在具身智能领域，数据正成为推动技术进步的核心要素。姚卯青，这位曾在谷歌、甲骨文和蔚来汽车等科技巨头任职的行业资深人士，如今以觅蜂科技董事长兼CEO的身份，带领团队在数据赛道上加速奔跑。他指出，具身智能的发展瓶颈已从算法转向数据，行业亟需构建高效的数据采集与处理体系。
据姚卯青介绍，当前全球具身智能领域有效数据量仅约几十万小时，而要实现类GPT-3.5的初步智能水平，至少需要一亿小时数据。这一巨大缺口促使觅蜂科技提出雄心勃勃的目标：2026年达到千万小时级数据产能，2030年突破百亿小时。他强调，百亿级高质量数据有望让机器人具备GPT-4级别的专家能力，推动智能涌现现象的出现。
为突破数据瓶颈，觅蜂科技探索出一条全民参与的采集路径。公司通过众包和加盟模式，联合职业院校、劳务平台及专业数据团队，构建覆盖零售、物流、家居等场景的采集网络。姚卯青透露，无本体可穿戴设备的使用显著提升了采集效率——8小时工作可产出约5小时有效数据，接近真机采集的两倍。配套的数据治理平台MEgo Engine则通过自动化标注和预处理技术，进一步压缩了数据处理成本。
在数据标准化方面，觅蜂科技提出"蜂巢数据共创行动"，吸引场景提供方、数据生产商及运营团队加入生态。姚卯青认为，标准需在实践中迭代形成，而非闭门造车。通过与模型团队的闭环验证，觅蜂正推动行业形成统一的数据格式与质量评估体系。这种模式已得到机器人企业、大厂具身团队及世界模型研发者的认可，他们急需物理交互数据提升模型智能化水平。
面对行业对数据壁垒的争议，姚卯青主张"开源与闭源并行"。他曾在智元时期开源百万级机器人轨迹数据集，但认为这只是行业启动阶段的权宜之计。长远来看，定制化闭源数据将成为主流，企业更倾向于与专业平台合作获取场景化数据。这种判断基于他对机器人发展阶段的观察：当本体技术趋于成熟，大规模部署需求将倒逼数据采集范式转型，无本体设备因其可扩展性正成为重要补充。
觅蜂科技的实践正在重塑具身智能的数据生态。通过将数据采集设备与处理平台解耦，公司为行业提供了水电般即取即用的基础设施。这种模式既降低了中小企业参与门槛，也为头部企业构建数据壁垒提供了可能。随着2026年被业界视为"具身数据元年"，这场由数据驱动的智能革命正进入关键加速期。
