时薪20块，喂不出会推理的机器人

9月末，智元系觅蜂科技发布具身数据众包平台觅蜂派，号称“全球首个全品类高质量物理AI数据众包服务平台”，用户接单采数据，时薪20块。几乎同一时间，Google DeepMind甩出Gemini Robotics 2，全身控制、精细灵巧、多机协作一个不落；IROS 2026上，吴佳俊则给出了一个更冷静的判断：结构化表征不是答案，是机器人学会推理的脚手架。

三件事撞在同一个季度，恰好拼出具身智能眼下最真实的图景——数据越来越便宜，但机器人还是不会“想”。这篇文章想讲清楚一件事：众包解决的是量，表征解决的是结构，基础模型解决的是泛化，三条路少一条，机器人学徒都出不了师。

💰 20块时薪，接的是机器人的活

数据生意的外卖化，是把双刃剑。

先看觅蜂派这套打法。平台由三部分组成：自研的MEgo数采设备、觅蜂派App、以及数据治理引擎MEgo Engine。运转逻辑和外卖众包几乎一样——用户在App上接取机器人训练所需的数据任务，用设备采集操作数据换钱，觅蜂科技收到数据后进行治理、分级，再打包卖给机器人公司用于模型训练。

流程本身不复杂：

时薪20块这个定价很能说明问题。把几种主流采集方式的成本放在一张表里，差距一目了然（以下为根据行业公开信息的粗略估算，实际成本随场地、设备折旧、管理费用浮动）：

也就是说，众包把采集侧的边际成本压到了自建模式的十分之一甚至更低。对智元这样的本体厂商来说，卖出去的每一台机器人都是一个潜在的数据采集终端，数据飞轮的故事讲得通。

但问题恰恰藏在这张表的最后一列。众包省下的是采集成本，省不掉的是治理成本——而具身智能是一个远比自动驾驶复杂的物理世界AI应用场景：它不仅需要类似自动驾驶的Local Motion能力，还需要精细的桌面操作，以及对更复杂物理定律的理解。桌面上一个杯子怎么抓、抓多重、倾斜多少度会倒，这些信息在摄像头采到的像素里存在，但很难被廉价采集流程完整还原。

算一笔账就清楚了：如果每小时的众包数据需要额外的标注、清洗、结构化处理才能用于训练，而这部分治理成本达到采集成本的同等量级甚至更高，那么20块时薪的“便宜”就只是把成本从明面挪到了暗处。治理成本到底能不能被20块时薪的采集成本对冲掉，才是这门生意真正的生死线。20块买来的是像素和轨迹，买不来任务结构和物理因果。

🚗 十年前那碗众包的饭，没人吃成

历史的教训摆在那里，只是大家假装没看见。

时间线拉长看，这条路有人走过：

• 2016年：自动驾驶公司Comma.ai推出行车记录应用Chffr，手机架在挡风玻璃前自动录制驾驶数据，上传云端用于模型训练
• 2016-2026年：众包数据积累十年，Comma.ai始终没有成为自动驾驶的主角，行业焦点早已换成特斯拉FSD
• 2026年8月：Actuate 2026在旧金山举行，具身数据基础设施成为热点议题
• 2026年9月末：觅蜂派发布，众包模式被搬到具身智能
• 2026年9月27日-10月1日：IROS 2026在匹兹堡举行，学界开始反思“堆数据”路线的边界

Chffr是AI在物理世界较早的一次数据众包尝试。按照创始人的设想，只要足够多的车装上这款应用，公司就能攒下海量行车数据，短时间内训练出强大的自动驾驶模型，再搭载回每一台汽车上，形成商业化闭环。

十年过去，闭环没有闭合。这不是说众包数据没用——特斯拉FSD的影子模式本质上也是大规模车队数据回传，但它背后有车规级传感器标定、有严苛的数据筛选管线、有围绕“驾驶”这个单一结构化任务做的高效挖掘。Chffr这类泛众包应用没能跑出来的核心原因在于：它假设了“数据量到一定程度，智能会自然涌现”，而真实世界给它的回报是长尾场景永远采不够、数据质量永远参差不齐。

把这套打法平移到具身智能，难度只增不减。自动驾驶至少任务边界清晰——车在路上开；而具身智能要求机器人既会移动、又会操作、还理解物理定律，一个全品类众包平台要同时覆盖这三种异质数据，治理难度是指数级的。众包数据的性价比，最终取决于你打算让模型学什么——学“怎么走路”可以凑合，学“怎么把螺丝拧到扭矩达标”就差得远。

🧩 结构化表征：不是答案，是脚手架

数据喂到撑，机器人还是不会想。

IROS 2026上，吴佳俊的演讲给这股数据热潮浇了一盆恰到好处的冷水。他提出的观点可以概括为：结构化表征不是答案，是机器人学会推理的脚手架——演讲的完整脉络，正是“从结构化表征到无演示学习之路”。

这句话值得拆开看，而演讲里的技术细节让这个论点落了地。

所谓“无演示学习”（没有人类演示的学习），是具身智能的终极愿景：机器人不需要人手把手教，自己就能通过推理搞明白怎么完成任务。而要走到那一步，中间必须有一层“脚手架”——把物理世界中的物体、空间关系、动作后果组织成模型可以推理的结构，而不是指望端到端模型从海量像素里自己悟出来。

演讲中的具体技术路径可以概括为三层：

第一层，以物体为中心的表征，而不是以像素为中心。 吴佳俊团队长期研究的方向，是把场景分解为物体、物体位姿（6-DoF）、部件关系和空间约束，让模型处理的不再是连续的像素流，而是“杯子在托盘上、托盘在桌角、桌角是危险区域”这样的符号化描述。演示中，模型可以基于这种结构直接推理出“把托盘往哪边挪、杯子会不会倒”，而不需要针对每种情形重新收集演示数据。

