你擦桌子的動作，正在被機器人按分鐘收購。

普通人的日常動作，正在變成機器人最稀缺的養料。

8月底，美國機器人公司Figure幹了一件讓很多人愣一下的事：他們正式上線了一款手機app。

玩法很簡單。你打開app，選一個任務——擦桌子、疊衣服、切菜、整理貨架——然後把手機架在第一視角，錄下你幹活的全過程。上傳，Figure按視訊質量和時長給你付錢。

聽起來像個兼職app？但數字不太像。

隱身測試四個月，這款app覆蓋了108個國家，下載26.4萬次，周活4.4萬人，攢下了1600萬條視訊。Figure已經向這些"錄視訊的人"支付了1500萬美元。CEO Brett Adcock直接放話：未來12個月，要在資料和算力上砸超過10億美元。

10億美元買什麼？買全世界普通人幹活的視訊。

這件事荒誕嗎？仔細想，一點都不荒誕。它只是把一個行業裡藏了很久的秘密，擺到了檯面上：機器人最缺的不是晶片，不是演算法，而是你每天都在做、但從來沒覺得值錢的那些動作。

而圍繞"怎麼把人類動作變成機器人能吃的資料"，一場安靜但兇猛的基礎設施競賽，已經開打了。

01 機器人餓了，但舊方法喂不飽

要理解為什麼Figure要花10億美元買家務視訊，得先理解具身智能現在卡在那。

過去兩年，VLA（視覺-語言-動作）模型成了機器人圈的共識路線。簡單說，就是讓機器人像大模型理解文字一樣，理解"看到的畫面+語言指令+該做的動作"之間的關係。GPT能寫文章，是因為網際網路上有兆級文字；但機器人要學會疊衣服，網際網路上沒有現成的"疊衣服動作資料"給它吃。

第一種是遙操作。工程師戴著裝置，遠端操控機器人做動作，機器人一邊做一邊記錄。問題是貴、慢、假。一台機器人本體幾十萬，一個熟練操作員一天能采的資料量有限，而且操作環境往往是實驗室，不是真實的廚房和倉庫。有行業測算，遙操作採集一小時高品質資料的成本，是普通人自然錄製的上百倍。

第二種是扒網路影片。YouTube、抖音上確實有海量第一視角視訊，但問題是：這些視訊沒有動作標籤，手的精確軌跡、力度、物體空間關係全都對不齊。VLA模型要的不是"看一個人疊衣服"，而是"每一秒手指在那個坐標、用了多大勁、衣服怎麼變形"。網路影片給不了這些。

所以Figure的邏輯很直接：既然實驗室采不起、網路影片用不了，那就把採集工具交到全世界人手裡，讓真實場景裡的真實動作，自己長出來。

這不是Figure一家的想法。幾乎在同一時間，中國的玩家們用完全不同的方式，衝進了同一個戰場。

02 三條路線，三種"喂機器人"的姿勢

如果把"採集人類動作資料"當成一個新行業，目前至少有三種打法。

第一種，Figure式：手機app + 全球眾包。

最輕的模式。不需要專用硬體，人人都有手機，任務平台化分發，按質付費。優勢是擴張極快——四個月108個國家就是證明。劣勢也明顯：手機攝影機的精度有限，手部細節、力度資料採集不到，資料質量參差不齊，後期治理成本高。Figure敢這麼幹，是因為它賭的是"規模先碾壓質量，再用模型能力消化噪聲"。

第二種，京東式：集中採集場 + 社區滲透。

京東在江蘇宿遷建了一個4000平方米的具身智能資料採集中心，1:1還原了客廳、廚房、藥房、超市、物流倉庫等上百個真實場景。採集員戴著頭戴採集裝置，在這些場景裡正常幹活——擦電器、配藥、分揀快遞、縫紉。

京東的野心更大：計畫兩年內採集1000萬小時真實場景資料，發動內部10萬員工加外部最多50萬各行業人員參與。他們甚至在宿遷搞了全國第一個"資料採集社區"，培訓寶媽、退休人員在家做家務的同時完成採集。

