机器人行业缺数据，有人想造"数据外卖"

2026年，大模型在疯狂烧token，具身机器人却在经历"无token可烧"的窘境。4月16日，智元旗下觅蜂发布了一套让人"走到哪采到哪"的轻量化采集设备，试图把数据变成像水电一样即取即用的基础设施。

50万小时 vs 100万亿：数据鸿沟有多深

「GPT-5用了100万亿tokens的训练语料。1token约等于0.75个英语单词，如果一个正常人一分钟能说150个词，这个语语料级就等于一个人要说100亿个小时才能说完。」觅蜂科技董事长兼CEO姚卯青在发布会上算了一笔账。

具身智能的数据规模却小得可怜。姚卯青透露，今天全世界的高质量机器人训练数据汇聚在一起，可能也只有50万小时的规模。

差距的根源在于获取难度。大模型能"读书"——互联网上的文本、图片、视频唾手可得。具身智能却必须去真实的三维世界里摸爬滚打，每一个动作数据都要靠实体交互产生。

行业已经尝试过真机遥操、仿真数据等多种路径，但始终困在高成本和增速慢的泥潭里。数据匮乏，成了卡住全行业的硬瓶颈。

480克的夹爪：把采集设备做成"可穿戴"

觅蜂的解法是无本体采集（Object-free/Body-less Data Collection）——不依赖昂贵的实体机器人，直接让人手戴传感器完成操作记录。

这次发布的MEgo Gripper夹爪，重量只有480克，支持电池快换快拆，全无线设计。参数层面，它支持1080P 60fps全通道录制，轨迹重建精度达到1毫米，"拿起一张纸的力度都可以被还原"，时间同步精度控制在亚毫秒级。

另一款MEgo View头戴设备更复杂：7个高清摄像头，车规级九轴惯性测量单元（IMU），融合头部超300度视野与手腕局部相机，同时捕捉广域环境和手部操作细节。输出数据包括RGB图片、IMU、位姿、音频等全感官信息。

两款设备都强调"无线"和"快换"，核心逻辑只有一个：降低人的移动门槛，让采集者能"走到哪采到哪"。

数据治理引擎：从 raw 到 ready 的一站式加工

硬件只是入口。觅蜂同步推出了MEgo Engine数据治理引擎，处理采集后的预处理、提取、评估全流程，还能直接评估数据在机器人上的表现。

这意味着客户拿到的不是原始素材，而是可直接用于训练的标注数据。姚卯青的目标很明确：「让高质量数据像水电一样即取即用。」

产能规划上，觅蜂计划在2026年实现千万小时级数据产能，2030年达成百亿小时级——从50万小时到百亿小时，跨度超过2000倍。

一个尴尬的身份：智元的子公司，竞争对手的供应商

觅蜂的定位是To B数据服务平台，目标客户包括其他机器人公司。这带来一个直接的问题：智元的竞争对手，凭什么买你的数据？

姚卯青的回应分两层。协议层面，所有用户数据交易都有严格约束，交易模式分为"使用权"和"所有权"两种，过去大部分客户选择购买使用权；对于极少数购买所有权的客户，觅蜂会进行严格的资产转移，并在本地销毁数据。

更关键的是组织隔离。「智元并不是需要所有数据，它也没法获取觅蜂的数据。」姚卯青强调，「智元现在向觅蜂获取数据的唯一途径，就是市场化下订单。智元不存在免费从觅蜂获取数据的途径。」

发布会上，觅蜂与京东云、百度云、阿里云、猎聘及贵州大数据集团完成战略签约，合作方向覆盖数据生态、场景协同、算力支撑。

"美团骑手"模式：数据采集团众包化？

硬件轻量化之后，人的组织方式也在变化。姚卯青在采访中描述了一种未来工作形态：「大家可以兼职来做，但同时也要经过驿站的培训才能上岗。」

这与美团骑手的逻辑相似——平台提供标准化工具和培训，个体以灵活就业方式参与。如果成真，意味着机器人数据生产将从专业实验室走向分布式网络，边际成本可能大幅下降。

当然，这种模式能否跑通，取决于数据质量标准和验收体系的建立。毕竟机器人训练对数据精度的要求，远高于普通众包任务。

为什么这件事值得盯紧

觅蜂的发布，本质上是在具身智能领域复刻大模型的"数据基础设施"路径。当行业还在争论真机 vs 仿真、自研 vs 外采时，它试图用轻量硬件+治理引擎+众包网络的组合，把数据生产本身变成一门可规模化的生意。

如果2026年的千万小时目标兑现，机器人行业将迎来第一波真正意义上的"数据富矿"。届时，模型能力的差距可能不再取决于算法天才，而取决于谁能更快调用这些水电般的基础设施。

对于从业者来说，现在该问的不是"要不要用第三方数据"，而是"我的数据 pipeline 能不能跟上这个速度"。