人人皆可為師：全球首個物理AI數據眾包服務平臺“覓蜂派”正式發佈
9 月 23 日，以“DATA FOR AI，人人皆可為師”為主題的覓蜂派全球發佈會在上海舉行。會上，覓蜂科技正式發佈全球首個全品類高質量物理 AI 數據眾包服務平臺 “覓蜂派”，並同步推出機器人訓練師職業計劃與億元補貼計劃，啟動《具身智能眾包數據發展報告》編制和場景數據聯盟，為具身智能產業補齊真實數據短板提供規模化路徑。覓蜂科技董事長兼 CEO 姚卯青表示，機器人真正走進工廠、商店和千家萬戶，缺的不是算法與硬件，而是海量、真實的人類動作數據。覓蜂派將普通人疊衣、泡茶、理貨等平凡動作，轉化為訓練機器人的高價值數據，讓 “人人皆可為師” 從口號變為現實。
瞭解到，覓蜂派平臺由兩層結構構成：底層是 MEgo 系列採集設備、覓蜂派 APP 與 MEgo Engine 數據後處理平臺組成的基礎設施；上層是場景網絡與採集員網絡 —— 哪裡有真實作業，哪裡就是數據原產地，每一個平凡人都可隨時接單、採集、結算。其中，MEgo View 是行業首創的全感官多視角採集設備，頭部多相機覆蓋超 300 度視野；MEgo Gripper 重建精度可達毫米級，並可選配三維觸覺傳感。用戶下載覓蜂派 APP 實名註冊並申領設備後，按 “接單 — 採集 — 驗收 — 結賬” 四步即可獲取收益，支持微信、支付寶、銀聯多渠道提現，兩分鐘內到賬，稅費由平臺自動代繳。
目前平臺已覆蓋 22 個大類、5000 餘項任務類型和 5 萬多個真實場景。在 8 月 15 日至 9 月 15 日的內測中，近兩萬名用戶完成註冊，榜首單月收益達 5111 元。圍繞新職業建設，發佈會為 16 位內測用戶頒發全球首批 “機器人訓練師” 認證，並正式發佈面向全社會的機器人訓練師職業計劃。此前，人力資源社會保障部等部門已將 “具身智能機器人應用技術員” 納入新職業範疇，發佈會此舉與國家產業方向同頻共振。
覓蜂派業務副總裁張智富宣佈億元補貼計劃：投入 5000 萬元任務補貼、2000 萬元設備補貼，投入 3000 萬元打造覆蓋 40 座城市的線下服務網絡，並投入 200 萬元構建人與設備雙重保險保障；同時推出 M1—M5 五級成長體系，目標兩年內打造 100 萬日活用戶與 100 萬機器人訓練師。行業生態與治理也同步推進。
覓蜂科技與中國信息通信研究院聯合啟動《具身智能眾包數據發展報告》編制，國家機器人檢測與評定中心、貴州大數據集團、中國電信數據發展中心等聯合共建；發佈會現場成立場景數據聯盟，龍旗科技、華驛酒店、德濟醫院等 12 家單位首批入駐；覓蜂科技技術負責人劉力宣讀《具身智能數據安全與防護行動倡議》，從採集規範、全鏈路安全、行業協同三方面為眾包數據行業立下準則。據發佈會披露，當前全球高質量真實物理交互數據僅約 10 萬至百萬小時量級，而機器人商業化落地需千萬乃至數億小時數據，缺口超過 99%，眾包採集正成為拓展數據供給的新路徑。姚卯青表示，億萬雙手的經驗終將匯聚成機器人的本領。
目前覓蜂派已在全國 40 座城市開啟運營，未來將攜手千行百業補齊物理 AI 場景數據版圖，加速 AGI 時代到來。
Related
相關文章
Google 開源 Harness²：遞迴代理程式框架，無需新模型也能提升效能
Google Cloud AI Research 開源了 Harness²，這是一個遞迴代理程式框架，透過改良凍結模型周圍的程式碼與檔案來增強效能。對開發者而言，重點很簡單：你的代理程式無需更強大的模型也能進步。重點摘要：規模為框架而非模型，訓練參數為0，包含8個可編輯的框架元件，版本0.1.0。執行環境為Linux、Python 3.12或3.13搭配uv，模型呼叫則透過Vertex AI。GPU需求未公開。效能方面：一次改良步驟即可在3個基準測試中，提升所有4個模型與框架組合的表現。最佳成果：GLM-5搭配OpenCode在WorkBuddy-Bench上從64.2提升至75.7（+11.5點）；最差表現：GLM-5搭配Codex在JobBench上僅提升1.2點（23.6至24.8）。什麼是Harness²？它是Google研究推出的即插即用框架。
如何利用NVIDIA結構化資料模型進行零訓練表格預測
In this tutorial, we implement Structured Data Models, NVIDIA’s new library that puts several pretrained foundation models for tables behind one PyTorch interface, and use it to make predictions without training.
