要像投入算力一樣投入數(shù)據(jù)。

作者｜衛(wèi)琳聰

2026年，39歲的姚卯青有了新頭銜：覓蜂科技董事長兼CEO。他同時也是智元機器人合伙人、高級副總裁，主管具身業(yè)務(wù)。

2023年加入智元以來，這位清華畢業(yè)、工作履歷貫穿谷歌、甲骨文、蔚來汽車的行業(yè)老兵在具身智能領(lǐng)域做了不少工作。先后發(fā)布機器人智元精靈G2、智元啟元大模型GO-1，后者是全國首個通用具身基座模型。

除了模型和機器人，他的工作中還有一塊相對靠后但重要性日漸凸顯的領(lǐng)域——數(shù)據(jù)。

2024年，姚卯青牽頭建成行業(yè)規(guī)模最大、場景最豐富的數(shù)采超級工廠之一，并開源全球首個基于全域真實場景的百萬真機數(shù)據(jù)集AgiBot World。

到了2026年，數(shù)據(jù)開始占據(jù)姚卯青更多精力。2月份上海覓蜂具身智能科技有限公司成立，姚卯青擔(dān)任一把手。

姚卯青告訴「甲子光年」，他在智元做具身智能迭代的過程中發(fā)現(xiàn)，真正的卡點不在算法，而在數(shù)據(jù)。于是專門成立了覓蜂科技，想通過獨立的公司以更聚焦、開放的方式突破數(shù)據(jù)瓶頸。

覓蜂科技致力于構(gòu)建物理AI數(shù)據(jù)基礎(chǔ)設(shè)施，“讓高質(zhì)量物理AI數(shù)據(jù)像水電一樣即取即用?！?/strong>覓蜂在2026年4月發(fā)布MEgo系列無本體、可穿戴數(shù)據(jù)采集設(shè)備，并配套數(shù)據(jù)治理服務(wù)平臺MEgo Engine。

這背后更大的變化是具身智能數(shù)據(jù)掀起的熱潮。業(yè)內(nèi)關(guān)于2026年是“具身數(shù)據(jù)元年”的說法不絕于耳，具身數(shù)據(jù)采集正從實驗室、采集場邁向全民參與。

近期，姚卯青和我們聊了聊他對具身數(shù)據(jù)的看法和做法。以下為「甲子光年」專訪姚卯青文字實錄，經(jīng)編輯整理，略有刪改。

覓蜂科技董事長兼CEO姚卯青

1.百億小時具身數(shù)據(jù)能實現(xiàn)智能涌現(xiàn)，現(xiàn)在只有幾十萬

甲子光年：大家都知道具身智能缺數(shù)據(jù)，目前行業(yè)有效數(shù)據(jù)量級大概是什么級別？缺口有多大？

姚卯青：目前整個行業(yè)來講，我們認為有效數(shù)據(jù)在全球大概在幾十萬小時這樣的規(guī)模。但要達到像GPT-3.5那樣開箱即用的類人初步能力，我們認為大概需要一億小時量級。從幾十萬到一億，中間還有2~3個數(shù)量級的差距。

甲子光年：覓蜂的目標(biāo)是2026年達到千萬小時級數(shù)據(jù)產(chǎn)能，2030年達到百億小時。如果能達到百億級，對具身智能意味著什么？

姚卯青：百億級如果是高質(zhì)量、多元化的數(shù)據(jù)，我們認為對機器人應(yīng)該能達到甚至GPT-4的效果，通過超大規(guī)模數(shù)據(jù)訓(xùn)練出的基礎(chǔ)模型，會具備一些專家能力。

甲子光年：也就是說，達到百億小時數(shù)量級，就可能出現(xiàn)大家一直期待的智能涌現(xiàn)？

姚卯青：是的，我們還是比較堅信的。

甲子光年：最初為什么成立覓蜂？大家都知道覓蜂和智元有很強的聯(lián)系。

姚卯青：契機是大家雖然覺得具身智能是AI驅(qū)動、算法很重要，但經(jīng)過我們前期迭代發(fā)現(xiàn)，核心卡點不在算法——算法可以通過優(yōu)秀人員創(chuàng)新實現(xiàn)，但數(shù)據(jù)實在太少了。數(shù)據(jù)獲取需要時間、投入和迭代方法，不可能一蹴而就、一夜造出來。未來真正制約行業(yè)發(fā)展和形成壁壘的一定是數(shù)據(jù)。

