炒股就看金麒麟分析师研报，权威，专业，及时，全面，助您挖掘潜力主题机会！

（来源：上观新闻）

作为具身智能的“黄金三角”之一，具身数据正在跨过一道新门槛。

8月31日，上海具身智能数据服务商觅蜂科技正式交付第2万套无本体数采设备，累计产出的可交付无本体数据超过100万小时，成为全球首家实现无本体数采设备量产、并率先跨越“百万小时级”数据门槛的服务商。

100万小时是训练具身智能模型的关键数据门槛。在这一规模上可以训练出“基本可用”的具身模型，而要达到GPT-3量级的能力，则需要约1000万小时数据，觅蜂预计这一目标今年底即可实现。

《上海市战略性新兴产业发展“十五五”规划》明确提出，要加快智能机器人本体产品、模型算法、数据采集等标准体系建设，推动实景、训练场数据采集和仿真数据合成，支撑本体与算法协同优化。

行业新选择

很长一段时间里，真机数据是具身智能数据的主要采集方式：操作员通过手柄遥控机器人，以遥操作的方式“教会”机器人叠衣服、拆礼物等具体任务。

但这种方式很快遇到瓶颈，不仅需要昂贵的机器人真机配合，不同机器人采集到的数据彼此也不互通。采集节奏偏慢，人必须刻意放慢动作去配合机器人的节律。更关键的是，遥操作并非人类工作的真实状态，机器人难以如实学习人类的自然行为。

于是，无本体采集成为行业新选择。所谓无本体采集，就是无需配置专门的数采机器人，转而在人的手部和头部佩戴专用设备；人只需正常工作，设备便会实时记录操作轨迹，最终反馈给机器人学习。

今年4月，觅蜂科技推出无本体采集设备MEgo，分为“头戴+裸手”“头戴+腕戴”“头戴+夹爪”三种形态，分别对应人类自然操作、腕部姿态与连续运动轨迹、机器人末端执行等不同数据需求。

“头戴+夹爪”数采设备。

“无本体采集数据的天生优势在于，它不绑定任何一种类型的机器人。拿无本体数据‘喂’给机器人，能训练出通用、可泛化的具身模型。”觅蜂科技董事长姚卯青告诉记者，无本体数据几乎等同于人类手部关节的真实数据，能够直接把人的动作转化为机器人的关节动作，这也使其成为当前多数具身模型厂商的主流选择。

目前，MEgo已实现规模量产，陆续进入家庭、办公、零售、生产、餐饮等真实场景。第2万套设备已交付国内某大型电商平台，将投入真实作业场景使用。腾讯Robotics X实验室也将与觅蜂开展无本体数据合作，为腾讯具身模型建设提供数据支持。

觅蜂并非唯一的入局者。今年以来，银河通用、星海图等国内头部具身智能企业纷纷新增无本体数据采集业务。日前，上海蚂蚁灵波与奥比中光联合推出无本体数采硬件平台，自变量、千寻智能等也相继发布无本体数采设备和方案，部分数采团队规模已超过1000人。

跨越新门槛

除了第2万台数采设备下线，记者还注意到，在短短4个多月里，觅蜂已产出超过100万小时高质量无本体数据，成为全球首家跨越“百万小时级”无本体数据门槛的服务商。

“100万小时是一道分水岭，在此基础上可以训练出‘基本可用’的具身模型，差不多相当于GPT-1的水平。要达到GPT-3的能力，大概需要1000万小时的无本体数据。”姚卯青表示，预计今年底能达到1000万小时的目标。

觅蜂百万小时数据集。

为尽可能贴近真实场景，这100万小时数据覆盖22大类场景、1万多个真实环境、5万多类物体和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、交通出行等八大高频场景贡献约82%的数据，构成面向通用物理AI能力的核心数据基础。公共服务、物流、医疗、教育等14类长尾场景，则覆盖了具身数据在垂直行业的应用。

为还原人类真实的动作习惯，50%的数据来自“头戴+裸手”设备，35%来自“头戴+腕戴”设备，其余来自“头戴+夹爪”设备。

采集数据只是第一步。真实世界的动作天然复杂，尤其在高速运动、手部出框、重度遮挡、多人交互等开放环境下，能否准确重建手部动作、捕捉全身姿态，是把真实经验转化为机器可学习数据的关键。

觅蜂科技技术负责人刘力告诉记者，在美甲场景中，系统常常难以区分美甲师与消费者的双手，在奶茶制作过程中，手部时常被奶茶杯、茶桶等物品大面积遮挡，手部可见率一度低于30%，以往系统经常“跟丢”双手。宠物洗护场景的问题尤为突出，宠物美容师的双手隐没在丰富泡沫中，系统既无法识别手部外观变化，也无法预估稳定的手部姿态。

美甲场景的数据采集。

针对这些行业难题，觅蜂专门推出高精度手部重建技术，对采集过程中出现的遮挡、交互、快速移动等问题实现自动化重建，七大核心指标全部达到行业最佳水平，重建误差较业界次优方案降低62%，帧间抖动降低93%。

“我们自研的统一算法底座，在头部、手部等部位的位姿还原误差小于1厘米，三维场景重建实现可视级还原。”刘力介绍。

数采新模式

便宜、通用、量大，无本体采集看似“完美”，越来越多数采厂商转向这一路线。但在业内看来，真机数据仍然无可替代。

“训练具身模型和训练大语言模型一样，也分为预训练和后训练两个阶段。预训练需要大量真实场景数据，学习人类行为的通用表征，更适合用无本体数据。而到了后训练阶段，数据要落实到特定任务，泛化不足时就需要真机数据来补齐。”姚卯青告诉记者，无本体数据适合机器人前期预训练，真机数据则用于后期调优。

就在同一天，智元开源了2026年第三期世界模型数据集，聚焦具身智能真机强化学习，开放机器人在专家示教、真实部署和人工纠正过程中产生的多类真实交互轨迹，覆盖工业、家居等真实场景，包含网线插接、钥匙开门等14类交互任务，共开放11430条轨迹，其中包括1024条失败轨迹。

姚卯青表示，真机数据的规模虽然无法与无本体数据相比，但具体行业和场景落地离不开有针对性的真机后训练数据，尤其是失败数据。

“100万小时还远远不够，这一规模对于具身模型预训练而言仍显不足。”他告诉记者，具身模型的高质量数据采集仍然严重不足。

如今，无本体数采设备已极大降低了采集门槛，社区工作者、全职宝妈、保洁员、快递员、外卖员戴上设备就能完成数据采集。记者了解到，智元食堂的保洁阿姨已率先成为“数采员”，8小时工作时间内可产出超过5小时的有效数据，效率是传统遥操作方式的数倍。

“我们希望发动大家把自己的独门绝技、绝活儿贡献出来，让机器人去看、去学，把时间和经验变成可以被量化结算的技能。”姚卯青表示，数采未来有望进入“众包”模式，有了多元、海量的数据，国产具身模型才能形成难以复制的护城河。

原标题：《具身智能跨过 "百万小时" 分水岭，今年底将迎来“GPT-3时刻”》