The following article is from 具身之家 Robots Author 拂晓子

作者：拂晓子

来源：具身之家 Robots（ID：zscy006）

机器人行业拼命造出了万台机器人，却发现没有足够的数据教它们干活。

物理世界的数据，正在成为具身智能最深的护城河——也是最窄的瓶颈。

两万分之一的缺口

先看一组数字。

训练一个 GPT-5 级别的大模型，需要的语料折算下来超过 100 亿小时。

而全球可以用来训练机器人的高质量物理世界数据，大概只有 50 万小时。

两者，两万分之一的差距。

为什么会这样？

大模型学的是互联网世界——网页、论文、代码，打开浏览器就能抓。但机器人学的是物理世界——抓杯子、推门、叠衣服。每一条数据，都对应一次真实的物理交互。

你没法用爬虫去 " 爬 " 一个人类拧螺丝的动作，也没法从 PDF 里提取出 " 端起一杯水时手腕的力度变化曲线 "。

谷歌 DeepMind 训练 RT-1 模型，用了 13 台机器人，花了 17 个月，采集了 13 万条轨迹，覆盖 700 多项技能。

听起来不少，但对比大模型训练的语料规模，连零头都算不上。

更要命的是仿真和现实之间的鸿沟。

斯坦福 HAI 的《2026 年 AI 指数报告》表示：在 RLBench 仿真环境里，机器人操作成功率 89.4%；但到了 BEHAVIOR-1K 的真实家庭任务，完整成功率只剩 12.4%。

仿真里学得再好，进了真实世界该撞墙还是撞墙。

这还没算成本。国内真机遥操作采集，每小时 500 到 1000 块打底，定制场景能冲到几千块。一套像样的遥控操作设备，20 万起步。

机器人本体量产的速度越来越快，比如智元 15 个月从 1000 台干到 10000 台，但训练数据的增长完全跟不上。

造得出来，教不会。

也就是说，谁先建起规模化的数据供给网络，谁就是这轮产业扩张的 " 真正赢家 "。

把"命脉"放出去

作为宇树科技目前最大的对手智元，最近的选择让很多业内人士表示看不懂。

2026 年 3 月，智元第 1 万台通用具身机器人下线，与此同时，这家公司却在密集推进拆分：临界点（灵巧手）、觅蜂（数据）、酷拓（机器狗）。

尤其是数据，拆出来干什么？

彭志辉的原话很直接：" 智元并不缺钱，当前更缺的是数据。"

这句话点破了这一波拆分的底层逻辑。

数据不像代码可以复制粘贴，也不像文本可以全网爬取。

它必须扎根在真实的物理场景里，用时间一寸一寸地沉淀。99% 的竞争对手都存在这种焦虑—— " 身体 " 跑得飞快，" 大脑 " 却跟不上。

那为什么非得独立出去，内部搞不行吗？

答案藏在商业模式里。

数据留在智元内部，只能提升一家公司的能力；标准化、商品化之后，才有可能变成整个行业的基础设施。

这条路阿里云走过——从支撑双 11 的内部算力池，一步步长成全社会数字基建。

觅蜂想复制的，是同一个故事。

独立融资运营还有一个不可替代的价值：对外服务的信任基础。

如果数据业务始终是智元的一个部门，宇树、银河通用这些同行凭什么把核心数据交给你？拆出来，至少在制度层面给自己挣了一个谈判的资格。

资本也在用真金白银投票。2026 年 2 月，成立不久的觅蜂拿下数亿元种子轮 + 天使轮，红杉中国领投，鼎晖、百度风投、云锋基金全部入场。

6 月，数亿元天使 + 轮到账，国方创投领投，多家产业资本和国资跟进。阿里云、百度云、京东云全部达成战略合作。

这已经不是一家初创公司的融资节奏了。这是一场关于 " 数据主权 " 的卡位战。

72天造一条"数据产线"

觅蜂最让行业震动的不是融资额，是速度。

2026 年 4 月 16 日，上海张江。这家成立仅 72 天的公司，直接发布了两款采集硬件和一套治理引擎。

觅蜂科技董事长兼 CEO 姚卯青

先看 MEgo 系列。Gripper 夹爪只有 480 克重，但能做到 1 毫米级的轨迹还原精度和亚毫秒级全局时间同步。View 感知模块提供 300 度全景视野，外加腕部交互特写双视角，1080P 60 帧。

