觅蜂科技 Maniformer 深度调研:智元机器人孵化的物理 AI 数据基础设施,MEgo 无本体采集硬件量产,半年三轮融资中国电信领投
觅蜂科技(Maniformer)2026-02 由智元机器人孵化创立;一站式物理 AI 数据平台,MEgo 采集硬件已量产,10 月上线众包平台「觅蜂派」;半年完成种子/天使/天使+三轮数亿元融资,中国电信领投最新一轮,并战略投资小派科技。
执行摘要
觅蜂科技(Maniformer,上海觅蜂具身智能科技有限公司)2026 年 2 月成立于上海,法定代表人姚卯青,注册资本 528.7522 万元人民币,智元创新(上海)科技股份有限公司持股 70.9217%。姚卯青同时是智元合伙人、高级副总裁、具身业务部总裁,兼觅蜂董事长与 CEO。这个股权与人事结构说明:觅蜂是智元体系内孵化的数据子公司,不是独立创业公司。
公司定位是「一站式物理 AI 数据服务平台」,做的是具身智能数据的平台型供给基础设施:数据采集(MEgo 无本体采集设备)、数据治理、数据集生产、闭环评测,以及「蜂巢数据共创行动」这样的数据流通网络。
2026 年 8 月 17 日,公司宣布完成新一轮数亿元融资,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。资金用途是建设数据平台型供给基础设施、扩大 MEgo 系列量产、夯实采集—治理—评测全栈能力,加速「千万小时级」物理交互数据产能。这是公司 2026 年初成立以来的第三轮(种子、天使、天使+之后的又一轮)。
商业化进展有两个可核验的节点。2026 年 8 月 31 日,第 2 万套 MEgo 无本体数据采集设备下线,并交付京东,进入真实业务场景;同日宣布与腾讯 Robotics X 实验室达成无本体数据业务合作,为腾讯具身模型建设提供数据支持。2 万套的交付量说明硬件已经量产,客户已从实验室扩展到互联网大厂与产业方。
2026 年 10 月的进展集中在两条新线上。其一是 10 月 12 日第二十六届工博会上,公司携 MEgo 系列无本体数据采集终端、MEgo Engine 数据治理引擎与物理 AI 数据众包服务平台「觅蜂派」首次亮相,官方称「觅蜂派」为全球首个全品类高质量物理 AI 数据众包平台;用户在 App 内领取任务,在真实场景完成抓取、搬运、整理等操作并提交数据,平台按审核后的有效数据时长结算报酬。同期 MEgo 系列入选「福布斯中国·长三角新智奖」案例。其二是 10 月 19 日公司战略投资 VR 头显厂商小派科技(Pimax),金额未披露,华兴资本担任小派的独家财务顾问与长期战略顾问,而小派此前已加入由觅蜂牵头的「蜂巢数据共创行动」并担任硬件伙伴。
姚卯青在 2026 年 WAIC 上的两个判断值得单独记录。第一,物理智能要规模化必须突破「三道墙」:数据墙(真实交互数据极其稀缺且获取成本高)、表征墙(跨任务、跨场景、跨本体的统一物理表征尚未形成)、闭环墙(真实试错代价昂贵、反馈缓慢,难以规模化)。第二,世界模型的本质是「理解物理世界运行规律的 AI 系统」,最重要的功能是预测下一步状态;当前大部分工作仍停留在视觉生成层面,且存在两个问题:数据类型错配(互联网视频分布与机器人需要的物理世界数据存在本质差异)与数据规模不足。
物理 AI 视角下,觅蜂处在一个特殊位置:它不做模型,不做机器人,做的是「数据」。这个位置的价值取决于一个判断——具身智能的瓶颈是数据,不是算法或算力。如果这个判断成立,数据供应商就是卖水人;如果不成立(比如仿真数据足够、或模型效率提升降低数据需求),数据供应商的天花板就会被压低。
需要提前说明判断:这是一家「出身好、节奏快、数据硬、但财务与客户结构不透明」的公司。它的优势是智元的场景与技术、中国电信的云网与政企客户、张江的园区场景、红杉的资本背书,以及 2 万套设备的实际交付;它的短板是收入与毛利未披露、客户集中度未知(京东、腾讯是标杆但不知道占比)、以及「千万小时级数据产能」这个目标的可实现性。
公司概览
出身与股权
觅蜂 2026 年 2 月成立,注册资本 528.75 万元,智元持股 70.92%。这种「母公司绝对控股 + 独立法人 + 独立融资」的结构,在具身智能行业里越来越常见:母公司提供技术、场景与订单,子公司独立融资、独立估值、独立面对客户(包括母公司的竞争对手)。
这个结构的商业含义是双面的。好处是子公司可以服务智元的竞争对手(如果客户是另一家机器人公司,它可能不愿直接向智元买数据,但愿意向「中立的」觅蜂买);风险是「中立性」的可信度——70.92% 的股权让外部客户很难相信它完全中立。
团队
