具身智能行业的数据需求正在经历一轮量级跃迁。去年上半年，行业还在提几万小时的数据规模，今年已经有不少企业需求达到百万小时规模。要达到具身AGI（通用人工智能），业界普遍认为数据规模需要从百万小时扩展至亿级小时。
不过，数据采集的传统真机遥操模式瓶颈愈发明显，数采速度受机器人数量、操作人员和场地等条件约束，硬件、人力与运营成本随数据规模同步增加。无本体采集设备虽然降低了硬件门槛，但如果仅靠企业自身运营，仍然难以覆盖千行百业的长尾场景。
在这一背景下，众包模式正在成为具身智能数据采集的新方向。
分级处理海量数据
近日，觅蜂科技发布觅蜂派，公司称这是全球首个全品类高质量物理AI数据众包服务平台。用户下载APP后，可领取数据采集任务，佩戴MEgo设备在零售、仓储、制造、家庭等真实场景中完成指定操作，并按照有效时长获得相应报酬。数据显示，觅蜂派在为期一个月的内测期间，注册用户数达2万人，累计产生1.3万份采集任务提交。
记者了解到，目前觅蜂派覆盖22大类场景、5000多个任务和50000多个真实环境，具体包括物流、住宿服务、教育、养老照护、餐饮、零售、办公、医疗、交通出行等。
众包模式能够快速扩大产能，但也天然带来质量控制问题。具身智能数据采集从企业自建走向社会化生产之后，如何保证数据质量和稳定交付的问题？
觅蜂科技董事长兼CEO姚卯青在接受证券时报等媒体采访时表示，觅蜂派对数据的处理方式是不过滤、只分级。“不会对数据做非黑即白的划分，而是根据下游模型类型和训练阶段，对不同质量等级的数据贴上标签、分级保留。”
姚卯青进一步介绍，在数据自动化质检环节之后，超过95%的数据最终能被用起来。在空间精度上，在2D的原始素材里面，如何去提取6D高精度空间信息，行业已形成一定共识，“像5毫米、3毫米这种空间精度还是有的。”姚卯青说。
隐私与合规是众包模式的另一挑战。姚卯青介绍，觅蜂科技将对采集数据实施自动化脱敏，搭建五层防护机制，后台员工不会手动处理人脸信息。
运营能力成行业核心壁垒
从行业发展格局来看，目前具身智能数据采集赛道已有近百家玩家，除了觅蜂科技这样的平台企业之外，还有机器人本体公司、独立服务商、国企背景平台以及初创公司。姚卯青判断，行业后续会出现整合趋势，部分公司会专注于设备量产，部分公司负责运营，还有一些公司做数据后处理加工和分发。
“在具身智能数据采集行业，如果真正要进入到规模化以及盈利的状态，企业需要非常看重运营能力。”姚卯青表示，运营能力包括能否快速规模化运营人和场景，以及在运营过程中做成本优化和效率提升。同时，数采行业需要较多的资金前期投入，“我们应对今年1000万小时的数据，是大几个亿固定资产投入，不太适合几个人出来创业、融了几百万就能规模化干起来。”姚卯青透露。
姚卯青将众包采集模式的价值归结为“以销定产”。具体而言，以需求为主导驱动，而非盲目采集。据姚卯青透露，觅蜂当前从采集到后处理的成本已经能够实现全覆盖，单次出售已有较好的毛利率，“因为我们数据量越大，模型效果越好，从而人工占比就会更低、自动化程度更高。”
对于数据采集客户的结构，姚卯青将其归纳为三类：一是具身智能公司，希望做自己的基座模型；二是世界模型公司，自己不做本体，但需要无本体数据做预训练；三是大模型厂商，需要真实世界数据来提升多模态决策能力。
据姚卯青透露，目前已有头部客户预算达到千万小时级规模需求。众包模式不仅是数据采集产能的扩产手段，更是让真实世界经验进入模型训练的重要通道。在他看来，只有让各行各业的人参与进来，才能把每个人最真实的职业技能转化为机器人的训练素材。