具身智能的模型我們認為不會有強壁壘，只是投多少算力和工程人員的事。在這樣的背景下，數(shù)據(jù)是非常重要的商業(yè)模式。即使在AGI還沒出來之前，數(shù)據(jù)本身就有很大的市場。

所以我們孵化了獨立業(yè)務(wù)，讓它更聚焦，通過市場化方式融資獲得資金支持，讓數(shù)據(jù)采集、生產(chǎn)、標(biāo)注的方法和基礎(chǔ)設(shè)施更扎實。作為獨立的第三方公司，也能更好地服務(wù)全行業(yè)用戶。

甲子光年：如果為了提高數(shù)據(jù)量級，為什么不在智元內(nèi)部做，而要成立覓蜂，以這種第三方的形式來做？

姚卯青：第三方業(yè)務(wù)更聚焦，覓蜂的人員唯一的OKR就是把數(shù)據(jù)這件事做好，大家更專注。另外可以獨立融資，有更多資金支持數(shù)據(jù)。最近有人建議全球具身智能從業(yè)人員停止研發(fā)一年，全來搞數(shù)據(jù)，不要再搞模型代碼——說明聚焦數(shù)據(jù)很重要。

再者，獨立公司的決策更公允，才能保證服務(wù)行業(yè)。在智元體內(nèi)，可能會給自身團隊優(yōu)先級和資源傾斜，至少外界會這么覺得。成為獨立公司，智元就是正?？蛻?，大家都一樣，有什么需求就來采購，大家一起排隊，該排隊就排隊。

甲子光年：獨立出來也能更大量地采集數(shù)據(jù)，更開放？

姚卯青：對，更開放。智元的主要業(yè)務(wù)還是智能機器人，在各場景創(chuàng)造生產(chǎn)力價值，要聚焦那里。我們作為專門的數(shù)據(jù)公司，可以更開放、更大刀闊斧地搞各種數(shù)據(jù)創(chuàng)新。

2.眾包、加盟，全民采數(shù)據(jù)

甲子光年：現(xiàn)在離2030年只有四年，數(shù)據(jù)量從幾十萬小時增長到百億小時，怎么能實現(xiàn)？

姚卯青：從當(dāng)前量級到百億，涉及幾個點。

第一，大家在使用和迭代中逐漸探索、收斂出什么樣的數(shù)據(jù)是更好的標(biāo)準(zhǔn)——從采集設(shè)備、采集方式，到場景分布、任務(wù)分布，再到標(biāo)注格式、顆粒度、準(zhǔn)確度。這需要和數(shù)據(jù)用戶、模型團隊反復(fù)迭代，逐漸沉淀和收斂。

第二，要支撐這么大的數(shù)據(jù)量，必須變成全民參與的形式。我們公司的使命是"讓全世界的數(shù)據(jù)為AI所用"，加速智能體的到來.所以首先要提供大量采集設(shè)備，做好產(chǎn)品定義和量產(chǎn)化；其次要有一套強大的數(shù)據(jù)傳輸、存儲和處理的軟件、算法基礎(chǔ)設(shè)施。

第三，要有好的機制來吸納、分配數(shù)據(jù)。達到這種成熟度，才能真正讓全世界數(shù)據(jù)為AI所用。

甲子光年：覓蜂具體會怎么擴大數(shù)據(jù)量？據(jù)說你們要用眾包和加盟的方式來采集？

姚卯青：是的，已經(jīng)在做了，我們現(xiàn)在有不同形式的生態(tài)合作。一些獨立的數(shù)據(jù)采集運營團隊會根據(jù)我們的標(biāo)準(zhǔn)和流程進行委托式采集——我們規(guī)定任務(wù)和場景，委托他們按標(biāo)準(zhǔn)采集，我們驗收結(jié)算。

甲子光年：怎么找到足夠多的采集人員？

姚卯青：有兩種方式。一種是在很多城市，我們的運營伙伴會集中招募人員，比如從職業(yè)院校等渠道，安排到各種場景里采集。另一種是和勞務(wù)平臺合作，他們本身每天有很多外包員工在各行各業(yè)工作，工作期間就可以采集數(shù)據(jù)。

將來我們還會推出更面向全民的形式：大家可以領(lǐng)取設(shè)備，把自己認為有價值的場景錄制成數(shù)據(jù)，我們根據(jù)質(zhì)量、場景新穎性和價值來判定，有價值就會購買。這是純?nèi)駞⑴c的眾包形式。