姚卯青的双重身份(智元高级副总裁 + 觅蜂 CEO)意味着他能调动智元的资源(机器人本体、场景、算法团队),但也意味着他的时间要在两家公司之间分配。团队其他成员的公开信息有限,从业务性质推断,需要三类人:硬件工程师(MEgo 设备)、数据工程师(采集、治理、标注)、以及商务(对接产业客户)。
融资节奏
2026 年初成立,到 8 月已完成多轮融资(种子、天使、天使+、以及 8 月的数亿元)。这个节奏在具身智能赛道里属于典型——资本对这个方向的热情高,且数据基础设施被认为是最确定的受益环节(不管哪家机器人公司胜出,都需要数据)。
最新一轮的投资人结构值得注意:中国电信领投(云网 + 政企客户 + 数据合规资质)、张江集团跟投(园区场景 + 产业政策 + 空间载体)、红杉中国与元启创新超额追加(市场化背书)。三类投资人的资源互补性很强。
技术分析
「无本体采集」的技术含义
MEgo 的核心概念是「无本体数据采集」——不使用机器人本体,而是用独立的采集设备记录人类操作或环境交互,再把数据映射到机器人的动作空间。
这个思路解决的是一个具体问题:真机采集的成本高。用真实机器人采集数据,需要机器人本体(数万到数十万元)、遥操作设备、操作员、场地,且采集效率低(机器人动作慢、容易失败)。而无本体采集可以用更便宜的设备(手套、动捕、第一视角相机)让人类直接操作,采集速度快、成本低。
但无本体采集有一个技术难点:域差异(domain gap)。人类的手与机器人的夹爪在形态、自由度、力学特性上不同,人类采集的数据不能直接用于机器人训练,需要做「重定向」(retargeting)——把人类动作映射到机器人的关节空间。这个映射会引入误差,且不同机器人的映射规则不同。
所以「无本体」不是免费的:它用「采集成本低」换「映射误差与通用性挑战」。这个取舍是否值得,取决于重定向技术的成熟度——如果映射足够准,无本体是更优路径;如果映射误差大,真机采集仍不可替代。
三道墙的判断
姚卯青提出的「数据墙、表征墙、闭环墙」,是理解具身智能瓶颈的一个清晰框架。
数据墙:真实交互数据稀缺且贵。这一点是行业共识——语言模型可以从互联网抓取万亿 token,机器人数据必须靠采集,而采集需要人、设备、场地、时间。
表征墙:跨任务、跨场景、跨本体的统一物理表征尚未形成。这一点的技术含义是:同一个动作(如「抓取杯子」)在不同机器人上需要不同的关节指令,模型难以学到「与本体无关」的表示。这是具身智能比语言模型更难的根本原因之一。
闭环墙:真实试错代价高、反馈慢。机器人在真实环境试错的成本(设备损耗、安全风险、时间)远高于语言模型的试错(生成文本、人工标注)。所以具身智能难以用「大规模试错」的方式训练。
三道墙的框架价值在于:它说明「数据」只是一道墙,而且不是最难的那道。表征与闭环的问题不是靠更大部分据能解决的。这也意味着觅蜂的商业模式(卖数据)只解决了三分之一的问题——这既是机会(数据是必需品),也是风险(数据不是充分条件,客户可能不愿为「只解决三分之一问题」的数据付高价)。
世界模型的判断
姚卯青对世界模型的判断值得记录:本质是「理解物理世界运行规律的 AI 系统」,核心功能是预测下一步状态;当前大部分工作停留在视觉生成层面;两个问题是数据类型错配与规模不足。
这个判断与 AMI Labs 的 LeCun 立场接近(世界模型要预测状态转移不是生成像素),也与 World Labs 的路线形成对照(从生成出发)。觅蜂作为数据供应商,提出这个判断的立场很清楚:如果世界模型需要「物理世界数据」不是「互联网视频」,那么数据供应商的价值就成立。
技术短板
第一,重定向精度未披露。无本体采集的核心是「人类动作 → 机器人动作」的映射质量,这个指标决定了数据的可用性。
第二,数据质量的评价标准。具身数据的质量取决于多样性、标注精度、物理真实性、任务覆盖度,但这些维度的量化标准尚未统一(这与物理 AI 缺少公认基准是同一个问题)。
第三,MEgo 设备的技术参数未公开(采集精度、自由度、续航、重量、价格),无法判断其相对竞品的优劣。
第四,「千万小时级」产能的定义。一小时数据是「采集时长」还是「有效交互时长」?不同定义下的规模差异很大。
产品与商业化
产品矩阵
五块。MEgo 系列:无本体数据采集硬件(已量产 2 万套)。数据平台:采集、治理、标注、数据集生产的全链路基础设施。闭环评测:用数据训练模型、在仿真或真机上评测、反馈改进数据的循环。蜂巢数据共创行动:联合全球伙伴的数据流通网络(类似「数据联盟」)。觅蜂派:2026 年 10 月 12 日工博会首发的物理 AI 数据众包服务平台。
觅蜂派解决的是采集环节的供给规模问题。面向工厂车间、电子装备车间、印刷车间、服装厂等工业生产场景,用户通过觅蜂派 App 领取任务,记录人在真实环境中完成抓取、搬运、整理等操作的过程并提交数据;数据经过质量核验和处理后用于具身智能模型训练与评测,平台按审核后的有效数据时长结算报酬。官方称其为全球首个全品类高质量物理 AI 数据众包平台,这个「首个」取决于「全品类」「高质量」的判定口径,本报告保留为公司表述。
