人工智能正加快走进物理世界。相比已经拥有海量文字、图片和视频“教材”的大模型，具身智能还面临一道更基础的难题：人类每天随手完成的抓、拿、拧、放，怎样变成机器真正能学会的数据？
近日，上海企业觅蜂科技发布物理AI数据众包服务平台“觅蜂派”。用户在App上领取任务，佩戴MEgo设备，在原本的工作或生活环境里完成指定操作，数据上传后按有效时长审核。一个月内测期间，平台注册用户达到2万人，提交1.3万份采集任务。
今年8月，美国人形机器人公司Figure推出了一个名为Index的数据采集项目，尝试付费邀请普通人在家庭、工作场所记录真实任务视频，再把这些数据用于机器人模型训练。因为思路相近，觅蜂派也被称作“中国版Index”。
不过，两者并不完全一样。Figure的Index主要服务自家机器人和模型，觅蜂派则希望把采集到的数据提供给不同的模型厂商和机器人企业。换句话说，它想做的并不只是给一款机器人“攒教材”，而是把散落在现实生活里的动作经验，整理成更多物理AI都能使用的数据。
这也是此次发布更值得关注的地方。当人类日常里的抓、拿、拧、放开始被系统记录，物理AI的数据来源也在发生变化。接下来的问题，就不只是“能采多少”，还包括这些动作怎么被机器读懂、怎么变成真正可训练的数据。
拿一杯水，也是一道训练题
人伸手拿起一只杯子，只需要几秒钟。机器想把这件事学明白，却要回答一连串问题：手在哪里，杯子在哪里，什么时候发生接触，移动轨迹如何变化，力度多大，视觉和触觉是否对应在同一时刻。
物理AI需要的，正是这些藏在动作背后的信息。
此次展示的MEgo无本体采集设备，采用多视角、多模态方式记录人的真实操作。头部相机覆盖超过300度视野，腕部相机捕捉手部细节，同时记录触觉、力觉等信息；空间上进行毫米级轨迹重建，不同数据通道则通过硬件同步实现亚毫秒级对齐。进入后台后，高精度位姿重建和动作映射还会把人的手、身体以及周围环境转成统一的空间数据。
一段连续的视频，到这里仍没有结束。长程操作还会进一步拆成抓、拿、放、拧、按等120多种“原子动作”，再经过标注、质量评估和分级，进入具身模型训练，之后还要回到真机上验证、回流和迭代。
这有点像给现实世界重新做一套“机器字幕”。人凭经验完成一个动作，算法却需要把它翻译成空间、时间、触觉和语义信息。
觅蜂科技董事长兼CEO姚卯青此前长期专注自动驾驶研发，后来转向具身智能。两类技术路线并不相同，但都绕不开真实世界数据。在他看来，眼下的数据竞争也已经不只是追求数量，“现在阶段场景丰富度肯定是最关键的”。过去被反复采集的叠衣服、拿杯子，新增价值正在下降，维修、汽修、理发、美甲等更专业、更长尾的动作开始进入模型的“课表”。
另一个变化发生在“质量”上。为了让算法容易识别，人可以刻意放慢动作、始终让双手出现在镜头里，但真实生活中还有遮挡、快速运动和临时纠错。过分规整的数据，反而可能把真实世界削平。材料中一句话点得很直接：“容易处理，并不天然等于训练价值更高。”
因此，数据进入模型前还要经历一轮“体检”。除了空间精度、画质和时间同步，还要看语义是否准确、动作是否完整、模型是否真正可学。姚卯青说，“数据质量可以分很多层”，不同训练阶段需要的数据也并不完全相同。
让实验室更快碰到真问题
物理AI有一个鲜明特点：很多问题，关在实验室里很难暴露。
一套采集设备在室内运行稳定，到了农田，镜头可能很快沾上泥土；一个动作在标准环境里表现很好，换了物体材质、光线和摆放位置，模型可能立刻“卡壳”。
觅蜂科技觅蜂派业务总经理张智富举过一个很生活化的例子：农民真正下地耕田、播种时，摄像头脏了再正常不过。于是，“什么时候提醒擦镜头”，也会变成数据采集系统要解决的实际问题。
这些看似不起眼的小麻烦，恰恰是科研需要的反馈。物理AI越往真实世界走，场景就越像一间更大的实验室。一次识别偏差、一个动作没有拆清、一种传感信息没有记录完整，都可能重新变成模型和算法的问题。
上海的科创优势，也可以从这里理解。
研发物理AI数据平台，需要连接机器人企业，也要进入商超、酒店等真实环境，还要和科研机构、行业组织协同。在上海，前沿科研力量和大量实体场景距离较近，技术能够更快进入现场接受检验。 姚卯青说，在上海可以比较快地链接上下游伙伴，“把实验室产品快速放到真实商业场景当中做验证”；上海既有前沿科研力量，也有大量实体产业场景，为具身智能进入真实世界提供了条件。
今年4月，觅蜂科技发布MEgo系列采集硬件和数据治理引擎时，已经把无本体采集的重点放在“摆脱对机器人本体依赖”，让设备进入工厂、商超、家庭等环境；几个月后，数据入口进一步向普通人的工作和生活扩展。
场景因而不只是技术最后落地的终点，也开始提前进入研发过程。实验室里的原型更快碰到真问题，现场产生的新数据再回到模型里。对物理AI而言，这种反复往返，或许正是走向真实世界之前最重要的一堂课。