甲子光年：這種全民參與的形式，是由覓蜂直接開放組織嗎？還是通過中介？

姚卯青：前期我們直接在自己平臺上招募、篩選。估計會有很多人相應(yīng)，在有限資源下，我們會篩選申請者，分配設(shè)備，規(guī)定需要的場景任務(wù)，他們采集后我們核驗。目前主要還是跟勞務(wù)公司合作，招募外包員工采集。

采集人員使用覓蜂的設(shè)備進行數(shù)據(jù)采集

甲子光年：加盟的采集方式具體會怎么做？

姚卯青：我們在各個地方有加盟的采集基地，往往是一些具備運營能力的伙伴——有人力、運營能力和本地場景觸達能力。他們拿著采集設(shè)備，自己招募人員，分配場景和所需數(shù)據(jù)時長，讓他們進入可觸達、可控制的場景里采數(shù)據(jù)。

甲子光年：這些合作方以前就是做數(shù)據(jù)的嗎？

姚卯青：都有，有些過去做其他領(lǐng)域的數(shù)據(jù)，比如自動駕駛、語言模型、機器視覺等。也有些原來不是做數(shù)據(jù)運營的，我們可以從零培訓(xùn)他們?nèi)绾喂芾砗瓦\營采集隊伍。

甲子光年：如果以前不是做數(shù)據(jù)的，他們可能有什么基礎(chǔ)適合加盟合作？

姚卯青：沒有特別強的標(biāo)準(zhǔn)。很多做算力運營的也有一定資金實力，這是需要的——因為要持有一批設(shè)備、招人，采集數(shù)據(jù)肯定有成本支出。

甲子光年：相當(dāng)于是輕資產(chǎn)運營，加盟方或眾包組織方提供人力、場地，你們提供采集設(shè)備，他們采集后返回數(shù)據(jù)給你們？

姚卯青：對。

甲子光年：這個模式和真機采集、大型數(shù)據(jù)場采集相比，效率能提高多少？成本能降低多少？

姚卯青：人員采集效率有提升。真機采集8小時可能產(chǎn)出2~3小時有效數(shù)據(jù)，但像這種無本體、可穿戴設(shè)備，8小時采集甚至能產(chǎn)出5小時左右數(shù)據(jù)，幾乎翻倍。

成本上人力取決于人效，物力方面無本體采集用的設(shè)備比機器人真機便宜很多。

甲子光年：數(shù)據(jù)采集回來后要怎么用？

姚卯青：采集回來首先要做處理，處理完的數(shù)據(jù)才會給算法用戶做模型訓(xùn)練。要做位置提取、語義標(biāo)注、任務(wù)描述標(biāo)注，有些情況下還要做視覺語義標(biāo)注，做同一時間下各路傳感器、執(zhí)行器的對齊，可能還要打語音標(biāo)簽等。這些都做完形成數(shù)據(jù)集，才能交付使用。

甲子光年：你們還配套推出了數(shù)據(jù)處理引擎，這對數(shù)據(jù)采集的成本、效率有改善嗎？

姚卯青：是的，人員高效采集能減少不必要的時間浪費和低質(zhì)量數(shù)據(jù)積累。采集完后的數(shù)據(jù)管線——位置提取、標(biāo)注、預(yù)標(biāo)注、清洗等，引入自動化環(huán)節(jié)，各方面都能提效。

3.標(biāo)準(zhǔn)不是拍腦袋想出來的

甲子光年：覓蜂想要成為具身數(shù)據(jù)的基礎(chǔ)設(shè)施，不過具身數(shù)據(jù)和機器人本體綁定性強，你們采集的數(shù)據(jù)能面向行業(yè)通用嗎？

姚卯青：無本體數(shù)據(jù)天然和機器人本體解耦，大家都能用。其實真機數(shù)據(jù)本身也可以跨本體使用。真機數(shù)據(jù)很多時候用于預(yù)訓(xùn)練階段，學(xué)術(shù)上驗證過，用某些機器人本體產(chǎn)生的數(shù)據(jù)進行預(yù)訓(xùn)練得到的模型，可以通過少樣本的后訓(xùn)練數(shù)據(jù)微調(diào)，在另外的本體上落地部署。