这条产品线与前三块的关系是分工:自研设备采集(MEgo)与企业级采购覆盖大客户与高标准场景,众包平台覆盖长尾与分散场景,两者的数据质量口径与合规要求需要分别管理。
客户结构
已公开的客户有三个:京东(第 2 万套 MEgo 的接收方,进入真实业务场景)、腾讯 Robotics X 实验室(无本体数据业务合作)、以及智元自身(母公司,最大的数据需求方)。
这三个客户的性质不同:京东是产业方(物流场景,有大量重复性操作,适合具身数据),腾讯是研究机构(Robotics X 做前沿研究),智元是母公司(既是大客户也是关联方)。客户集中度可能很高,但未披露。
采集网络的规模是这家公司相对可核验的一组数字:公司已建立 20 多个国内城市创新中心,布局超过 5 个海外节点,并与国内外头部互联网企业、具身智能公司及 AI 研发机构达成战略合作,为蚂蚁灵波 LingBot-VLA 2.0 等具身基座模型提供训练数据。这组节点是众包采集与场景任务组织的落地载体,其定义(自建中心、区域合作点或场地联盟)与单位产出未披露,因此它只能说明覆盖范围,无法换算成产能。
商业模式
可能的模式有三种:卖设备(MEgo 硬件)、卖数据(数据集授权或按小时计费)、卖服务(定制采集 + 治理 + 评测)。三种模式的毛利结构不同:设备是硬件毛利(20%-40%),数据是内容毛利(可能较高但难标准化),服务是项目毛利。
中国电信的加入带来第四种可能:云网 + 数据的捆绑(「云网 + 具身数据」一体化解决方案),面向人形机器人企业、智能制造厂商、科研院所、智慧园区与智慧家居客户。这个模式的价值在于渠道——中国电信的政企客户网络可以快速触达 B 端。
产能目标
「千万小时级」是公司反复提到的目标。这个目标的可实现性取决于三个变量:设备产能(2 万套已交付,若每套每天采集 2 小时,年产能约 1,460 万小时)、采集人员(需要大量操作员或众包)、以及数据治理能力(采集只是第一步,清洗、标注、结构化的工作量更大)。
按 2 万套设备、每套每天有效采集 1.5 小时估算,年产能约 1,095 万小时——与「千万小时级」吻合。所以这个目标在设备层面是可达的,真正的瓶颈在人员与治理。
竞争格局
具身数据的竞争者
国内做具身数据的公司分三类。第一类是机器人公司自建数据团队(智元、宇树、星动纪元等),它们自己采集、自己用。第二类是专业数据服务商(觅蜂、光轮智能、以及一些数据标注公司转型)。第三类是仿真平台厂商(提供合成数据,如英伟达 Isaac Sim 生态、以及国内的仿真公司)。
觅蜂的位置是第二类,但有一个特殊性:它有智元的场景与技术背书,又通过独立法人结构试图服务第三方。这个「半个内部人」的位置是优势也是劣势。
与光轮智能的对照
光轮智能是国内具身数据领域的另一个主要玩家,主打「仿真 + 合成数据 + 评测」。与觅蜂的「无本体真实采集」形成路线差异:觅蜂偏真实数据,光轮偏合成数据。
两条路线的争论在行业里持续:真实数据质量高但成本高、规模受限;合成数据成本低、规模大,但有 sim-to-real 鸿沟。理性的答案是两者结合(真实数据做校准、合成数据做规模),但早期公司往往只能选一条。
与云厂商的关系
中国电信的投资说明运营商看重「数据 + 云网」的组合。但云厂商(阿里云、华为云、腾讯云)自己也在做具身数据的服务(存储、标注、训练平台)。觅蜂与运营商绑定的好处是政企渠道与合规资质,风险是被绑定到一家运营商(其他运营商的客户可能不愿用)。
融资与资本结构
融资历程
2026 年 2 月成立,年内完成多轮:种子、天使、天使+、以及 8 月的数亿元(中国电信领投、张江集团跟投、红杉中国与元启创新超额追加)。累计金额未披露,但从「数亿元」的单轮规模推算,累计融资应在数亿元至十亿元区间。
股权结构
智元持股 70.92%,外部投资人合计约 29%,其中中国电信、张江集团、红杉中国、元启创新等为主要外部股东。这个结构的含义是:智元绝对控股,外部投资人是财务与战略混合投资,话语权有限。
估值与收入
估值未披露。收入未披露,但公司称「今年营收/签单」有目标(公开信息未见具体数字)。从 2 万套设备交付与三个标杆客户看,收入应在数千万元至亿元量级,但毛利结构(硬件 vs 数据 vs 服务)未知。
对外投资
除接受外部投资外,公司也在对外做战略投资。2026 年 10 月 19 日,觅蜂科技战略投资小派科技(Pimax,小派创新科技(杭州)股份有限公司),双方同时建立战略合作关系,金额未披露;华兴资本担任小派的独家财务顾问与长期战略顾问。
