中经记者 夏治斌 上海报道

阻碍物理AI迎来GPT时刻的“数据墙”能不能被推倒？

“‘两万’和‘一百万’都是觅蜂阶段性的里程碑，也是行业进入规模化的标志性事件。从今天起，我们相信物理AI的数据瓶颈已经被大幅缓解，进入正向循环。”8月31日，觅蜂科技董事长兼CEO姚卯青告诉包括《中国经营报》记者在内的媒体记者，“通往AGI物理AI最终需要上千万、上亿小时的数据，今天只是起点，更重要的是我们已经织起了真实世界数据采集和治理的网络。”

（觅蜂科技累计生产百万小时高质量无本体数据 企业/图）

所谓的“两万”指的是觅蜂科技第两万套MEgo无本体数据采集设备下线，这是行业第一次实现大规模化量产无本体数据采集设备。仪式现场，姚卯青将第两万套MEgo交付给客户。

所谓的“一百万”指的是觅蜂科技觅蜂宣布累计生产超过100万小时高质量无本体数据，成为行业第一家拥有百万小时级、可对外售卖无本体数据的数据服务商。与此同时，觅蜂宣布与腾讯Robotics X实验室达成无本体数据业务合作，为腾讯具身模型建设提供数据支持。

“物理AI的数据电网，今天立下了第一根电线杆。”这根“电线杆”虽小，却撑起了数据从零散采集走向系统化生产的骨架，姚卯青告诉记者：“就像电网建成之后，电力才真正改变了世界——数据采集第一次有了基础设施，物理AI的数据，从此可以被规模化生产。”

百万小时数据筑牢规模化底座

当机器人进入更加复杂、开放的真实环境，它需要学习的不只是“应该怎么做”，还要理解环境、预测变化，并进行推理和决策。而这些能力，都离不开对真实世界的大规模学习。唯有通过对真实世界的大规模学习，机器人才能从海量经验中提炼出应对不确定性的本能。

为了解决物理AI真实世界训练素材短缺难题，觅蜂科技希望把分散在真实世界里的经验，持续转化为AI可以学习、训练和复用的数据资产。由此，觅蜂科技推出MEgo无本体采集设备，行业首创的多视角、多模态：超300全景加腕部特写，让机器人既看得见全局，也看得清指尖；空间上，三维触觉配合毫米级轨迹重建，让每一次抓取都被精准复刻；时间上，全通道硬件级同步、亚毫秒级对齐，视觉、触觉、姿态完美同步，彻底消除“时空错位”；此外，MEgo采取了无线化、轻量化的设计，让它能跟着人走到真实世界的每一个角落。

“两万台证明了我们已经把无本体数据采集的设备达到规模化应用的程度，可以真正让它进入各行各业真实获取，让我们更有底气地实现公司成立之初定下的使命，即‘让全世界数据为AI所用，加速智能体时代到来’。”谈及此次量产背后的意义与初衷，姚卯青说道。

（MEgo产品 夏治斌/摄影）

记者了解到，伴随MEgo产品规模量产，两万套产品已陆续进入家庭、办公、零售、生产、餐饮等真实场景，累计采集有效数据达到百万小时。据悉，此次觅蜂累计形成的100万小时无本体数据，全部来自开放环境中的真实采集，覆盖22大类场景、1万余个真实环境、5万余类物体以及500余种细分任务，涵盖居住、办公、零售、生产、仓储、餐饮、文娱休闲、交通出行等八大高频场景，并进一步延伸至公共服务、物流、医疗、教育、养老、文旅、汽车服务、农业生产等长尾场景。其中，八大头部场景贡献约82%的数据，构成面向通用物理AI能力的核心数据基础；另外14类长尾场景进一步拓展数据在垂直行业中的覆盖。

据悉，这批数据集在采集形态上也划分出不同类型。在采集形态上，觅蜂已经形成Ego裸手、Ego+Wrist腕戴、Ego+UMI夹爪三类数据体系，分别对应人类自然操作、腕部姿态与连续运动轨迹，以及机器人末端执行等不同数据需求。其中，Ego裸手数据约50万小时，Ego+Wrist约35万小时，Ego+UMI夹爪约15万小时。百万小时数据包含RGB、Depth、IMU、触觉、音频等多模态信息，形成覆盖真实场景、真实动作、真实交互的规模化数据供给。

