IT时报记者 沈毅斌

当人形机器人在产线上反复尝试对准一颗螺丝，当服务机器人在家中一次次错过桌面上的水杯——这些笨拙的试错背后，藏着具身智能和物理AI行业一个共同的困境：没有足够的真实交互数据喂给算法，再聪明的模型也学不会“动手”。比起大语言模型坐拥万亿文本语料的“富足”，扎根真实物理世界的具身智能，长期困在“无米之炊”的环境里。

近日，物理AI数据服务平台觅蜂科技完成数亿元新一轮融资，由中国电信领投，张江集团跟投，红杉中国、元启创新等老股东超额追加投资。这场融资不只是资本对赛道的下注，更是一次产业能力的双向奔赴，运营商的云网底座叠加创业公司的采集技术，正试图共同撬开横亘在物理AI面前的“数据荒漠”。

物理数据量比语料差了万倍

在世界人工智能大会上，智元合伙人、高级副总裁、具身业务部总裁、觅蜂科技董事长兼CEO姚卯青坦言，语言模型头部团队已经用到了100万亿Tokens的语料，约合100亿小时的人类说话时长。而具身智能所需的物理世界数据，信息密度远低于语言，目前还差了万倍以上。

物理交互数据的采集，远比爬取网页文本复杂得多。它需要同步捕捉环境视觉、肢体轨迹、力觉反馈等多模态信息，有效信息密度低、环境噪声大，对采集精度和场景丰富度的要求却极高。

业内普遍认为，物理AI对数据的需求量级远超语言模型，但时至今日，行业仍没有形成规模化、标准化的数据供给体系。多数具身团队只能靠自有机器人小范围采集数据，场景覆盖窄、迭代成本高，模型泛化能力始终难有本质突破。

觅蜂科技选择从采集、治理、评测全链条切入，试图搭建一套平台化的数据供给体系。其最核心的突破，是跳出“绑定特定机器人本体”的传统采集模式：自研的MEgo系列轻量化采集设备，像一套便携的“动作捕捉站”，无需依附固定机型，就能深入工厂、物流、商超、家庭、养老等十余个真实场景，同步完成宏观环境与微观手部操作的数据采集，动作轨迹精度可达毫米级。

在此基础上，配套的MEgo Engine治理平台打通预处理、空间重建、多模态标注的自动化流程，把传统人工处理的效率提升了十倍以上；同时搭建了回流评测的闭环，模型部署后的效果数据会反向优化采集策略，形成越用越好的迭代飞轮。

目前觅蜂科技已在国内20余座城市布局创新中心，海外设立5个以上节点，与多家头部具身企业、互联网厂商达成数据合作。

电信领投，给数据基建装上“云网引擎”

作为本轮融资的领投方，中国电信的入局被视作最具产业分量的变量。对物理AI数据赛道而言，资本只是基础，真正制约规模化的瓶颈，恰恰藏在传输、存储、算力与合规这些底层环节里，而这正是运营商的核心优势所在。

海量分散的场景采集，意味着海量边缘数据需要低时延、高可靠的回传；PB级的多模态数据治理与训练，离不开弹性调度的云存储与算力支撑；数据要实现商业化流通，安全合规更是绕不开的门槛。

这些痛点，恰好对应着中国电信的能力版图：遍布全国的5G网络像“数据血管”，支撑边缘采集数据的高效回传；天翼云的存储与算力体系是“数据仓库”，承接大规模数据处理需求；多年服务政企积累的安全合规体系，则是数据商用的“安全闸门”。

根据双方披露的合作方向，后续将联合打造“云网+具身数据”一体化解决方案，打通从数据采集、传输、存储、治理到行业应用的全链路。一方面共同研发工业制造、智能家居、商用服务等领域的标准化数据集，推出可落地的行业数据产品；另一方面依托中国电信的政企渠道与客户资源，推动方案在智慧园区、智能制造、智慧家居等场景的规模化落地。

对于电信而言，此轮投资也是完善AI产业生态的关键一步。运营商手握云网底座与场景入口，但缺乏前端垂直领域的数据采集与治理能力，通过投资绑定技术团队，能够快速切入具身智能数据基建赛道，将自身的网络、算力、渠道优势转化为场景价值。

对觅蜂科技而言，电信的产业资源则能帮助其快速突破场景拓展、合规落地的瓶颈，从技术型公司向平台型基建企业推进。

一场数据要素的产业长跑

张江集团的跟投，为这场产业合作补上了场景与生态的拼图。作为张江科学城的建设主体，张江集团将开放园区内的工业、商业等实景场景，支持数据采集与技术验证，同时对接产业政策与上下游企业资源，推动行业数据标准落地与生态企业集聚。

央企领投筑牢底座、地方国资开放场景、创业公司输出技术，这样的“铁三角”组合，正是当下AI硬科技领域典型的产融协同模式。央企提供基础设施、合规能力与产业渠道，地方国资提供场景空间与政策支持，创业团队负责技术突破与产品迭代，三方合力撬动新兴赛道的发展。

只是物理AI的数据基建，远非一次融资就能建成。目前行业仍面临诸多待解的难题：不同厂商的数据标注标准不一，数据的通用性大打折扣；轻量化采集虽降低了场景门槛，但高价值的力觉、触觉数据采集成本依然高企；数据付费的商业模式尚未完全跑通，平台型供给的盈利路径仍在探索。

从更大的视野看，这次融资更像一个行业信号。当具身智能从实验室走向产业落地，数据供给的重要性正在从幕后走向台前。云网资源与数据技术的深度融合，国资与科创的双向奔赴，正在为这片“数据荒漠”浇灌出第一片绿洲。至于千万小时级的物理交互数据何时能真正撑起物理AI的“GPT时刻”，姚卯青曾预测最快是两年。