这笔投资的产业逻辑有迹可循。小派成立于 2015 年,主营 VR 头显,其十年积累的核心能力是多传感器、多采样频率下的时空对齐,用于高保真记录人在真实场景中的意图与全身动作;小派此前已加入由觅蜂联合上电科、国家数据标委会、工信部赛迪研究院发起的「蜂巢数据共创行动」,在行动中担任硬件伙伴,本次交易把既有的生态协作升级为资本纽带。觅蜂董事长兼 CEO 姚卯青对此的表述是,真实场景难覆盖、采集成本高、质量难统一,需要更扎实的底层技术来解决。
对小派而言,这是把空间计算能力延伸到 AI 数据方向;对觅蜂而言,这是把采集硬件的上游能力纳入自身数据质量体系。金额未披露使这笔交易的规模无法评估,其对财务报表的影响也无从判断。
DISCREPANCIES
1. 成立时间的表述。 工商注册为 2026 年 2 月,部分报道称「2026 年初创立」。本报告采用 2026 年 2 月。来源等级:OFFICIAL(工商信息)。
2. 融资轮次的数量。 公司称「2026 年初以来连续完成数轮融资」,媒体表述为「种子/天使/天使+三轮」或「多轮」。具体轮次、金额、估值均未完整披露。本报告采用「多轮,最新一轮数亿元」的表述。来源等级:MEDIA 与 OFFICIAL 交叉。
3. 最新一轮金额的「数亿元」。 公司表述为「数亿元」,未给精确数字;部分媒体写「近亿元」。本报告采用「数亿元」。来源等级:OFFICIAL(公司表述)。
4. 智元持股比例的时点。 天眼查显示智元持股 70.9217%,但这是某一时点的数据,后续融资可能稀释。本报告标注为「截至公开信息时点」。来源等级:第三方工商数据(MEDIA)。
5. 「千万小时级」产能的口径。 公司称年内实现「千万小时级数据产能」,但未定义「小时」是采集时长、有效交互时长还是标注后可用时长。本报告按采集时长推算(2 万套 × 每天 1.5 小时 ≈ 1,095 万小时/年)。来源等级:OFFICIAL(目标)与推断(推算)。
6. 客户关系的性质。 京东是 MEgo 设备的接收方(采购方),腾讯是数据业务合作方,智元是母公司(关联方)。三者性质不同,部分报道统称为「客户」。本报告分别标注。来源等级:OFFICIAL(合作事实)与推断(商业关系)。
7. 姚卯青的双重身份。 他同时是智元高级副总裁与觅蜂董事长兼 CEO。部分报道只提其中一个身份。本报告并列。来源等级:OFFICIAL。
8. 「一站式」定位的边界。 公司称「一站式物理 AI 数据服务平台」,但实际能力覆盖采集、治理、评测,是否包含模型训练、仿真生成、数据交易,未明确。本报告按公开信息界定为「采集—治理—评测」。来源等级:OFFICIAL(定位)与推断(边界)。
9. 觅蜂派众包数据的结算口径。 平台按审核后的有效数据时长结算报酬,计价基准是通过质量核验后的有效时长,与提交量或设备在线时长并不等同。「有效」的判定标准(核验通过率、剔除规则、单任务时长上限)未公开,单价与采集者实际收入亦未披露。本报告采用「按审核后有效数据时长结算」这一表述,不据此推算采集者收入或平台毛利。来源等级:OFFICIAL(官方与媒体报道口径)与缺失(单价与判定标准)。
10. 采集网络规模的统计口径。 公司称已建立 20 多个国内城市创新中心、布局超过 5 个海外节点。该数字出现在 2026 年 8 月融资相关报道中,未见逐个节点的名单、启用时间与产能数据,「城市创新中心」是自建运营点、区域合作方还是场地联盟也不明确。本报告把它作为覆盖范围的公开表述,不把它换算为采集时长或产能。来源等级:OFFICIAL(融资报道中的公司表述)与缺失(节点明细)。
11. 对外投资与中立性。 公司控股股东为智元(持股 70.92%),同时在 2026 年 10 月对外战略投资小派科技(金额未披露,华兴资本任小派独家财务顾问与长期战略顾问)。对外投资与对外融资是两件事,前者是公司在采集硬件上游的产业布局,不改变其股权结构;但它使公司在数据生态中同时扮演平台、资本方与关联方三重角色,与「面向第三方客户的中立数据平台」这一定位并存,需要读者一并考虑。来源等级:MEDIA 与 OFFICIAL 交叉。
风险与尽调缺口
其一,客户集中与关联交易。 智元是母公司也是大客户,京东与腾讯是标杆但可能只占小部分。如果收入主要来自关联方,独立性与估值逻辑都会受质疑。
其二,中立性的可信度。 70.92% 由智元控股,外部机器人客户是否愿意把数据需求交给「竞争对手的子公司」,是一个结构性问题。
其三,数据质量的验证。 无本体采集的重定向精度、数据的任务覆盖度、标注质量,均无公开指标。数据供应商的核心资产是数据质量,缺指标就难以定价。
