股鑫所 “00后”小伙来上海当私教，学生都是机器人

长条桌前，一人一机并排而立。觅蜂科技数据采集组长朱绵锐正耐心地将桌上的瓶瓶罐罐稳稳放进盒子里，一旁的机器人则亦步亦趋地模仿着。

整个房间里，挤挤挨挨站满了不停忙碌的人与机器。这里是位于上海张江的觅蜂科技实训实验室，一间名副其实的“机器人学校”。

这两年，跳舞、跑步、耍武术的机器人惊艳全国。但在聚光灯外，想要让机器人真正融入日常生活、灵活干活，必须先经历一场漫长而细致的“启蒙教育”。

MEgo View 无本体采集设备。

给机器人当“启蒙老师”

“哪怕只是拿瓶子、放物件这样简单的小动作，我们也需要反复‘教学’几百遍，它们才能慢慢熟练。”朱绵锐说。

别看是位“00后”，朱绵锐肩上的担子可不轻。作为数据采集组长，他必须将教学目标拆解为具体动作，设计好变量和泛化环节，再有条不紊地布置给采集员。

“就拿炒菜来说，虽然我平时不爱做饭，但现在却要对流程了如指掌。”朱绵锐举例道。他将这项长程任务拆解得极为精细：从沥水篮取菜、案板切菜、装盘备料，再到起锅烧油、翻炒调味、最终出锅，每一步都需精准定义。

人类学习擅长举一反三，但机器不行，必须通过海量的泛化数据来适应现实世界的复杂多变。

“比如削苹果，我们不能只用一种果型，近球形、长圆形的都得练，红的、绿的都要有。”朱绵锐解释，这种多样性的训练数据，正是通过真机或无本体数据采集，再经数据治理和算法处理，最终让机器人真正“理解并学会”的关键。

技术的迭代，正加速机器人的进化。

“机器人一天一个样，一个月一个大变。”朱绵锐感慨，以叠衣服为例，起初机器人只能识别单一朝向的领口，如今通过算法优化，无论领口朝左、朝右还是上下颠倒，它都能精准应对。随着任务从简单走向复杂，数据的泛化能力也在不断提升，支撑着机器人从容面对更多元的现实场景。

破解万亿风口的“数据饥渴”

技术迭代正在重塑“教书”的方式。随着无本体采集设备的上线，朱绵锐和他的团队迎来了一场效率提升。只需戴上头显和传感夹爪，通过相机捕捉人体动作，再将清洗后的数据“喂”给机器人，后者便能依样画葫芦，自主学习。

这与技术工作“吹毛求疵”的刻板印象截然不同。在朱绵锐看来，不完美的动作同样珍贵。“我们需要的是多样化数据。熟练工的操作是‘标准答案’，能教会机器人怎么做。而新手那些磕磕绊绊的‘错误数据’，则能教会机器人如何在出错后自我修正。”

缺乏真实、多样的泛化数据是目前制约行业发展的核心痛点。若将具身智能比作一座金矿，眼下最紧俏的生意正是给机器人提供高质量的物理AI数据。朱绵锐所在的觅蜂科技，正是当下具身智能赛道炙手可热的“卖铲人”。

与大语言模型能靠互联网海量文本“自学成才”不同，机器人必须依赖真实的物理交互数据。就拿“捡起一片干木耳”这种人类信手拈来的动作，机器人却需调动材质辨识、空间匹配及力反馈等多重技能。这些数据在互联网上无处下载，必须在现实中一寸寸“磨”出来。

然而，行业正面临严峻的“数据饥渴”。据测算，2026年高质量物理交互数据的缺口将超过500万小时。传统的“手工作坊”模式——即专家遥控真机采集，一天仅能产出数十小时数据，且成本高昂。觅蜂科技的“无本体”方案，则将这一过程大大简化：它打破了专业壁垒，让普通人也能参与采集，如同将数据采集从昂贵的“专业影棚”搬到了高效的“全民随手拍”时代。

在朱绵锐眼中，教机器人就像“把懵懂的孩子一点点带大”。尽管日复一日的重复略显枯燥，但看着它们“从什么也不会，到慢慢有了自己的理解力”，他倍感欣慰：“我相信未来机器人一定能深度融入生活，到时候只需一声指令，家务琐事便都能交给它们。”

“00”后小伙来上海当“私教”，机器人是他的学生。