具身智能缺數據？覓蜂科技發布MEgo：無本體采集，隨走隨采

具身智能，這個曾經停留在實驗室里的未來圖景，正以出乎所有人預期的速度撞進現實。

Morgan Stanle預測，到2050年，全球具身智能市場規模將達5萬億美元。中國市場更被國務院發展研究中心估算，2035年將突破萬億元人民幣。

但在這條萬億賽道上，有一個問題正在成為最大的隱患：數據荒漠。

物理AI領域的真機交互數據，目前僅為大語言模型訓練數據的十萬分之一，不是沒有需求，而是供給極度稀缺：格式不統一、質量參差不齊、采集成本高到離譜，大量具身智能團隊卡在同一道門檻前：沒有足夠高質量的數據，模型訓練就是空談。

這是行業公認的核心卡點，卻遲遲沒有人從基礎設施層面系統性地去解。

直到覓蜂科技出現。

一站式物理AI數據服務，填補產業空白

2026年4月16日，上海張江科學會堂。

以“蜂行天下，數驅智能”為主題，覓蜂科技正式公開亮相。這是一家將定位為“全球領先的一站式物理AI數據服務平臺”的公司，不只是數據供應商，而是要做具身智能數據的基礎設施。

區別，在這里就已經出現了。

傳統數據公司賣的是數據集，是一次性的交付物。覓蜂想做的，是讓高質量物理AI數據“像水電一樣即取即用”，一套覆蓋真機遙操、無本體采集、仿真數據全范式的供給體系，打通硬件、軟件、平臺、運營全鏈路，實現數據的體系化、標準化、規模化供給。

這背后是對行業三大痛點的精準回應：

數據荒：真機交互數據極度稀缺，現有數據量無法支撐規模化模型訓練；

標準亂：格式、標注協議不統一，“臟數據”大量充斥，復用率極低；

供需錯：需求方拿不到高質量數據，供給方有資源卻難以變現，市場嚴重割裂。

覓蜂科技董事長兼CEO姚卯青在發布會上給出了一個關鍵判斷：2026年是具身智能數據元年。行業已經過了技術驗證階段，接下來的核心競爭，是數據采集與轉化效率的競爭。

這個判斷，是有數字支撐的。

覓蜂科技此前開源的AgiBot World數據集，Hugging Face累計下載量超過110萬次，GitHub Star達2.9萬，被MIT、清華、伯克利、哈佛等全球頂尖機構采用。更值得關注的是：覓蜂已成為NVIDIA GR00T系列模型的核心數據來源，為其提供了80%的預訓練真機數據，是目前全球最大的具身真機數據供給方。

這不是一家剛剛起步的初創公司，而是已經在產業核心位置站穩腳跟的團隊，正在做一件更大的事。

MEgo系列：重新定義數據采集的起點

發布會最受關注的，是MEgo系列無本體數據采集硬件的全球首發。

過去，物理AI數據采集嚴重依賴實體機器人本體：需要定制化機械臂、專用傳感器、固定工位，設備成本高昂，部署周期漫長，且受限于本體形態，根本無法覆蓋真實世界中復雜、動態、非結構化的全場景交互需求。

結果就是：數據采集效率低、場景窄、復用性差。

MEgo系列的邏輯有點意思：讓數據跟隨人類。MEgo的命名本身就是一個宣言：ME代表“以人為核心”，go代表“隨行、輕量、無界”，M（覓蜂）與Ego（第一視角）的融合則代表了全鏈路的數據治理能力。

走到哪，采到哪。

MEgo Gripper是這套體系的核心采集終端。480克的極致輕量化設計，搭載毫米級軌跡重建技術，操作軌跡還原精度達1mm，亞毫秒級全局時間同步實現視覺、觸覺、姿態等多模態數據的精準對齊。

200°魚眼鏡頭配合三維觸覺陣列，輸出包含視覺、深度、IMU、運動軌跡、多維觸覺、夾爪狀態在內的全維度交互數據。Wi-Fi 6高速傳輸，保障高效與精準并行。

MEgo View是行業首創的全場景、全視角、多模態空間感知采集終端。核心設計是“超300°全景感知+腕部交互特寫”雙視角采集方案：頭部相機覆蓋300°超廣域環境，腕部相機精準捕捉手部操作細節，全通道支持1080P 60fps高清視頻流。