“百万小时的无本体数据已经都是有效数据了，也是已经去重了，最终入库上到货架可以被售卖的状态。”姚卯青告诉记者，“我们这百万小时突出了三个点：真实，全面、立体。”

自研引擎跑通数据全链路飞轮

落到实际使用层面，这套数据可支撑高标准的模型训练。姚卯青补充道：“相比于硬件和数据，更重要的是跑通了全链路数据后端处理。现阶段行业里对数据使用的要求有非常高的严苛标准，尤其是越头部的用户和团队，对空间定位的精度、语义的标注都有很高的要求。”

对物理AI数据而言，“采下来”只是第一步。真实世界中的动作天然复杂，尤其是在高速运动、手部出框、重度遮挡、多人交互等In-the-Wild（真实开放场景）环境下，如何准确重建人类手部动作和全身姿态捕捉，是将真实经验转化为机器可学习数据的关键。

（智元机器人在演示泡茶 夏治斌/摄影）

破解上述行业问题，离不开配套的数据处理底座。觅蜂科技构建了MEgo Engine数据处理基础设施，覆盖数据处理、感知、标注和质量评估等环节，并通过高精度位姿重建与动作映射，将真实世界中的手部、身体、头部、机器人末端及环境信息转化为统一的空间数据。

觅蜂科技此次重点发布了HandPose高精度手部重建技术，通过五目全景感知、鲁棒手部追踪、三目深度融合、参数化手部重建、高精度轨迹恢复等技术，实现全场景鲁棒手部重建。在遮挡、交互、快速移动等真实作业场景中，七项核心指标全部达到SOTA水平，PA-MPJPE重建误差较业界次优方案降低62%，Jitter帧间抖动降低 93%，时序稳定性业界第一。

例如在美甲场景中，觅蜂科技实现了业界首个稳定处理采集者与他人双手实时交互的方案，解决“自我和他人”手部难以区分的问题；在奶茶制作场景中，即使手部被杯具与其他物体大面积遮挡、可见率低于30%，仍能实现亚厘米级三维重建，实现零跟踪丢失；在宠物洗护场景中，面对高速运动产生的运动模糊以及泡沫造成的手部外观变化，仍能实现稳定重建；在模具维修场景中，即使操作者佩戴厚质工业手套，也能够保持稳定的手部姿态估计。

这些复杂场景的稳定重建效果，均由MEgo自研算法底座支撑。觅蜂还构建了面向头部、身体、机器人末端及环境的空间重建能力。评测结果显示，MEgo 自研统一算法底座MPR（MEgo Physical Reconstruction）在头部、手部以及Gripper三类位姿重建上均实现了小于 1厘米的轨迹还原精度。环境稠密深度重建达到亚厘米级，三维场景重建实现可视级还原。

实际上，在觅蜂科技的蓝图里，百万小时数据只是起点，一个覆盖全球的真实世界数据采集网络才是终局。觅蜂科技副总裁李茂青补充道：“数据网络运转起来之后会发生什么事？大家可以想象一下，在全世界成千上万的操作工、医生、厨师、仓储员等穿戴着MEgo设备在他们的日常工作生活里，每一天、每一个人都在贡献最真实的物理交互数据，他们的数据又回流到MEgo Engine，这些数据被清洗、被重建、被标注、被评测，最后用到了物理AI模型训练里，模型变得越来越好。”

愿景固然宏大，但回到产业现实， “数据墙”究竟面临着怎样的现实壁垒？姚卯青称：“机器人最终是要让它动手干活，真正的本领和技能必须从经验中习得，而这些经验在互联网上是找不到的。一是数据量上，物理 AI 数据比语言模型所需的数据小了四五个数量级；二是真实度和丰富度，要真正走进一个店、一个厂、一间酒店，在各个任务上戴上设备去采集，才有可能培养出具身的全才或通才。只有真实见过、做过，才能学会，才能再举一反三，这正是当下亟待解决的问题。”

（编辑：石英婧 审核：童海华 校对：翟军）