过去两年，具身智能最显眼的变化，是机器人越来越多。

人形机器人加速进入工厂，机械臂开始尝试整理、搬运、装配等更复杂的任务，VLA、世界模型也成为模型公司和机器人创业公司的新战场。但随着本体和模型同时向前推进，一个更基础的问题正在浮出水面：

这么多机器人，拿什么学会真实世界？

8月31日，觅蜂科技披露，第2万套MEgo无本体数据采集设备正式下线，累计生产的无本体数据超过100万小时。第2万套设备交付京东，同时，觅蜂与腾讯Robotics X实验室达成无本体数据业务合作，为其具身模型建设提供数据支持。

相比2万套设备和100万小时这两个数字本身，更值得关注的是它们背后的产业变化：

真实世界的数据，正在成为具身智能的一层基础设施。

01 机器人开始遇到自己的“数据荒”

大模型时代已经证明，模型能力的提升离不开大规模数据。

但具身智能面对的数据问题，比语言模型复杂得多。

网页、书籍、代码天然存在于数字世界里，而机器人需要学习的是怎么拿起杯子、怎么整理衣物、怎样使用工具，以及面对物体移动、遮挡和环境变化时应该如何继续完成任务。

一段真实世界中的人类操作，背后包含的不只是画面，还有空间位置、动作轨迹、姿态、深度、触觉乃至不同传感器之间的时间关系。

更麻烦的是，物理世界很难标准化。

同样是“拿杯子”，家庭、办公室和餐厅里的环境完全不同；杯子的大小、位置、材质不同，人的操作方式也会发生变化。机器人如果最终要进入开放环境，就需要见过足够多真实世界的复杂情况。

因此，具身智能发展到今天，数据正在从一个后台问题走向产业前台。

目前，觅蜂披露的100万小时数据覆盖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，其中居住、办公、零售、生产、仓储、餐饮、文娱休闲和交通出行八类高频场景贡献了约82%的数据。

这些数字背后对应的是一个更现实的问题：

真实世界的数据，能不能像互联网数据一样被持续生产出来？

02 为什么不直接让机器人自己采？

最直接的方法当然是让机器人自己工作、自己积累数据。

但成本很快会成为问题。

机器人本体数量有限，单台设备价格和部署成本都不低。如果每增加一批训练数据，都需要对应增加机器人、场地和操作人员，数据规模很难快速扩张。

这也是过去几年遥操作、仿真数据、互联网视频和无本体数据等多种路线同时出现的原因。

它们解决的其实是同一个问题：怎样降低物理世界数据的生产成本。

无本体数据的思路，是先记录人的真实操作，再将这些行为转化为模型可使用的数据。

人的优势很明显：可以自然进入家庭、餐厅、商店、办公室和生产现场，也可以完成大量机器人目前还难以稳定执行的复杂任务。

但问题随之而来。

戴一个摄像头拍几万小时视频，并不等于获得了几万小时机器人训练数据。

模型还要知道手在哪里、物体怎么移动、动作轨迹如何变化，不同感知信息在空间和时间上又如何对应。

按照觅蜂披露的信息，MEgo目前采集RGB、Depth、IMU、触觉、音频等多模态信息，并形成Ego裸手、Ego+Wrist腕戴、Ego+UMI夹爪三类数据体系，对应规模分别约为50万小时、35万小时和15万小时。

MEgo本身采用超过300°全景与腕部视角，同时结合三维触觉、轨迹重建和多通道同步等方式记录操作过程。

也就是说，具身智能的数据竞争已经开始越过“拍了多少视频”这个阶段。

接下来要竞争的，是谁能更有效地把现实世界结构化。

03 给物理AI铺一张“数据电网”

觅蜂科技董事长兼CEO姚卯青把这套模式形容为物理AI的“数据电网”。

他说：“物理AI的数据电网，今天立下了第一根电线杆。”按照他的解释，就像电网让电力能够被稳定输送，数据采集基础设施的建立，也意味着物理AI数据有机会进入规模化生产阶段。

