一、案例背景
1.1 具身智能赛道的爆发式增长
2026年，具身智能（Embodied AI）已成为全球科技产业最炙手可热的赛道之一。根据启信宝数据，截至2026年5月，全国具身智能相关企业已突破万家，其中涉及上市公司269家。具身智能新增企业数量在2022至2023年经历短暂低谷后，2024年企稳回升，2025年新增企业同比增长37%，产业供给端进入加速扩张阶段。
资本市场的热情更为惊人。IT桔子数据显示，2026年上半年，国内具身智能赛道融资总金额已突破900亿元，达到935亿元，较2025年上半年提升了5倍。这一融资规模在中国科技产业历史上极为罕见，反映出资本市场对具身智能”GPT时刻”的强烈预期。
然而，在这场资本盛宴的背后，一个关键瓶颈始终未能得到有效解决——物理AI数据稀缺。与大语言模型不同，机器人所需的物理世界交互数据无法从互联网上直接获取。机器人需要知道多大的力气能够抓起鸡蛋而不至于挤碎，需要懂得光滑的玻璃栈道比粗糙的柏油路面更容易摔倒——这些物理世界的经验数据需要从零开始采集。
1.2 觅蜂科技的数据采集实践
在这一背景下，觅蜂科技成为国内物理AI数据采集领域的代表性企业之一。公司专注于构建物理世界的数据采集和治理网络，通过多种技术路径积累机器人训练所需的高质量数据。
截至2026年9月，觅蜂科技已实现第两万套数据采集设备下线，无本体数据累积达100万小时。这些数据按采集方式分为三类：接近50万小时通过人头戴设备进行裸手采集，捕捉手部操作与深层意图表达；35万小时通过手部戴相机追踪腕部姿态与连续运动轨迹；接近15万小时通过末端执行器夹爪采集，适用于动作映射和跨本体的直接迁移。
觅蜂科技董事长姚卯青对行业前景持乐观态度：”物理AI的数据瓶颈已经被缓解，进入正向循环。”他认为，物理AI最大的瓶颈还没有到算力、算法这些阶段，数据稀缺才是当前最突出的问题。通往AGI物理AI最终需要上千万、上亿小时的数据，现在国内已经初步织起了真实世界数据采集和治理的网络。
……