甲子光年：這些數(shù)據(jù)的使用方主要是哪些？

姚卯青：主要是機器人、具身智能的研發(fā)團隊，包括機器人公司、大廠的具身團隊，還有大模型和視頻生成類公司，現(xiàn)在也叫世界模型。

他們使用完靜態(tài)互聯(lián)網(wǎng)數(shù)據(jù)后，需要更多真實物理世界的、與環(huán)境有交互、有任務(wù)執(zhí)行和規(guī)劃的數(shù)據(jù)，來進一步提升多模態(tài)模型的智能化程度。這些都需要物理AI的數(shù)據(jù)。

甲子光年：你們發(fā)布了“蜂巢數(shù)據(jù)共創(chuàng)行動”，合作方很多。具體如何共創(chuàng)合作？

姚卯青：蜂巢數(shù)據(jù)共創(chuàng)行動里有不同參與角色。一類是場景提供方，他們有很多場景愿意開放出來做數(shù)據(jù)變現(xiàn)，對我們很有價值。第二類是本身在做數(shù)據(jù)生產(chǎn)、標(biāo)注業(yè)務(wù)的。覓蜂希望成為平臺型公司，以靈活方式鏈接數(shù)據(jù)需求和供給，他們可以通過覓蜂平臺交易，觸達數(shù)據(jù)使用方。還有一類是和覓蜂合作、具備運營能力的委托數(shù)據(jù)生產(chǎn)方。

甲子光年：目前比較需要哪些場景？

姚卯青：像零售、酒店、物流、家居、家政、工業(yè)，各種各樣的場景都希望有。

甲子光年：比如一個藥店小老板，如果愿意合作就可以把設(shè)備放到他店里采集，是嗎？

姚卯青：對的。

甲子光年：現(xiàn)在不少地方政府牽頭建設(shè)大型數(shù)據(jù)采集場，覓蜂和這些采集場之間是什么關(guān)系？

姚卯青：我們和采集場有一些合作，他們算是我們的委托生產(chǎn)伙伴。覓蜂自己輕資產(chǎn)，人力密集型采集會委托采集場按我們的標(biāo)準(zhǔn)和流程進行采集。

甲子光年：市面上其他數(shù)據(jù)供給方，也可以通過覓蜂平臺進行數(shù)據(jù)供給和交易嗎？

姚卯青：是的。

甲子光年：在這種平臺模式下，覓蜂未來的商業(yè)模式是什么？賺哪部分錢？

姚卯青：覓蜂做數(shù)據(jù)的高價值增值部分，比如采集回來的數(shù)據(jù)，我們通過覓蜂的數(shù)據(jù)平臺做精細的后處理、標(biāo)注、位置提取等，把原始數(shù)據(jù)變成模型能直接用于訓(xùn)練VLA、世界模型的數(shù)據(jù)。我們從數(shù)據(jù)處理這部分獲取商業(yè)價值。

甲子光年：也就是說，你們還是希望從提高數(shù)據(jù)質(zhì)量和附加值上賺取收益，而不是像互聯(lián)網(wǎng)平臺那樣做撮合交易、賺傭金？

姚卯青：對，不是簡單收取傭金的模式，這里面有很多技術(shù)含量。

甲子光年：大家談到具身數(shù)據(jù)都會說缺數(shù)據(jù)、質(zhì)量低、沒有統(tǒng)一標(biāo)準(zhǔn)。覓蜂的模式能推動數(shù)據(jù)標(biāo)準(zhǔn)建立嗎？

姚卯青：我覺得可以?，F(xiàn)在沒有標(biāo)準(zhǔn)是因為大家都沒有找到快速迭代標(biāo)準(zhǔn)的路徑。標(biāo)準(zhǔn)不是拍腦袋想出來的，一定是在使用中迭代收斂的。過去大家碎片化地滿足自己的數(shù)據(jù)需求，找一堆供應(yīng)商，從質(zhì)量、場景到采集設(shè)備五花八門，很難高效沉淀出真正有效的格式和質(zhì)量標(biāo)準(zhǔn)。通過覓蜂提供大批量快速標(biāo)準(zhǔn)化的服務(wù)，我相信大家能和我們一起，通過模型效果的反饋來更快迭代出這套標(biāo)準(zhǔn)。

甲子光年：具身數(shù)據(jù)這個生態(tài)里，現(xiàn)在不同參與方更多是各自為戰(zhàn)，覓蜂怎么推動大家達成數(shù)據(jù)標(biāo)準(zhǔn)？