其四,产能与治理的匹配。 2 万套设备可以产出千万小时级原始数据,但治理(清洗、标注、结构化)的能力是否匹配,未披露。数据治理是劳动密集型工作,成本高。
其五,商业模式的毛利。 卖设备是硬件毛利,卖数据是内容毛利,卖服务是项目毛利。三种混在一起,整体毛利可能不高。
其六,政策与合规。 数据采集涉及隐私(人类操作视频)、数据跨境(服务海外客户)、以及数据交易(蜂巢行动)的合规问题。中国电信的合规资质是加分项,但不解决全部问题。
其七,竞争。 机器人公司自建数据团队、仿真厂商提供合成数据、云厂商提供数据服务,觅蜂面对的是「被替代」与「被夹击」的双重压力。
综合评分
技术维度给 6.5 分。无本体采集的路线有成本优势,MEgo 已量产 2 万套说明工程可用,三道墙的框架清晰,世界模型的判断与前沿一致。扣分项是重定向精度未披露、数据质量无量化标准、设备参数未公开。
商业维度给 7 分。京东、腾讯、智元三个标杆客户覆盖产业方、研究机构与母公司,中国电信的渠道与张江的场景提供规模化路径,2 万套交付证明量产能力。扣分项是收入与毛利未披露、客户集中度未知、中立性存疑。
财务维度给 7 分。多轮融资、最新一轮数亿元由中国电信领投,资本充足;智元控股提供资源保障。扣分项是估值与收入未披露、硬件制造的重资产属性。
产品维度给 7 分。MEgo 硬件 + 数据平台 + 闭环评测 + 蜂巢行动构成从采集到流通的完整链条,云网 + 数据的捆绑方案有渠道价值。扣分项是数据治理能力未验证、产品参数未公开。
市场维度给 7.5 分。具身智能数据是确定性需求(不管哪家机器人公司胜出都需要数据),政策与资本双重支持,中国电信与张江的资源稀缺。扣分项是竞争激烈、数据价值可能被仿真替代、客户预算受融资环境影响。
综合 6.9 分。这是具身智能数据赛道里「出身最好、节奏最快」的一家:它用智元的技术与场景、中国电信的云网与政企渠道、张江的园区资源,在半年内做到 2 万套设备交付与三个标杆客户。但它的结构性问题也很清楚——控股股东是竞争对手,中立性难证;收入与毛利不透明;数据质量无量化指标。对物理 AI 的判断是:数据确实是具身智能的三道墙之一,觅蜂的「无本体采集 + 平台化供给」是解决数据墙的可行路径;但数据只解决三分之一的问题,表征与闭环需要模型与工程体系的突破,这决定了数据供应商的天花板。
参考资料
-
融资公告(2026-08-17,新京报、证券时报、华夏时报等):觅蜂科技完成新一轮数亿元融资,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;资金用于建设具身智能数据平台型供给基础设施、扩大 MEgo 系列无本体采集产品量产规模、提升数据采集/治理/闭环评测全栈能力、加速千万小时级物理交互数据产能落地
-
工商与股权信息(天眼查、企查查):上海觅蜂具身智能科技有限公司成立于 2026 年 2 月,法定代表人姚卯青,注册资本 528.7522 万元人民币,智元创新(上海)科技股份有限公司持股 70.9217%
-
人事信息(公开报道):姚卯青为智元合伙人、高级副总裁、具身业务部总裁,同时任觅蜂科技董事长兼 CEO
-
产品交付与合作(2026-08-31,证券时报):第 2 万套 MEgo 无本体数据采集设备下线,由姚卯青交付京东,设备进入真实业务场景;同日宣布与腾讯 Robotics X 实验室达成无本体数据业务合作,为腾讯具身模型建设提供数据支持
-
WAIC 2026 观点(2026-07-19):姚卯青提出物理智能规模化必须突破三道墙——数据墙(真实交互数据稀缺且获取成本高)、表征墙(跨任务/场景/本体的统一物理表征未形成)、闭环墙(真实试错代价高、反馈慢);指出物理 AI 从「能演示」到「能干活」的关键在于可泛化、可优化、可进化的通用具身智能系统
-
WAIC 2026 世界模型讨论(2026-07-17):姚卯青认为世界模型本质是「理解物理世界运行规律的 AI 系统」,核心功能是预测下一步状态;当前大部分工作停留在视觉生成层面;两大问题是数据类型错配(互联网视频分布与机器人需要的物理世界数据存在本质差异)与数据规模不足
-
公司定位(官网与报道):一站式物理 AI 数据服务平台,打造具身智能数据的平台型供给基础设施,实现数据的体系化、标准化、规模化供给;发起「蜂巢数据共创行动」,联合全球伙伴打造数据流通网络
-
与中国电信的协同(公开报道):依托中国电信在 5G 网络、云端存储、算力调度、场景连接的优势,结合觅蜂在数据采集、数据集生产、数据治理、软硬件一体化的能力,联合面向人形机器人企业、智能制造厂商、科研院所、智慧园区与智慧家居客户,打造标准化「云网 + 具身数据」一体化解决方案
-