這條路的優勢是場景可控、資料質量高、裝置專業。劣勢是重資產、擴張慢，而且"復刻的真實場景"和真正的真實場景之間，永遠有一層隔膜。

第三種，覓蜂式：穿戴工具 + 無本體採集。

這是最值得單獨說的一條路，因為它既不自己建採集場，也不做app平台，而是做"賣鏟人"——把專業級採集工具做輕、做便宜，賣給任何想采資料的人。

覓蜂科技2026年2月才成立，6月硬體量產，9月就宣佈裝置下線2萬套、累計有效資料超100萬小時。這個速度在硬體公司裡幾乎是離譜的。

它的核心產品叫MEgo，分兩件：MEgo Gripper是一個戴在手上的二指夾爪，能毫米級還原手部軌跡和力度；MEgo View是頭戴+腕部雙視角攝影機，記錄第一視角和手部特寫。人戴上它，該洗碗洗碗，該配餐配餐，工具在後台把動作、空間、觸覺、聲音全部記下來。

關鍵概念叫"無本體"——不需要機器人本體在場，人就是採集本體。人的勞動原本就會發生，MEgo負責把其中有價值的部分數位化。

覓蜂的採集效率比傳統遙操作提升了5倍，原因很簡單：遙操作是"一個人專門操控一台機器人演戲"，MEgo是"一個人正常幹活，工具順便記錄"。後者的邊際成本趨近於零。

現在，覓蜂已經和騰訊Robotics X實驗室簽了合作，裝置進了工廠、物流、商超、家居、康養等場景。退休人員、寶媽、家政阿姨，正在變成這個新行業的一線"資料工人"。八大頭部場景貢獻了約82%的資料，剩下的長尾場景在持續拓展覆蓋。

這家公司半年就拿了數億元融資，國方創投領投。資本不是傻子——它們看到的不是一家硬體公司，而是具身智能時代的"資料電網"。

04 個人蒸餾：你的肌肉記憶，第一次有了市場價

把這三條線放在一起看，一個更大的趨勢浮出水面："個人蒸餾"正在從概念變成真實工種。

什麼叫個人蒸餾？就是把一個人在長期勞動中積累的隱性技能——怎麼拿刀最穩、怎麼打包最快、怎麼把衣服疊成方塊——通過採集工具提取出來，轉化成機器人可以學習的結構化資料。

過去，這些技能只在你自己的身體裡。你會疊衣服，但你沒法把"會疊衣服"這件事單獨拿出來賣。現在可以了。戴上裝置，幹一遍活，你的肌肉記憶就變成了一段可以被定價、被交易、被訓練模型的資料。

這不是比喻。京東宿遷的採集社區裡，寶媽邊做家務邊拿補貼；Figure的app上，有人靠錄家務視訊獲得收入；覓蜂的裝置進了家政公司，阿姨的每一次擦拭和整理都在產生資料資產。

人類勞動的價值，正在被重新定價。

以前我們說"AI替代人"，焦慮的是崗位消失。但這一波資料採集潮講的是另一個故事：在機器人真正能替代人之前，它先要大規模地"需要人"——需要人教它怎麼幹活。而教的方式，不是寫說明書，是把你的動作錄下來，喂給它。

第一，資料採集工具會成為比機器人本體更早爆發的賽道。機器人還在實驗室裡迭代，但採集工具已經開始進家庭、進倉庫、進工廠。淘金熱裡，賣鏟子的往往先賺錢。

第二，最終勝出的不是資料量最大的，而是單位資料成本最低的。Figure賭規模，京東賭質量，覓蜂賭工具——三條路線最終會在"每小時有效資料的成本"這個指標上交匯。誰能把採集成本壓到最低，誰就掌握定價權。

第三，普通人的"身體經驗"第一次變成了可流通的商品。這意味著新的就業形態，也意味著新的問題：資料歸誰？定價誰說了算？隱私邊界在那？這些問題現在沒人有答案，但它們一定會來。

目前的個人蒸餾還處在非常早期的階段。採集裝置的精度、資料治理的標準化、不同場景之間的通用性，都遠未成熟。Figure的1600萬條視訊裡，真正能直接用於VLA訓練的比例有多少，行業裡還有爭議。京東的1000萬小時目標能不能按期完成，也要打個問號。覓蜂的2萬套裝置，更多還是B端客戶在買單，C端普及還沒開始。

更穩妥的說法是：我們正在見證一個新基礎設施的"通電時刻"。燈還沒全亮，但電網已經在鋪了。

Figure花10億美元買的，不是視訊。是人類用了幾百萬年進化出來的、那雙靈巧的手和那個知道怎麼幹活的大腦。

而我們每個人，可能都還沒意識到自己身上藏著多少可以被"蒸餾"出來的價值。 (未來機器人網)

彙整鉅亨號中所有使用「覓蜂」關鍵字，所發布的內容 (依照時間排序，最新在前，舊的在後)`

機器人餓了，全世界開始"賣動作"，從Figure到覓蜂，人類動作正在被機器人按分鐘收購