这个比喻其实提供了一个理解具身数据生意的角度。

一张电网的价值，并不只来自某一家发电厂，而是连接大量分散节点之后，形成持续而稳定的供给。

物理AI的数据也有类似特征。

家庭里的整理动作、餐厅里的制作过程、工厂里的操作流程、零售场景里的拿取和摆放，原本都是散落在现实世界中的人类经验。

如果足够多的采集设备进入这些场景，它们就有可能被持续数字化，再进入模型训练体系。

因此，2万套设备更值得关注的地方，并不只是硬件出货量。

它意味着采集设备开始从单个项目中的工具，向分布式数据节点演变。

如果这套模式能够成立，具身数据公司的竞争重点也会发生变化：

谁拥有更多真实世界节点，谁就可能获得更稳定的数据生产能力。

04 百万小时之后，数据还要过另一关

不过，数据采得多，只解决了第一步。

真实世界天然充满噪声。

人的手会被物体遮挡，会快速运动，会和其他人的手产生交互；工人可能戴着厚手套，宠物洗护又会出现泡沫、运动模糊等情况。

这些看起来很普通的现实细节，都会直接影响数据能不能进入模型。

觅蜂目前建立了MEgo Engine数据处理体系，覆盖处理、感知、标注和质量评估等环节，并通过位姿重建和动作映射，将手部、身体、头部、机器人末端及环境信息转化为空间数据。

此次公布的HandPose技术主要解决真实场景中的手部重建问题。根据其披露的测试结果，在遮挡、交互和快速移动等情况下，其PA-MPJPE重建误差相较对比方案降低62%，Jitter帧间抖动降低93%。

觅蜂列举的实际场景包括美甲过程中的双手交互、制作奶茶时的大面积遮挡、宠物洗护中的快速运动，以及维修场景下佩戴工业手套等。

这些能力最终能给模型带来多大提升，还需要由实际训练和部署效果验证。

但产业逻辑已经越来越清晰：随着数据规模增长，竞争会从“谁采得更多”，继续转向谁能从复杂真实世界中提炼出更多可训练的数据。

05 一个新的数据中间层正在出现

这可能也是具身智能产业接下来值得关注的一条支线。

大模型产业已经形成相对成熟的分工：芯片公司提供GPU，云厂商提供算力，数据公司提供训练数据和数据治理，模型公司再在这些基础设施上开发产品。

具身智能未来也可能形成类似结构。

本体公司负责机器人，模型公司开发“大脑”，真实世界数据则逐渐形成一个独立的供应层。

目前，觅蜂的百万小时级无本体数据已经开始服务腾讯Robotics X实验室、蚂蚁灵波等客户，根据不同模型训练需求提供数据产品和服务。

这意味着一种新的产业关系正在出现：

模型公司不一定需要自己招募成千上万的采集人员，机器人公司也不一定必须同时拥有庞大的数据部门。

数据开始成为可以独立采购的生产要素。

如果这一分工继续成熟，具身智能产业链中就会出现一个越来越清晰的位置——连接现实世界与模型的数据基础设施层。

06 最后还是要看，机器人有没有变聪明

当然，100万小时距离真正意义上的数据基础设施还有很远。

姚卯青给出的判断是，物理AI未来可能需要亿小时级的数据。

从100万到1亿，还有两个数量级。

更关键的问题也不会永远停留在数据规模。

100万小时数据究竟能让机器人的任务成功率提升多少？不同场景的数据能否迁移到不同机器人本体？无本体数据、遥操作数据、机器人自主采集和仿真数据应该按照什么比例组合？随着数据增加，模型能力提升的边际收益又会怎样变化？

这些问题，目前整个具身智能行业都还没有最终答案。

但有一点正在变得越来越明确：

过去两年，大家最关注的是机器人本体和模型；现在，产业开始向前补另一块基础设施。

机器人越来越多之后，真正稀缺的东西可能不再只是机器人本身。

谁能把散落在现实世界中的人类经验，持续转化为机器可以学习的数据，谁就可能掌握下一阶段物理AI的一处关键入口。