众包，数据采集“老师傅”的新通道

来源：中国经营报

中经记者 杨让晨 李正豪 上海报道

具身智能的数据生意，在“拼数量”的同时，开始更具体地“拼场景”。

在上海的一家五星级酒店内，保洁阿姨张菲（化名）正在整理床铺。与往常不同的是，这一次，她的头部和手腕都佩戴了设备，用来记录工作过程、采集具身智能数据。

随着数据需求细化，数据采集商需要找到的，不只是愿意佩戴设备的人，还有能够进入特定场所、掌握特定技能的人，换言之，数据采集商需要的是“老师傅”。

觅蜂科技董事长兼CEO姚卯青日前接受包括《中国经营报》在内的媒体记者采访时表示，部分客户已经提出千万小时级的数据需求，市场供给与需求之间仍存在较大缺口。与此同时，客户对场景的要求也在变得细分、专业，仅靠企业自身拓展，难以快速覆盖分散在不同行业中的操作技能。

在此背景下，众包成为数据供应商扩大采集范围的一种选择。今年8月底，人形机器人企业Figure推出名为Index的众包平台，通过收集真实世界中的日常任务数据，训练其人形机器人。今年9月，觅蜂科技也推出了众包平台觅蜂派，希望让更多人通过佩戴设备记录操作过程，参与机器人训练数据的采集。

从公司组织团队进入场景，到一线劳动者参与采集，众包能否补上具身智能的数据缺口？在不断增长的小时数之外，场景获取、人员组织与交付成本，正在成为这门生意需要回答的问题。

从“工厂数据”到具体工序

“去年上半年，不少需求还在一万小时左右；去年年底，有的达到20万小时；今年，百万小时成为更多公司提出的目标，部分客户进一步提出千万小时级的需求。”姚卯青告诉记者，近年来，具身智能行业对数据的需求开始变化。

不过，这些数字反映的是客户提出的数据需求，并不意味着相应规模的数据已经完成交易或交付。与需求量一起变化的，还有客户希望购买的具体内容。

觅蜂科技副总裁殷哲告诉记者，早期客户可能只要求“工厂数据”，在工厂搬箱子也能满足这一宽泛分类；如今，需求可能细化到电机生产线上拧螺丝。供应商需要找到特定工厂、生产线和工序，才能组织采集。

场景越具体，采集前需要解决的问题就越多。殷哲举例称：进入食品厂，要考虑设备是否符合现场要求；采集员工的工作过程，需要场景方同意；若客户需要海南采椰子的数据，还要解决设备如何送达、当地谁来采集的问题。

过去，这些工作主要依靠公司团队逐一联系、询问能否进入采集。在姚卯青看来，这种方式的效率有限。修水管、修车等技能分布在不同职业人群中，公司很难仅凭自身力量逐一覆盖。而众包平台希望找到的，正是原本就会做这些事、能够进入这些场所的人。

为什么记录人的操作，可以用于训练机器人？姚卯青解释，如果只是让机器人在固定场景里叠好衣服，使用该机器人的真机数据训练，效果更直接。但如果希望模型面对没有见过的环境和任务也能工作，就需要在预训练阶段接触更多不同场景的数据。

按照这一思路，记录人类操作的无本体采集与真机采集承担着不同任务：前者无须操作机器人，由人佩戴设备记录作业过程，帮助模型学习通用的环境和动作规律；后者则用于提升机器人在具体任务中的表现。

觅蜂派试图通过众包方式扩大的，主要是前一类数据的采集规模与场景覆盖范围。

让掌握场景的人参与采集

从平台上的一个任务，到一份可以交付的数据，中间需要有人进入场景、完成操作并通过审核。

记者注意到，目前觅蜂派App设置了22大类场景，包括物流、仓储、住宿服务、教育、养老照护、餐饮、零售、农业生产等，可供数采员选择的任务有5000多个，既有取放、整理、搬运等通用操作，也有装配、检修、照护等专业任务。

