覓蜂推出「覓蜂派」擴大具身資料版圖，試圖複製 Figure 眾包模式
為何重要
Figure 透過眾包資料將機器人家務成功率提升至 56%，證明無本體資料對 VLA/WAM 模型泛化能力的關鍵作用；覓蜂在底層硬體與場景網路上的佈局，試圖將具身資料成本壓低至社會化採集水平，這對於未來具身智慧模型擴充套件至千萬小時級別至關重要。
Figure 推出 Index 後，覓蜂科技隨即推出「覓蜂派」標榜為全球首批三位一體（硬體 + App + 資料引擎）的物理 AI 資料眾包平臺。
- 覓蜂自研 MEgo 系列裝置已完成 2 萬套下線，並累積超過 100 萬小時的具身資料。
- 透過 MEgo Engine 搭配多維度品質評分與迴流機制，讓模型能利用錯誤與失敗案例進行進一步訓練。
- 該平臺在內測期曾吸引 2 萬使用者，客服務於騰訊 Robotics X、靈波等客戶。