与张江集团的协同(公开报道):张江集团将开放园区、工业、商业等多元实景应用场景,以及产业政策、空间载体与上下游企业对接资源;双方共建具身智能数据公共服务载体,联合研发高质量行业数据集,推动数据标准落地
-
技术背景(公开资料):无本体数据采集指不使用机器人本体、用独立设备记录人类操作或环境交互,再通过重定向(retargeting)映射到机器人动作空间;优势是采集成本低、速度快,难点是域差异(人类手与机器人夹爪在形态、自由度、力学特性上不同)导致的映射误差
-
行业背景(公开资料):具身智能数据来源含真机遥操作采集、无本体采集、仿真合成;真机数据质量高但成本高,合成数据成本低但有 sim-to-real 鸿沟;行业共识是两者结合(真实数据校准、合成数据扩规模)
-
竞争格局(公开资料):具身数据参与者含机器人公司自建团队(智元、宇树、星动纪元等)、专业数据服务商(觅蜂、光轮智能等)、仿真平台厂商(英伟达 Isaac Sim 生态与国内仿真公司);云厂商亦提供数据存储、标注与训练平台服务
-
财联社(2026-10-19):小派科技获智元旗下觅蜂科技战略融资,双方达成战略合作,融资金额未披露;小派此前已加入由觅蜂联合上电科、国家数据标委会、工信部赛迪研究院发起的蜂巢数据共创行动,与北京人形机器人创新中心、上海国地中心、灵初智能、海天瑞声等共同参与物理 AI 数据生态建设
-
中国城市网(2026-10-13)与工博会报道:觅蜂科技携 MEgo 系列、MEgo Engine 与物理 AI 数据众包服务平台「觅蜂派」亮相第二十六届工博会;「觅蜂派」按审核后的有效数据时长结算报酬;MEgo 系列入选「福布斯中国·长三角新智奖」案例
-
新华财经(2026-08-17):中国电信领投、觅蜂科技再获数亿元融资;公司已建立 20 多个国内城市创新中心、布局超过 5 个海外节点,与国内外头部互联网、具身智能、AI 企业等达成战略合作,为蚂蚁灵波 LingBot-VLA 2.0 等具身基座模型提供专业训练数据
-
福布斯中国「2025 新智奖评选」长三角新智奖名单与工博会分论坛报道:上海觅蜂具身智能科技有限公司以 MEgo 系列无本体数采终端入选「福布斯中国·长三角新智奖」案例,福布斯中国评价其为从 0 到 1 的原始创新
本报告依据公开资料整理,不构成投资建议。公司未上市,收入、毛利与客户结构未披露;产能目标与数据质量指标为公司口径,未经第三方验证,相关判断已标注不确定性。数据截至 2026 年 11 月 2 日。
相关论文
相关案例
相关报告66
- 五一视界深度调研:港股上市的数字孪生公司,51Sim 已是第一增长引擎而 51Earth 近乎归零,两套完全不同的融资轮次命名口径必须并存
- AMI Labs 深度调研:10.3 亿美元种子的世界模型豪赌,LeCun 的非生成式路线与它的空白成绩单
- 安世亚太 PERA 深度调研:2003 北京创立的国产 CAE 龙头,PERA SIM 通用仿真 + AIROM 降阶 + AgentX 多智能体 + 精智 iGPT/Whale,从工业仿真跨越到物理 AI
- AspenTech 深度调研:被 Emerson 全资收购的过程仿真巨头与其工业 AI 混合建模路线
- Autodesk 深度调研:以 Neural CAD 基础模型与 2 亿美元 World Labs 押注物理世界 AI,NAVASTO 补齐 CFD 代理能力
- Bentley Systems 深度调研:以 iTwin 数字孪生与生成式 AI 赋能基础设施全生命周期工程
- BeyondMath 深度调研:神经算子路线的基础物理 AI,$19M 联盟预算、1000 倍加速与三个被误读的事实
- Cadence 深度调研:以 EDA 系统级多物理场与 Millennium M2000 超算切入物理 AI,AuraStack 智能体与 Fidelity GPU CFD 成关键抓手
- COMSOL 深度调研:四十年多物理场求解器基业,以 DNN 代理模型训练与全物理场 GPU 加速切入物理 AI
- Dassault Systèmes 深度调研:以 3DEXPERIENCE 与 SIMULIA 虚拟孪生物理行为切入工业 AI,LEO 虚拟助手与 GPU 显式动力学成物理 AI 支点
- 深势科技深度调研:从戈登贝尔奖到国家级独角兽与港股门前,AI for Science 龙头的技术兑现与商业化空白
- Emmi AI 深度调研:17 个月从林茨 spin-out 到 3.3 亿欧元被 Mistral 收购,AB-UPT 拿下 CFD 代理模型 SOTA
- Fainite 深度调研:苏黎世物理 AI 仿真初创,Caltech/ETH/剑桥/谷歌背景团队用物理感知深度学习把仿真从数十小时压到秒级,仅获 Venture Kick 资助、尚无定价轮次