这些分类和任务展示了平台希望覆盖的范围，实际采集仍处在逐步铺开的过程中。据觅蜂科技介绍，近一个月的内测期间，平台注册用户达到2万人，累计产生1.3万份任务提交。

觅蜂科技觅蜂派业务总经理张智富告诉记者，正式发布前的一个月，MEgo设备更多给到了媒体、员工家属进行内测，并未过多发放给普通众包用户，但线上申领设备渠道已开通，后续会持续探索供需匹配。

对于参与者而言，任务收益是加入平台的直接动力。记者在觅蜂派App中看到，不同场景、不同操作任务的报酬存在差异。例如，在农业生产类的苗圃场景中，“苗木养护记录填写”任务页面标注的价格为30元，时间范围为2至90分钟；“育苗工具清点归位”标注的价格则为6.67元，时间范围为2至20分钟。

42岁的网约车运营人员李国英是内测的早期参与者之一。她第一次戴上MEgo采集设备，记录了浇花、擦玻璃、整理桌面和文件的过程，约15分钟后上传数据，通过审核获得任务收益。此后，她开始利用下班时间，在做家务时完成采集。

为吸引更多人参与，觅蜂派发布了1亿元补贴计划，其中5000万元用于任务补贴，2000万元用于设备相关支持，3000万元用于建设线下服务网络。

不过，将人员吸引到平台，只是组织采集的第一步。如何让任务找到合适的人，仍需要进一步匹配。

张智富表示，目前用户看到的任务基本相同，未来平台计划结合职业和历史做单行为分发任务，并引入场景自主申报机制：参与者先提供自己掌握的场景资源，由平台审核、匹配需求后组织采集。

这也意味着，一线劳动者既是任务执行者，也可能成为新场景的提供者。同样是农业操作，不同作物、工序和环境对应的采集需求并不相同，仅靠平台工作人员列举任务，难以覆盖真实工作中的各种情况。

针对产业场景的进入问题，觅蜂科技还宣布发起“场景数据联盟”，连接场景方、采集网络、机器人及模型企业，提前积累可进入的场所和合作关系，在具体需求到来时组织采集。

小时数之外的生意

场景和任务不断增加之后，平台还需要决定：哪些数据值得采集，采集来之后卖给谁？

姚卯青给出的办法是“以销定产”。“先汇总订单，判断已有库存能否满足，再根据订单价值和可调配的资源安排采集。同类任务认领完成后，不再开放重复采集；对较难进入的场景，则增加相应激励。”姚卯青告诉记者。

按照这一思路，平台采集什么、为哪些任务增加报酬，将更多取决于客户订单及场景获取难度。众包扩大了可以调动的人员和场景范围，但具体生产仍需围绕需求安排。

在客户结构上，姚卯青将需求方概括为具身智能公司、世界模型公司和大模型厂商三类。相较于围绕自身模型组织采集的企业，觅蜂科技希望服务多个客户，并通过数据多次销售分摊生产成本。

但众包并未让整个业务变成轻资产生意。姚卯青表示，设备生产、人员与结算、云端存储和计算都需要前期投入。为应对今年千万小时级的数据需求，公司涉及的固定资产投入达到数亿元规模。在他看来，技术之外，组织人和场景、控制成本及稳定交付的能力，同样决定供应商能否做大。

随着采购规模扩大，客户筛选供应商的方式也在变化。在姚卯青看来，在今年年初，部分客户会同时向多家供应商获取数据、尝试训练；经过评估，一些头部客户开始集中采购，以减少不同来源数据带来的清洗、格式转换和质量管理负担。

从这一变化看，客户关注的不只是数据有多少小时，还包括不同批次的数据能否保持相对一致的质量，供应商能否按需求持续交付。

在业内人士看来，对于众包平台而言，注册人数、任务数量只是供给的起点。从找到一个会修车的人，到获得客户需要的维修操作数据，再到进入模型训练，仍有多道环节需要打通。场景能否进入、采集是否合格、交付能否持续，将决定这些分散在日常工作中的技能，能在多大程度上转化为具身智能的数据供给。