第二层，动作—后果模型，把物理因果显式建模。 仅仅是“知道有什么”还不够，机器人还要“知道做了会发生什么”。这需要对刚体动力学、接触与摩擦这些物理先验做结构化编码——推一下物体它会滑动还是翻倒、抓取时手指施力多大会脱手，这些在演讲中被归为“动作后果预测”的范畴。有了这一层，模型才能在执行前做规划，而不是试错到物理世界报废为止。

第三层，用结构化表征压缩对演示数据的需求。 演讲展示的关键结果是：当中间表征提供了足够的结构先验，模型在少量甚至零人类演示的条件下，就能对新物体、新任务做出可泛化的行为——这正是“通往无演示学习之路”的含义。换句话说，结构换数据：表征越好，需要的原始数据越少。

这和众包数据路线形成了一个微妙的关系。如果吴佳俊的判断成立，那么数据采集的意义就发生了变化：数据的价值不在于覆盖了多少种操作，而在于能否支撑起结构化表征的构建。同样采一小时的桌面操作数据，没有物体状态、接触力、任务目标的标注结构，对“学习推理”的贡献可能接近于零；反之，结构良好的少量数据，可能比海量裸数据更有价值。

这解释了为什么“时薪20块，喂不饱机器人”。喂不饱不是因为吃不下去（量不够），而是因为吃下去消化不了（缺少可供推理的结构）。当前数据侧和算法侧之间，缺的正是中间那层“消化系统”。

三条路线的分工正在清晰化：

🤖 大厂把牌摊开了：全身控制加多机协作

基础模型路线正在从“会做人形步态”卷到“会当同事”。

IEEE Spectrum的Video Friday栏目最近放出了Gemini Robotics 2的演示视频。官方的定位描述很值得逐字读：“驱动下一代真正可适应机器人的智能层”（intelligence layer）。注意，Google DeepMind卖的不是机器人本体，是大脑——这个“智能层”的三大升级分别是：智能全身控制（whole-body control）、高级灵巧操作（advanced dexterity）、多机器人协作（multirobot collaboration）。

这三件事放在一起看，指向性非常明确。全身控制意味着模型直接接管从步态到手臂到躯干的整体协调，不再分“行走模块”和“操作模块”；精细灵巧操作意味着桌面级任务——正是众包数据最难治理的那类任务——开始被基础模型正面攻克；多机器人协作则意味着模型开始理解“别人”，这在仓储、产线等多人多机场景里是刚需。

演示视频的场景是真实车间，Gemini Robotics ER 2在工坊环境里搭配机械臂和人形机器人工作。数据闭环从这里开始变得立体：本体的每一次执行都在为智能层回传数据，而智能层的每一次升级又提高了同样数据的利用率。

把当前的瓶颈和解法放在一起看，脉络会更清楚：

大厂路线对数据众包创业公司的影响是结构性的：当Gemini Robotics 2这类基础模型把“全身控制+灵巧操作”的能力底座建好之后，数据生意的形态会从“卖原始轨迹数据”转向“卖模型能力验证和场景适配数据”——这中间的利润空间，是完全不同的两档。

⚖️ 数据、表征、模型：三条路要一起走

没有谁淘汰谁，只有谁先闭环。

把三方放到同一个坐标系里看，竞争格局并不像发布会PPT上那么热闹：

这张图说明两个事实。第一，众包平台目前处在“低门槛、中等价值”的潜力股区间——它的价值上限取决于治理能力能否升级，如果MEgo Engine能持续把脏数据洗成结构化训练资产，它有向右上迁移的可能；如果只是卖原始数据，天花板一目了然。第二，基础模型路线一家独大，但这种独大恰恰依赖数据侧的繁荣——Google DeepMind再强，也不可能雇几百万人在全世界收集物理交互数据。

产业逻辑推演到这里，结论其实比较收敛：众包解决采集成本，结构化表征解决数据价值密度，基础模型解决能力泛化。三者不是替代关系，而是上下游关系。真正的悬念在于节奏——如果基础模型的能力提升速度快于数据侧的规模化速度，众包平台会被吸进大厂的自采体系；反之，数据基础设施会成为比本体更稀缺的资产。

结语：脚手架不是大楼，但没有它大楼盖不起来

时薪20块的众包数据、结构化表征的脚手架、Gemini Robotics 2的全身控制，三个故事在2026年的秋天交汇，共同回答同一个问题：机器人到底靠什么学会推理？

本文的结论可以一句话说完：三者缺一不可，且必须按“量—结构—泛化”的顺序串成一条闭环，任何一环单独跑，都到不了终点。 数据是粮食，但粮食需要结构化的食谱才能变成营养；表征是消化系统；基础模型是最终长出来的那具身体。Comma.ai用十年证明了光囤粮食长不出智能——具身智能行业不该再交一遍学费。反过来，没有粮食供给的消化系统是空中楼阁，没有数据底座的基础模型也无从谈起。

往后看12个月，值得盯两个信号：一是觅蜂派们的治理引擎能不能拿出“数据分级后模型收益提升”的硬证据——这决定了20块时薪是真便宜还是假便宜；二是基础模型厂商会不会下场自建或收购数据众包网络——这决定了众包平台是独立生意还是大厂的前置车间。哪个先发生，都足以改变这条赛道的权力结构。而在此之前，对每一个宣称“数据堆够了智能就来了”的故事，都不妨用吴佳俊那句话回敬一下：先搞清楚，你喂给机器人的，是粮食，还是只是饲料。