- 飞捷科思深度调研:PhysX 奠基人的二次创业,国产可微分物理引擎与它的生态打法
- 凡拓数创(301313)深度调研:从数字展馆到物理 AI 数据基座的战略跃迁,FTE 引擎与 FunSim 仿真平台的卡位成色及收入兑现节奏
- Godela 深度调研:YC X25 物理 AI 仿真初创,前苹果/谷歌/英特尔团队用物理约束代理模型把仿真从数天压到秒级,仅 seed 轮、试商用 pilot 制
- 霍莱沃(688682)深度调研:以 RDSim AI 电磁仿真与工业智能体贯通「仿真-测量-产品」闭环
- 阿尔特 IAT 深度调研:A 股首家独立汽车设计公司全线转向 AI 研发,圆方/御风/太乙 3.0 产品体系落地并携手英伟达 Omniverse,2025 年营收 9.75 亿元、归母亏损扩大至 2.50 亿元
- Inductiva 深度调研:一个已停运的开源求解器编排样本,八处必须纠正的前提,以及联合创始人 CTO 的停运后去向
- 英特仿真(INTESIM)深度调研:2009 年成立的国产 CAE 龙头之一,自研结构/流体/电磁/热/声学求解器与多物理场耦合平台,完成中网投、深创投亿元 B 轮,2025 年营收签单双过亿
- 软通动力(301236)深度调研:依托软通天枢打造 L1/L2/L3 三层全栈物理 AI 架构,自研 TwinHub 数字孪生、FSim 工业仿真、CAE 多物理场与 Phyxis 具身控制
- Jua 深度调研:以地球物理基础模型 EPT 服务能源交易与电网决策
- Keysight(含 ESI Group)深度调研:以虚拟样机与混合 AI 连接测量与仿真,EDA 引入自然语言助手
- 光轮智能深度调研:前英伟达仿真负责人创办的物理 AI 数据与评测基础设施商,七轮融资约 26.5 亿元估值超 20 亿美元,同时进入 Newton 与 EgoVerse 两大国际标准委员会,订单口径存在 5.5 亿元人民币与 1 亿美元两套说法
- Luminary Cloud 深度调研:NVentures 押注的「物理 AI 模型工厂」,用 SHIFT 模型与 GPU 原生求解器改写 CAE 云化路径
- MathWorks 深度调研:以 MATLAB/Simulink 与 Simscape 多物理场支撑物理 AI,R2026a 推出 Copilot 与 Agentic Toolkit 布局端侧智能
- Mistral AI 深度调研:30 亿欧元欧洲最大融资背后,Physics AI 如何从语言模型走到 EUV 光刻与核电站
- Monolith AI 深度调研:不加速仿真,而是砍掉物理试验次数的英国工程 AI,被 CoreWeave 收入囊中
- Monumo 深度调研:剑桥深科技电机 AI 设计公司,Anser 引擎日千万级多物理场仿真,累计融资 1050 万英镑,A 轮正在募资中
- NAVASTO 深度调研:把求解器的洞察左移到设计师工作台,Autodesk 用一次收购买下这个入口
- Navier 深度调研:把 CFD 工作流交给智能体,旧金山硬件工程 AI 的种子期豪赌
- Neural Concept 深度调研:EPFL 出身的工程 AI,用 1.38 亿美元融资押注「代理模型能否替代部分求解器」
- NP Co.(NP Company)深度调研:2025 年成立的巴黎 Inria 孵化 AI 原生仿真初创,€6M 天使前轮由 Partech 领投、Mistral 联合创始人参投,宣称预训练物理基础模型实现 1000x 加速,多项宣称待验证
- NVIDIA 深度调研:以 PhysicsNeMo、Warp、Cosmos 世界基础模型与 Omniverse 构建物理 AI 全栈基础设施
- Physical Intelligence 深度调研:31 亿美元级融资押注「机器人的 GPT 时刻」,π0.7 自陈未见任务成功率仅 60–80%,Pi API 定价与收入双双未披露
- Physical Superintelligence 深度调研:58 亿美元级种子轮押注「虚拟物理学家」,Emmy 平台把 AI 数据中心多物理优化当作首个商业化证明
- PhysicsX 深度调研:把几何与物理都压进一个预训练模型的三亿美元级工业 AI 赌注
- Prometheus 深度调研:410 亿美元估值、182 亿美元融资,却还没有一个产品
- PTC 深度调研:以 Creo/Onshape 与 ThingWorx 数字主线支撑物理 AI,借 NVIDIA Isaac Sim 打通机器人设计到仿真
- 千诀科技(北京千诀科技有限公司)深度调研:预测式世界模型 Polibrain、类脑分区架构与多项式表征,一个「不造本体」的具身大脑如何接入十万台清洁与服务机器人
