9月23日，觅蜂科技在上海发布全球首个全品类高质量物理AI数据众包服务平台“觅蜂派”。觅蜂科技董事长兼CEO姚卯青在发布会上表示，“物理AI最好的老师，是每一个认真生活的人。”
在他看来，机器人要进入工厂、商店和家庭，缺的不是算法，不是硬件，而是海量、真实的人类动作数据。觅蜂派要做的，就是把分散在日常生活和千行百业中的真实操作经验，转化为机器人可以学习、训练和复用的数据。
发布会后，姚卯青在接受记者采访中进一步阐释了他对具身智能数据瓶颈、众包模式、设备创新和数据治理的判断。
数据瓶颈：机器人缺的不是算法，是“动作互联网”
姚卯青认为，过去几年机器人表演能力进步很快，但真正进入生产力场景的节奏仍然偏慢，核心制约在数据。大模型之所以发展迅速，是因为语言模型学习到了人类数千年积累的知识，这些知识凝结在互联网上。但机器人要学习的动作和技能，一直没有被类似“互联网”的基础设施记载和承载下来。
“我们并不缺这些数据。”姚卯青说，每天、每分每秒，各行各业所有人都在做大量动作——酒店阿姨整理床品、餐饮服务员备餐打包、物流分拣员搬运转运、工厂师傅装配上下料、超市员工理货陈列。这些动作都在潜在产生海量数据，缺的只是去开采这份数据宝藏的铲子。
在姚卯青看来，物理AI最好的老师，就是每一个认真生活的人。觅蜂派的核心逻辑，是把专业数据采集转化为普通人可以执行的标准化任务，让用户不用额外付出时间，结合工作和生活就能记录真实操作。
众包逻辑：用社会化协作放大数据产能
姚卯青将觅蜂派定义为全球首个全品类、高质量物理AI数据众包服务平台。它由两层结构组成：底层是基础设施三件套，包括MEgo系列采集设备、觅蜂派App和MEgo Engine数据后处理平台；之上是两张网络，场景网络和采集员网络。场景网络连接真实作业环境，哪里有真实作业，哪里就是数据原产地；采集员网络让每一个平凡的人随时接单、采数据、结算。
姚卯青介绍，觅蜂派的使命是把场景网络和采集网络无缝连接起来，让更多高价值物理AI数据为机器人所用。用户下载App、实名注册、申领设备，设备寄到家后开箱即用。整个流程简化为四步：接单、采集、验收、结账。他特别强调三个特点：随时可以采集，不额外占用时间；几乎零门槛，大部分人一两分钟学习就能上手；透明结算，收益看得清，随时提现到电子钱包。
对于众包模式的质量担忧，姚卯青给出五项验收标准：内容合规、动作真实、质量达标、任务符合、泛化性。他尤其强调真实，“我们不需要摆拍和刻意设计动作，每一个真实的生活环境、每一个真实任务，才是我们最在意的。”隐私方面，设备平台会自动识别违规内容，人脸证件自动模糊脱敏，全流程实名认证和电子签约。
设备与场景：让数据采集如影随形
姚卯青解释了MEgo品牌的含义：ME是我，以人为中心；GO是随行、轻量、无界，合在一起也是觅蜂和Ego的谐音。他对MEgo的期待是，让数据采集无感、如影随形，随时随地就能开始。
目前觅蜂已推出两款MEgo产品。MegoView是行业首创全感官、多视角采集设备，头部多相机覆盖超过300度视野，可选腕部相机捕捉手部操作细节，全无线连接、轻量、电池快换，不需要第三视角基站或摄像头，可以支持采集员走进真实工厂、商店、酒店、家庭。Mego Gripper是业界领先的无线UMI类产品，空间轨迹重建精度达到毫米级，支持电池快换和无线快速组网，亚毫秒级时间同步，可选三维触觉传感，记录手在哪里以及用了多大力。
姚卯青认为，高质量物理AI数据必须满足四个条件：多场景、高精度、多模态、强语义。场景要覆盖从厨房到车间到货架；精度要高，手在哪里、物体在哪里，差之毫厘结果完全不同；模态要全，除了视频，还要采集音频、触觉、力觉、空间轨迹；语义要强，把数据翻译成机器人能理解的文字描述。
在场景覆盖上，姚卯青给出了一组数字：22个大类、5000余项任务类型、5万多个真实场景。商业服务领域包括酒店布草、餐饮备餐打包、商超备货、制作咖啡、保洁；非遗领域包括刺绣穿针走线、竹编、木雕、茶艺，老师傅手上的力道和分寸可以被完整数字化记录；制造业包括精密装配、纺织机台协同、铁路检修、产线多工位配合；危险场景包括摩天楼幕墙清洗、矿井作业、化工防护、疫区作业；养老场景包括喂饭的高度、速度、分量，轮椅协助、日常护理、跌倒应对、康复理疗。姚卯青说，一句话，数据采集、场景无限，覆盖物理世界的每一个角落。
数据治理：采、懂、译、用四步闭环
姚卯青将一条数据从采集到用起来的旅程概括为“采、懂、译、用”四个阶段，支撑全程的是Mego Engine一站式数据治理服务平台。
采，用MEgo设备和觅蜂派完成采集；懂，云端引擎把格式五花八门、质量参差不齐的数据清洗、切分，把长视频拆分成细粒度原子动作，精确到帧；译，技术上叫重定向Retarget，人手有21个自由度，机器人执行机构不同，需要把人的动作翻译成机器人关节能听懂的指令；用，ManiEval质检体系从数据、任务、传感器、语义动作等维度检查，打上精准质量标签，让数据在模型训练各阶段发挥最大价值。
姚卯青举了一个例子：觅蜂采集了物流分拣员翻转、扫码、供包等动作，经Mego Engine处理、翻译、质检后，给机器人训练大模型。现在走廊外精灵G2机器人已经在物流分拣线上高效准确干起来了。真人真机同框，人怎么干机器就怎么学。
目标：让全世界的数据为AI所用
姚卯青说，觅蜂派不仅仅是做一个简单的数据搬运工，而是在做经验的炼金术。亿万双手的经验，最终将汇聚成机器人的本领。
从行业视角看，觅蜂派的发布意味着物理AI数据生产从集中采集走向更广泛的分布式、社会化协作。姚卯青的判断是清晰的：物理AI最好的老师不在实验室，而在真实世界里每一个认真生活的人。众包模式能否解决具身智能的数据瓶颈，尚需时间验证，但至少，觅蜂派已经开始了尝试。