認識 Kyutai REKI：2.4B VLA 模型為機器人操控帶來高效記憶
Kyutai 與 Inria 及 École des Ponts 合作，推出了 REKI——一個用於機器人操控的 2.4B 參數視覺-語言-動作模型（VLA）。該模型僅使用公開數據進行預訓練，並配備了輕量級的近期記憶功能。在三個分佈外基準測試中，僅有規模約為其兩倍的模型能超越它。所有模型權重已於今日在 Hugging Face 上公開。核心資訊：規模：2.4B 參數（2.2B Qwen3.5-2B VLM + 0.2B 流匹配動作專家）。記憶涵蓋最近 3 幀，間隔 1 秒。運行環境：在 1 張 NVIDIA H100 上進行基準測試。從兩個 256×256 攝像頭輸入，編譯後每個動作區塊耗時 21.8 毫秒。權重以 BF16 格式提供，暫無量化版本。性能：在 LIBERO-Plus 和 RoboTwin Clean2Rand 基準測試中，為公開數據預訓練的 VLA 模型中最優；在 LIBERO-Plus 上達到 90.4% 的最高分。
DeepSeek 發布 V4.1-Flash-1017，DeepSWE 得分 77.0，並開放搜尋 API
DeepSeek 剛發布 DeepSeek-V4.1-Flash-1017，這是其 V4.1-Flash 模型的新檢查點，現已在 DeepSeek 網站、應用程式及 API 上線。DeepSeek 宣稱該版本在性能、任務完成速度與輸出簡潔度上均優於 9 月發布的 V4.1-Flash，並稱之為性能與成本的帕累託改進。同時，DeepSeek 也向所有開發者開放了搜尋與擷取 API。對代理建構者而言，這意味著更便宜的編碼模型加上單一 API 金鑰即可使用的第一方網路層。重點摘要：骨架參數 552B，另加 196B 的 Engram 參數；預填充階段每 token 啟用 8B 參數，解碼階段啟用 16B 參數；上下文長度達 1M tokens，最大輸出 384K tokens。運行於 DeepSeek API 的 deepseek-flash 模型。9 月版的 V4.1-Flash 權重（763B 參數，FP8）採 MIT 授權。
2026年20款Jev替代方案：挑戰TypeSafe的決策模型
TypeSafe於2026年9月15日推出Jev，這是一款決策模型而非聊天機器人。使用者可定義允許的答案，Jev將回傳標籤、分數或是否的機率。約4週內，至少20款Jev替代方案相繼問世，來自Cloudflare、OpenAI、Perplexity、Liquid AI、AWS的Strands Labs及獨立開發者。本指南比較各方案在規模、授權、硬體、價格、Jev API相容性及已發布基準測試的表現。重點摘要：規模範圍從287M（GLiNER2.5-multi-Decide）到35B-A3B（Mapika Decider），Jev規模未公開。執行環境：Von和Laya等編碼器可在CPU上運行，4B適配器適用24 GB GPU或32 GB Mac。效能：多數開源模型在困難推理上落後Jev，但在狹窄分類任務上數款與之匹敵或超越。最佳表現：Cloudflare Clef在BANKING7取得94.20分。
長鑫科技市值兩月內跌去1萬億；阿里加碼AI硬件品牌，天貓、速賣通聯動；國行版蘋果AI有望12月上線，百度、阿里參與合作丨雷峰早報
要聞提示1.長鑫科技市值兩月內跌去1萬億2.年內已至少18次故障！DeepSeek發放宕機補償，有人拿到3000元3.阿里加碼AI硬件品牌，天貓、速賣通聯動4.國行版蘋果AI有望12月上線，百度、阿里參與合作5.可靈AI新一代模型Kling 4.