7.3
深览指数
科技虎嗅·定焦One··AI 生成
具身智能界的“美团”，能跑通吗？
本文以智元系公司觅蜂科技推出的数据众包平台「觅蜂派」为切入点，分析了具身智能行业数据采集的现状、挑战与经济模型。文章指出，众包模式解决的是数据“量”的问题，但EGO(第一人称视角)数据的有效率仅10%-20%，且此类数据在行业内已供过于求，卖价与采集者报酬持平，算上设备、存储成本，当前是亏本收数据。对比Figure AI相近做法的效果，文章对众包能否解决具身智能的泛化难题持审慎态度。适合关注具身智能行业、机器人商业化及数据基础设施的读者阅读。原文 ↗
核心观点
- ▍具身智能行业的数据众包模式，在解决数据“量”的问题上有效，但EGO数据有效率低（约10%-20%）、经济账算不过来（卖价等于采集者报酬），且Figure AI的实践已证明即使有56%的成功率，也意味着一半的失败率，因此该模式能否跑通具身智能的泛化难题存疑。
- 01截至9月末，觅蜂派内测一个月注册用户约2万，累计提交1.3万份任务，人均贡献不足1份。
- 02全品类EGO数据，如叠衣服等居家生活场景，已被认为是“泛滥”数据，再采集几百小时意义不大，且单价已从20元下调至10元。
- 03行业普遍认为，具身智能需要约一亿小时高质量数据，但仅靠行业内公司推动，从百万小时到一亿小时至少需要3-5年。
- 04觅蜂派租出的MEgo View设备仅含头显（不包含腕部相机），无法精确捕捉手部完整动作，导致数据有效性不足。
- 05Figure AI 的Index项目中，经过预训练后的模型Helix 2.5在测试中成功率为56%，而未经预训练的模型仅9%。
- 06每50小时数据需要1.4T左右存储空间，随着数据量逐步提升，存储成本将巨高。
- 07智元控股觅蜂，智元本身多是其潜在大客户，其他机器人本体公司是否愿意把数据需求交给“竞品”，将直接影响觅蜂的独立平台定位。
反方 / 局限
- — 有从业者认为，Figure AI发布的数据（56%成功率）恰恰证明其模仿学习系统不能泛化。
- — 自动驾驶数据众包先驱Comma.ai未能跑通商业模式，最终退化为硬件产品的附属功能，映射相同路径的具身智能数据众包前景不明朗。
13 分钟 · 3 卡片 · 9 资料
读原文 →