比，无本体数据是世界模型预训练的主体；真机数据更多用于后训练调优。真机数据受限于采集效率、本体折旧，单小时成本更高，但需求量规模远小于无本体众包数据。
针对后训练真机数据降本，觅蜂持续运营真机采集业务，通过激励、结算体系优化，把真机采集运营效率推到接近行业最优水平，满足企业调优模型的需求。
觅蜂同时发起场景数据联盟，觅蜂科技副总裁殷哲表示，即便拥有足够设备和采集人员，场景壁垒仍是制约千万、亿小时数据落地的巨大难题。工厂、社区、老年大学、快递分拣中心、农业基地等各类场景方都可以加入联盟。场景方可以释放场地资源，员工可以参与采集增收；企业可以提前布局具身智能落地机会，孵化第二增长曲线；政府可以以此拓展居民灵活就业渠道。联盟欢迎工厂、商超、社区机构等各类主体报名参与。
世界模型爆发带动数据需求持续走高
随着行业从VLA向世界模型、世界推理模型演进，行业对数据不是需求降低，而是规模、质量、精度要求同时提升。从一万小时、二十万小时、百万小时，现在大量客户提出千万小时级的数据预算。数据规格持续升级，早年简单头戴单目相机的数据已经不再被市场采购；行业普遍要求双目设备、毫米级空间精度，搭配腕部相机捕捉手部细节。
姚卯青总结，整个具身数据行业，除了数据规模，还需要解决数据交付效率、跨场景标准化、高精度空间标注、语义标签体系等一系列关键课题。未来，具备高质量数据产品、强大运营交付能力的第三方平台，将持续降低整个行业重复造轮子成本，支撑具身智能产业快速迭代。
来源：速途网