Mifeng Technology mở cửa thu thập dữ liệu cho công chúng với ‘Mifeng Pai’
TREE NEWS đưa tin: Ngày 23 tháng 9, startup Trung Quốc Mifeng Technology chính thức ra mắt “Mifeng Pai”, một nền tảng dữ liệu cộng đồng (crowdsourced) cho AI hiện thân (embodied AI). Nền tảng này cho phép người dân thường thuê thiết bị MEgo, nhận nhiệm vụ thu thập dữ liệu qua ứng dụng và kiếm hoa hồng dựa trên số giờ dữ liệu đã được xác thực. Công ty, được thành lập vào tháng 2 năm 2026, định vị mình là nền tảng dữ liệu bên thứ ba phục vụ toàn bộ ngành AI hiện thân, bao gồm dữ liệu máy thật, dữ liệu không có cơ thể và dữ liệu mô phỏng.
Động thái này diễn ra khi nhu cầu về dữ liệu huấn luyện trong AI hiện thân bùng nổ. Chủ tịch kiêm CEO của Mifeng, Yao Maoqing, lưu ý rằng các bộ dữ liệu hàng triệu giờ đang chuyển từ mục tiêu cung ứng toàn ngành sang yêu cầu của từng khách hàng, với một số khách hàng yêu cầu hàng chục triệu giờ và những khách hàng hàng đầu đòi hỏi 50.000–100.000 giờ mỗi tuần. Các nhà máy thu thập dữ liệu tập trung truyền thống, nơi các nhân viên vận hành điều khiển robot từ xa để thực hiện các tác vụ lặp đi lặp lại, rất tốn kém và khó mở rộng theo tuyến tính.
Mifeng Pai nhằm thay đổi điều đó bằng cách phân tán việc sản xuất dữ liệu ra khắp các môi trường làm việc và sinh hoạt trong thế giới thực. Người tham gia thuê thiết bị MEgo với giá 39 nhân dân tệ mỗi ngày (giá khuyến mãi: 19 nhân dân tệ) và kiếm lợi nhuận cơ bản khoảng 20 nhân dân tệ mỗi giờ hợp lệ, cộng thêm trợ cấp động dựa trên thành phố và chất lượng tác vụ. Các tác vụ trải rộng trên hơn 20 lĩnh vực, bao gồm bảo trì, ăn uống, logistics, chăm sóc người cao tuổi và giúp việc nhà. Trong tháng thử nghiệm beta đầu tiên, nền tảng đã đăng ký 20.000 người dùng và tạo ra 13.000 lượt nộp tác vụ, với những người kiếm nhiều nhất đạt hơn 5.000 nhân dân tệ trong một tháng.
Hàm ý thị trường: Dữ liệu là dầu mỏ mới của ngành robot
Sự ra mắt này báo hiệu một sự chuyển dịch rộng lớn hơn trong cách ngành AI và robot tìm nguồn dữ liệu huấn luyện. Khi các mô hình AI hiện thân trở nên có năng lực hơn, chúng không chỉ cần nhiều giờ hơn mà còn cần nhiều kịch bản đa dạng hơn, độ chính xác không gian cao hơn và ngữ nghĩa hành động phong phú hơn. Mô hình cộng đồng của Mifeng có thể giảm chi phí thu thập dữ liệu và tăng tốc phát triển robot đa dụng. Đối với nhà đầu tư, điều này nhấn mạnh tầm quan trọng ngày càng tăng của hạ tầng dữ liệu trong chuỗi giá trị AI—một phân khúc đã thu hút vốn đầu tư mạo hiểm đáng kể và có thể chứng kiến sự hợp nhất khi quy mô trở nên then chốt.
Mifeng cũng công bố một “Liên minh Dữ liệu Kịch bản” với hơn 50 doanh nghiệp và tổ chức trong lĩnh vực khách sạn, bán lẻ, sản xuất và các ngành khác. Công ty hình dung một mạng lưới có thể điều phối các tác vụ thu thập dữ liệu theo yêu cầu, giống như một “Meituan của dữ liệu”. Tuy nhiên, mô hình này đối mặt với nhiều thách thức: đảm bảo chất lượng dữ liệu từ những người lao động phân tán, quản lý vận hành phức tạp và cạnh tranh với các nhà sản xuất robot, những bên có thể cuối cùng tự thu thập dữ liệu khi đội robot của họ mở rộng.
Những điểm chính cho nhà đầu tư
- Hạ tầng dữ liệu là nút thắt quan trọng: Các công ty AI hiện thân cần những bộ dữ liệu khổng lồ và đa dạng. Những nền tảng có thể tổng hợp và xử lý hiệu quả loại dữ liệu này có thể trở thành nhà cung cấp thiết yếu.
- Crowdsourcing có thể giảm chi phí nhưng tăng độ phức tạp vận hành: Dù tránh được chi phí của các trung tâm thu thập dữ liệu chuyên dụng, kiểm soát chất lượng và chuẩn hóa tác vụ vẫn là những rào cản đáng kể.
- Khả năng hợp nhất cao: Khi nhu cầu tăng lên, khách hàng có thể ưu tiên ít nhà cung cấp lớn hơn, có khả năng cung cấp hàng triệu giờ với chất lượng nhất quán. Mifeng dự đoán một thị trường độc quyền nhóm.
- Rủi ro dài hạn: Khi robot trở nên tự chủ hơn, chúng có thể tự tạo dữ liệu huấn luyện, có khả năng giảm sự phụ thuộc vào dữ liệu do con người thu thập đối với các tác vụ đã trưởng thành.
Canh bạc của Mifeng là thế giới vẫn còn vô số kịch bản mà robot chưa làm chủ được, và một mạng lưới phân tán gồm những người lao động có thể tiếp cận chúng nhanh hơn và rẻ hơn bất kỳ nhà máy tập trung nào. Liệu canh bạc đó có thành công hay không sẽ phụ thuộc vào khả năng thực thi và tốc độ ứng dụng robot.