亞毫秒級無線時間同步與硬件級精準觸發技術，實現多傳感器數據在時間與空間維度的完全對齊，徹底解決了物理世界多視角數據時空統一這一長期懸而未決的行業頑疾。

更有價值的一點是，MEgo系列與智元精靈G2 Air的原生同構設計。基于MEgo同構型傳感器和夾爪的一致性數據訓練出的模型，可以無縫對接部署到G2 Air，快速實現機器人自主作業能力。

采集數據即訓練數據，訓練數據即部署數據。三步之間不再有信息損耗。

另一款MEgo Engine則是打通“最后一公里”的數據治理引擎。覆蓋原始數據到訓練數據的全流程自動化處理：多源時間對齊與智能篩選、6D軌跡重建與空間感知重建、多本體回放與智能評分的質量校驗，以及將傳統人工標注效率提升10倍以上的自動化標注能力。采集數據一鍵上傳，輸出即可直接用于模型訓練的標準化數據集。

采集、治理、訓練、部署。這個鏈路，覓蜂第一次把它完整地打通了。

蜂巢共創行動：一個生態的起點，還是一個產業的重組？

技術和產品只是故事的一半。另一半，是生態。

發布會上，覓蜂科技聯合上海電氣科技集團、國家數據標委會、工信部賽迪研究院，共同發起了“蜂巢數據共創行動”的全球啟動。北京人形機器人創新中心、上海國地中心、靈初智能、帕西尼感知科技、大曉機器人、無界智航、清智嘉創、艾歐智能、流瀾數智等數十家海內外機構成為首批響應單位。

行動目標就是打破數據孤島，統一數據標準，鏈接全球供需，打造開放高效的物理AI數據流通網絡。

從發起方的構成來看，國家數據標委會與工信部賽迪研究院的加入，意味著這場行動具有標準制定層面的話語權，未來物理AI數據的格式協議、質量基準、交付標準，很可能從這里開始被系統性地確立。

同日，覓蜂與京東云、百度云、阿里云、獵聘、貴州大數據集團、張江集團完成戰略簽約，覆蓋數據生態、場景協同、算力支撐、人才建設等多個維度。

這些合作方的加入，意味著覓蜂的數據服務能力正在與國內最主要的云計算基礎設施形成互補，數據在哪里，算力就在哪里，模型訓練的閉環就在哪里。

貴州省大數據發展管理局局長朱宗堯在發布會上專程發表演講，肯定覓蜂在數據標準化、生態化建設中的標桿意義。這一細節值得注意：貴州是中國大數據產業最重要的政策高地之一，政府層面對覓蜂模式的認可，意味著這套物理AI數據基礎設施建設路徑，有可能獲得更多政策資源的支持。

覓蜂給自己設立了一個2030年的目標：百億小時級數據產能，共建全球最大物理AI數據生態。

這個數字今天聽起來很大，但結合行業背景來看，具身智能從實驗室到規模化落地，需要的正是這個量級的數據基礎：2026年千萬小時級年產能，2030年達到百億小時級。

在當天的圓桌論壇上，極佳視界聯合創始人兼首席科學家朱政、光輪智能CEO謝晨、原力靈機聯合創始人范浩強、智源研究院具身數據負責人姚國才、阿里云高級算法專家張民英共同給出了一個判斷：具身智能的核心競爭，是數據采集與轉化效率的競爭。預計2026年底，全產業有效數據量級將突破千萬小時，為具身智能規模化落地筑牢基礎。

這是這個行業，第一次開始討論“數據基礎設施”這個層面的話題。

寫在最后

在AI發展史上，每一次從實驗室走向產業的躍遷，都需要一個關鍵的基礎設施層被建立起來。

大語言模型時代，這個基礎設施是互聯網文本數據的大規模爬取與清洗體系。具身智能時代，這個基礎設施，是物理世界真機交互數據的采集、治理與流通體系。

覓蜂科技正在做的事，是試圖在這個層面建立一個行業級的解決方案。

MEgo系列把采集門檻拉到了地板，蜂巢共創行動把生態邊界推向了全球，一站式平臺把從原始數據到訓練數據的全流程打通。

這不僅是覓蜂科技的故事，也是一個產業基礎設施被系統性建立起來的開始。而基礎設施一旦建成，護城河往往深不可測。