姚卯青：標(biāo)準(zhǔn)本身不是為了推而推就能推出來的。我們懂?dāng)?shù)據(jù)，不是簡單的開環(huán)盲采。覓蜂有數(shù)據(jù)閉環(huán)的團隊和能力，知道數(shù)據(jù)要經(jīng)過怎樣的后處理，也會通過模型評估評測來閉環(huán)驗證數(shù)據(jù)效果。通過這些方法和能力，我們能保證和用戶一起設(shè)計、迭代出來的數(shù)據(jù)是真正能為模型所用的。最終這就是一個事實標(biāo)準(zhǔn)。

4.大力出奇跡

甲子光年：很多機器人廠商覺得數(shù)據(jù)是核心壁壘，更傾向于自采自用，不共享。但你之前在智元推動開放了100多萬條機器人軌跡數(shù)據(jù)集和仿真框架。不擔(dān)心沖擊自己的數(shù)據(jù)壁壘嗎？

姚卯青：不太擔(dān)心。整個行業(yè)太早期了，大家都需要高質(zhì)量數(shù)據(jù)來啟動創(chuàng)新研發(fā)。沒有這些數(shù)據(jù)，所有創(chuàng)新都會被扼殺在搖籃里。

另外我們的開源是有設(shè)計的，不是盲目開源。我們會篩選典型場景和任務(wù)，保證質(zhì)量有效后再開源。但背后還有更大的不開源部分。開源相當(dāng)于讓大家試用，感受高質(zhì)量數(shù)據(jù)的價值，但真要走到AGI、走到通用模型，需要的數(shù)據(jù)量還有幾個數(shù)量級的差別，這部分可以用閉源方式構(gòu)建壁壘。

甲子光年：如果大家都不開源、各自為戰(zhàn)，數(shù)據(jù)量上不去、質(zhì)量也差，但核心東西各家也不敢放出來。這怎么平衡？

姚卯青：我認為逐步會往閉源方向走。數(shù)據(jù)很核心，大家花了很大代價構(gòu)建數(shù)據(jù)壁壘，會越來越多地像投入算力一樣投入數(shù)據(jù)。如果有足夠預(yù)算，大家不會完全依賴開源數(shù)據(jù)迭代能力，更可能和覓蜂這樣專業(yè)的一站式平臺合作，獲取定制化數(shù)據(jù)需求。

甲子光年：也就是說具身數(shù)據(jù)還是會以閉源為主？

姚卯青：對，將來全球總量肯定以閉源為主。

甲子光年：所以即便覓蜂做平臺基礎(chǔ)設(shè)施，也是定制化合作會更多？

姚卯青：是的。

甲子光年：之前大家討論比較多的是真機遙操采集，現(xiàn)在包括覓蜂在內(nèi)，不少團隊都在做無本體采集。數(shù)據(jù)采集的范式發(fā)生變化了嗎？

姚卯青：肯定有很多新的數(shù)據(jù)需求在涌現(xiàn)，但也不是替代或互斥的關(guān)系。面向預(yù)訓(xùn)練、前沿探索，大家需要以人為中心、無本體的數(shù)據(jù)，研究如何將人的行為遷移到機器人。但面向場景真正落地、形成部署或做demo，大家一定依賴真機數(shù)據(jù)，因為那是后訓(xùn)練的范疇，必須用本體數(shù)據(jù)。不同用戶會產(chǎn)生不同的數(shù)據(jù)需求。

甲子光年：為什么之前真機采集數(shù)據(jù)比較多，無本體采集聲浪小一些？

姚卯青：因為真機數(shù)據(jù)直接拿來就能用，非常確定。有真機數(shù)據(jù)就可以訓(xùn)練機器人的策略，直接部署。

直到今天，這也是一個開放式問題：無本體的數(shù)據(jù)有效性到底如何？怎么遷移到機器人上高效高性能運行？這還在探索中，比較前沿。

甲子光年：這跟機器人的發(fā)展階段有關(guān)嗎？前面大家在造本體，需要更精確；現(xiàn)在相對成熟，要做更大規(guī)模部署，就需要更大量數(shù)據(jù)，無本體采集能更快、更多地獲取數(shù)據(jù)？

姚卯青：對，這是其中比較重要的一個方面。大家都在沿用大語言模型的路線，相信大力出奇跡，只要數(shù)據(jù)夠多。在這種情況下，想盡可能短時間獲取盡可能多數(shù)據(jù)，無本體是一種scale up的方式。雖然它的數(shù)據(jù)質(zhì)量和可用性有一些疑問，但至少容易堆量，哪怕從試錯角度，大家也愿意先嘗試。

（封面圖片來源：智元機器人官網(wǎng)；其他圖片來源：覓蜂科技）