手亿科技

手亿科技是一个面向具身智能数据采集的公司节点。它把第一视角视觉、手部姿态、IMU 和操作指令同步采集做成可穿戴设备路线，试图降低真实场景手部操作数据的规模化成本。

截至 2026-08-10 的主体与发布答案

• 深圳市天使投资引导基金和深圳市市场监督管理局公开页面都把品牌“手亿/Showee”对应到深圳市手亿计算机有限责任公司；该法律主体可以作为本页 alias。
• 公司官网已公开腕带与头戴设备的产品面，深圳市天使投资引导基金也把它列为参展企业；中国青年报记录创始人称首笔订单已开始出货。这支持“存在可展示、已开始早期交付的硬件方案”，但不等于规模化量产或客户验收已被公开审计。
• 官网的 3 mm 指尖误差、4–5° 关节角误差、同步、重量、续航、价格和十倍效率均为公司口径，未附公开测试集、样本量、误差分布、对照方案或第三方复现。

观察

• 手亿科技的核心对象不是机器人本体，而是“人如何操作物体”的高密度数据。它把腕带、头戴摄像头、手部姿态估计和时间同步组合成数据采集系统。
• 这条路线补充了 具身智能数据基础设施：具身模型缺的不只是公开视频，还包括手眼协同、操作意图、微动作和多模态同步。
• 对 机器人触觉感知 来说，手亿科技代表相邻的“手部技能数据”路线。触觉告诉机器人接触如何发生，手眼 POV 数据则记录人类如何发起和修正操作。
• 在 物理 AI 创业生态 中，手亿科技说明数据采集本身已经成为可融资、可量产、可交付的创业生态位。

外部技术对照

• Universal Manipulation Interface 说明可穿戴／手持设备要进入策略训练，还需要可复核的末端轨迹、夹爪状态、动作表示、目标机器人运动学过滤与 latency matching。
• EgoMimic 说明裸手第一视角数据可以提高吞吐量和环境多样性，但仍需目标机器人数据、相机坐标 pose、分本体归一化和机器人 joint grounding。
• 这些论文结果不是手亿设备性能的独立验证；它们给出更严格的验收框架：公开 schema、同步误差、动作重建、目标机器人任务增益、失败分布、数据许可和参与者授权。

边界

• 融资金额、估值增长、设备成本优势和产品性能数字均来自公司或融资传播口径，当前不作为独立基准事实。
• 本轮官网公开检索面没有找到数据格式/SDK 文档、被采集者授权流程、隐私政策、数据许可或公开模型验证报告。因此设备“能采集”不能自动升级为数据可合法复用、可跨任务泛化或能提升下游模型。
• 重开条件：正式技术文档、独立基准、客户验收、数据授权/退出机制、数据许可与公开模型报告。

相关页面

• 具身智能数据基础设施
• 机器人触觉感知
• 物理 AI 创业生态
• 人体模型

三同关系线索

• 深圳市市场监督管理局公开页面确认许展玮是公司创始人；清华大学学位论文系统确认其 2025 年自动化系博士论文、导师冯建江及手指状态估计研究方向。于进洋的联合创始人身份仍主要来自融资报道，尚不足以单独建人。
• 学位论文支持个人训练背景，但不证明学校向公司转让、许可或持有知识产权。本页继续通过人物层理解学校关系，不建立公司到学校或院系的直接 wikilink，也不据此推断导师投资、校方持股或技术转让。
• 地缘和生态线索是深圳：手亿在 深圳 AI 硬件生态 中代表“可穿戴采集硬件 + 供应链 + 具身数据”的路径，适合与 OriginFlow、灵初智能 对照。

证据

• 原始资料快照（本地归档）
• 原始资料快照（本地归档）
• 搜狐转载：清华系团队创业，手亿科技完成千万级天使轮融资
• 新浪财经：手亿科技完成数千万元天使++轮融资
• 手亿官方产品页
• 清华大学学位论文系统：许展玮博士论文
• 深圳市天使投资引导基金：手亿参展企业介绍
• 深圳市市场监督管理局：手亿与许展玮
• 中国青年报：手亿早期交付线索

2026-08-10 与开放人类示范路线的比较边界

EgoMimic 与 UMI 提供了评估手眼采集硬件的公开对照：除了设备能记录视觉和手部运动，还需要披露动作表示、时间同步、运动学可行性、训练数据配比、真机基线和失败条件。Ego4D 的规模不能直接作为手亿路线的模型增益证据，因为自然第一视角视频没有机器人动作真值；HIL-SERL 的部署纠错也属于机器人原生数据层。

因此手亿当前的可核验结论仍停在“存在早期交付的采集设备与公司自述性能”。只有公开数据 schema、参与者授权、数据许可和跨本体真机评测出现后，才能与 EgoMimic/UMI 的任务级结果比较。

证据：原始资料快照（本地归档）

2026-08-10 补强：在人类数据谱系中的位置

按人类活动数据的控制权分类，公开的手眼 POV／可穿戴采集更接近“仪器化人类操作”：人仍控制自己的身体，设备记录观察、手部或身体信号。除非产品材料公开目标机器人本体、robot-native action、动作表示、控制频率和运动学映射，否则不能把采集结果写成已经跨过 embodiment gap，也不能推断存在 autonomous rollout 或 intervention/recovery 标记。

后续核验应把“采到自然技能”与“生成可执行机器人动作”分开，并报告数据许可、参与者撤回和对固定 robot baseline 的增量。

与开放人类示范路线的可比边界（2026-08-10）

EgoMimic 与 UMI 提供了可对照的最低公开证据链：传感器与坐标表示、时间同步、动作可执行性、训练配比、真机基线和失败条件。手亿科技当前公开材料��要核验到采集硬件与早期交付，尚没有同粒度的数据格式、参与者授权、跨本体训练消融或独立下游增益。因此“更快采集”与“更有效训练”仍是两个需要分别验证的问题。