真正值得业内深究的是它的产品哲学—— " 无本体采集 "。

传统真机采集，你得把一台几十万甚至上百万的机器人搬到现场，插电、校准、编程，折腾一整天，有效数据可能只有两三个小时。

觅蜂的思路是反过来的：不要机器人，直接让人穿戴轻量设备进入真实场景操作。效率从每天两三个小时拉到五小时以上。

但前端只是入口，真正的壁垒在中间层。

觅蜂的 MEgo Engine 做的是中国数据治理领域最难做的那部分——时间对齐、6D 轨迹重建、空间感知重建、质量校验、智能评分、自动标注。

原始数据含大量噪声和冗余，不经过这套工序，就是一堆没法用的动作录像。据称自动化标注效率比人工快 10 倍以上。

客户真正买单的不是 " 拍了多少动作 "，而是 " 拿来就能训练 " 的标准化数据资产。

商业模式上，觅蜂拿出了 " 数据商城 " 的概念——把分散的场景数据标准化封装，向全行业开放供给。

同时联合上电科、国家数据标委会、工信部赛迪研究院发起 " 蜂巢共创行动 "，拉进北京人形机器人创新中心、上海国地中心等数十家机构。

目标：2026 年实现千万小时级产能；2030 年冲击百亿小时规模。

野心不小。但 " 能不能做到 " 和 " 什么时候能做到 "，是两回事。

智元的对手敢用觅蜂吗？

智元是中国头部的具身智能玩家，觅蜂由智元发起设立。

站在竞争对手的立场上——我把核心训练数据交给一家竞品孵化的公司，凭什么？

觅蜂 CEO 姚卯青的公开回应是这样：数据交易分 " 使用权 " 和 " 所有权 " 两种模式；走所有权交易的客户，完成资产转移后，觅蜂会在本地做数据销毁。

智元自己要用觅蜂的数据，也得走市场化下单，不存在免费调用的说法。

独立融资、独立运营、独立核算，这些是争取对外信任的 " 必要 " 动作。

但够不够 " 充分 "，没人敢打包票。

更现实的是，数据赛道不是觅蜂一家独玩。

· 京东已经铺开了全链路数据基础设施—— JoyEgoCam 采集终端加上 JoyAI-RA 大模型，外加数据交易平台，公开喊出的目标是两年 1000 万小时。

光轮智能在仿真数据上扎得很深，灵初智能主打人类真实操作行为数据，鹿明机器人与觅蜂的 " 无本体采集 " 路线接近，灵御智能靠自研低成本真机直接把采集成本往下砍。

帕西尼感知则在 6D 触觉和多维触觉数据上圈了一块领地，工业精细场景绕不开它。

竞争对手不是 " 也可以选觅蜂 " ——是 " 选项太多了 "。

未来，数据领域的卡位站，至少还有三重挑战需要面对：

1、人机身体结构差异大，采集数据必须经过运动学映射等复杂处理才能用，有效转化率至今未公开。

2、百亿小时这个目标，必然要走社会化众包，大规模扩张时 " 数量上去了、质量下去了 " 是老问题。

3、当前主流具身模型对高质量数据的需求远没到百亿小时级别—— RT-1 才 13 万条轨迹就训练出了 700 多项技能，如果没有模型架构的突破性迭代，供给端冲太快可能跑在需求前头。

蜜月期是短暂的。觅蜂需要在下一个融资窗口到来之前，拿出可验证的商业化数据和独立客户的真实验收单。

" 卖铲人 " 的战争

具身智能正在经历一次范式的无声切换。

过去两年，整个行业在做的事可以概括成四个字：拼硬件参数。

关节自由度、负载能力、运动速度、续航时间，谁先冲到下一个指标，谁就抢到下一轮融资的入场券。

但硬件能力是有天花板的。电机技术、减速器、传感器——这些不是靠堆钱就能线性进步的东西。

而数据迭代没有终点。模型每更新一个版本，就需要新的场景数据去喂。

这是一个永续的需求。

行业早期因为数据太少，大家都愿意共享，一起把蛋糕做大。但现在头部玩家陆续建起数据闭环，高质量独占性场景数据正在从 " 行业公共品 " 变成 " 核心竞争力 "。

从共同开源到各自圈地——这个趋势一旦坐实，数据平台的价值反而会被放大。

觅蜂确实是目前动作最快、融资最多、生态布局最激进的数据平台之一。

但竞争对手的速度也不慢，京东的 1000 万小时目标、光轮智能的仿真壁垒、各家自建方案的推进，都意味着 " 窗口期 " 并不是无限长。

姚卯青说过：" 面对数据荒漠，我们算是种下第一棵树。"

这里的关键词不是树，是 " 第一棵 "。

能不能长成森林，取决于未来 12 个月里泥土够不够深、水够不够多、周围还有没有别人愿意一起种。

别忘点个 " 在看 "❤️

商务合作：cjm321666（微信）

更多交流请加：jcg654（微信）

设置星标不迷路，感谢您的支持！

正商参阅旗下公众号，欢迎关注