- Quanscient 深度调研:云原生与量子赋能的多物理场仿真,AI-Native 硬件工程的数据引擎
- Rescale 深度调研:云上的 HPC 操作系统与桌面工程工作台,1.15 亿美元 D 轮与五处被误读的事实
- Schrödinger 深度调研:以 FEP+ 物理模拟与机器学习支撑分子发现,2026 年推出 Bunsen 智能体共同科学家
- Secondmind 深度调研:剑桥工程 AI 公司,贝叶斯主动学习把 CAE 仿真与台架试验减少最高 90%,累计融资约 7300 万美元,马自达兼具客户与投资人身份
- 适创科技深度调研:以 SupreCAST 云原生材料加工仿真与工业智能体,推进 CAE+AI 战略
- 舜云科技深度调研:以粒子法 shonDy 切入新能源与核能流体多物理场仿真
- 数智脉进深度调研:深圳 SNN+LBM 全栈自研 CFD 初创,宣称消费级硬件秒级出数亿网格结果,获财政部下属基金数千万天使轮,规划迁核心算法至 FPGA
- Siemens(含 Altair)深度调研:2025 完成 Altair 收购,Simcenter 与 Altair 仿真组合并,PhysicsAI 几何深度学习与 PhysicsAI Generate 成物理 AI 核心
- Silurian 深度调研:以生成式预报 Transformer 构建地球系统基础模型,面向能源与基建资产的天气风险
- SimScale 深度调研:把 CAE 许可证变成按核时订阅的云端仿真平台,5200 万欧元股权与 2500 万欧元债务必须分开算,以及五处被误读的事实
- Skild AI 深度调研:CMU 机器人研究所孵化的通用机器人基础模型,1.4 亿美元 C 轮对应 140 亿美元估值,但 B 轮规模存在 1.35 亿与 5 亿的口径冲突
- 松应科技深度调研:华为云系团队创办的国产物理 AI 操作系统商,ORCA OS 宣称对标英伟达 Omniverse,融资轮次在三套口径下各不相同,风语筑 2000 万元少数股权投资是可核验的第三方锚点
- 苏度科技(上海苏度科技有限公司)深度调研:零真机数据的仿真训练路线、Sudo R1 全栈自研与「原子能力」商业化,一家成立 17 个月估值超 200 亿元的具身智能新独角兽
- 索辰科技深度调研:从 CAE 工具商到物理 AI 平台商的转型阵痛
- Synopsys(Ansys)深度调研:2025 完成收购 Ansys,从 EDA 龙头跃升为「硅到系统」工程解决方案领导者,Ansys SimAI 与 NVIDIA 物理 AI 合作为核心抓手
- 十沣科技深度调研:院士领衔的国产工业仿真软件,官方时间线与数据库口径的轮次命名完全不同,官方融资 PDF 与投资数据库同时存在且不可合并
- 天洑软件深度调研:2011 年成立的国产智能 CAE 老兵,C 轮数亿元,2024 起主打「工业世界模型」,融资口径与估值多处不可调和,营收从未披露
- 同元软控深度调研:以 MWORKS(Syslab/Sysplorer)对标 MATLAB/Simulink,借 MWORKS AI 与 MOGICK 工程智能体推进国产物理 AI
- Vinci AI 深度调研:把物理仿真从「检查点」变成「连续约束」的半导体新变量
- 西湖机器人深度调研:西湖大学首个机器人成果转化项目,以 WR1 全身通用基座与 GAE 行为专家大模型构成大小脑双预训练架构,半年四轮融资约 5 亿元
- World Labs 深度调研:李飞飞的空间智能独角兽,被 AMD 以 82 亿美元收编
- 深圳元象信息科技(元象科技 XVERSE)深度调研:认知与感知双轮驱动的仿真世界路径,XVERSE 大模型、端云协同 3D 引擎与物理驱动动作生成模型 MotionGen
- 云道智能深度调研:从自主求解器到物理 AI 引擎,国产 CAE 的登顶者与它的未竟之战
- 云境智仿深度调研:北大孵化的云原生 GPU CAE 公司,Simversus 平台加 YJ-DORGP 小样本智能求解器,2025 年自述订单增 275%、营收增 160% 并达盈亏平衡
- 中科第五纪(杭州)深度调研:中科院自动化所与清华联创的具身基础模型公司,FAM 动作光流跨本体通用、3–5 条示范达 97% 成功率,纪元灵脑+纪灵机器人服务中石化/零跑/美的
- 中望软件(688083)深度调研:自主 Overdrive 内核与中望3D悟空 2027 撑起 CAD/CAE/CAM 一体化,CAx 智能体平台是通往工程 AI 的现实路径
本报告基于公开信息整理,仅供参考,不构成任何投资建议。数据截至报告发布日,请以公司公告与定期报告为准。