四个“外行”创立的人体运动数据初创，红杉领投，估值5亿美元

机器人数据采集的“众包路线”。AI投资的热度正在从大语言模型的文本世界，向物理世界的数据领域迁移。近日，人形机器人数据初创公司Mecka AI正接近完成新一轮融资，由红杉资本领投，投后估值约5亿美元。值得注意的是，距离该公司上一轮6000万美元融资仅仅过去了三个月。三个月，估值几乎翻倍，红杉入局。成立仅两年、......本文来自微信公众号： AING硬迹 ，作者：AING硬迹机器人数据采集的“众包路线”。AI投资的热度正在从大语言模型的文本世界，向物理世界的数据领域迁移。近日，人形机器人数据初创公司Mecka AI正接近完成新一轮融资，由红杉资本领投，投后估值约5亿美元。值得注意的是，距离该公司上一轮6000万美元融资仅仅过去了三个月。三个月，估值几乎翻倍，红杉入局。成立仅两年、创始团队没有一位出身机器人行业，估值却已在三个月内完成数倍跃升。一个“局外人”团队Mecka AI成立于2024年，由四位创始人联合创立。Josh Gao和Mogen Cheng是加拿大人，此前做的是餐饮金融科技，Jason Chong将自己的加密货币交易所卖给了Coinbase后加入了后者，负责运营的Duy Nguyen则是团队里唯一的非加拿大籍成员。他们都没有与机器人相关的背景，但恰恰是这种“局外人”视角，让他们看到了一个盲区：人类与物理世界交互数据的匮乏，才是通用机器人落地的第一瓶颈。用创始人自己的话来说，他们意识到，问题不在机器人的“身体”或“大脑”，而在于教机器人理解真实世界的“教材”远远不够。Mecka的名字来源于科幻作品中由人类操控的巨型机器人“mecha”，暗合其定位：做机器人领域的数据基础设施。把“人的动作”变成“机器人的教材”Mecka AI的核心业务，是付费让普通人佩戴身体传感器和使用智能手机，记录自己完成日常任务的过程，比如冲咖啡、修车、做家务，然后将这些数据打包成机器人可以学习的训练材料。这种方法被定义为“自我中心”（egocentric）数据采集，即以人的第一视角还原最真实的物理交互细节。它区别于传统的遥操作训练模式，后者依赖专业人员在实验室环境中操控机器人完成任务，成本高、场景窄、规模受限。Mecka认为，众包式的人类演示，是获取大规模真实世界训练数据最便宜的路径。用iPhone和可穿戴传感器替代昂贵的实验室设备，让数据采集从“稀缺的工程作业”变成“可规模化的日常行为”。2026年6月初，创始人Gao表示预计到2026年底Mecka年化营收将达到1亿美元。而Mecka所面对的数据，与LLM时代的训练数据有着本质区别。文本数据是静态的、离散的、易于清洗的。但机器人训练数据是高频率、多模态、强耦合的“物理事件记录”。仅仅五秒钟的抓取动作，就可能产生数百万个数据点。这意味着Mecka不仅要解决“采集”的问题，还要解决“处理”和“交付”的问题。公司的定位从一开始就不止于数据采集商，而是“机器人及具身AI的数据基础设施层”，设计并运营全球性的数据采集、标注和硬件工作流系统。公司还拥有名为Egoverse的开放数据集，这既是技术能力的展示，也是获取行业客户和开发者信任的“名片”。具身的数据之争数据采集这条赛道正在变得拥挤，国外由UC Berkeley研究人员创立的XDOF同样专注于机器人训练真实数据的采集，但技术路线偏向遥操作数据。XDOF在2026年6月完成7000万美元A轮融资后，仅三个月后就在洽谈新一轮融资，估值达到12亿美元。这个估值是Mecka的近2.5倍，从一个侧面说明资本市场对这条赛道给出了极高的溢价。另外，国内的鹿明机器人、觅蜂科技等企业都推出了可穿戴数据采集产品，帕西尼在触觉模态数据上具有差异化壁垒等，整个赛道正从"各自建场采集"走向"平台化供给+众包化采集"的产业分工格局。Mecka的差异化在于“众包”路线带来的成本优势。但成本优势能否转化为数据质量优势，仍待验证。众包采集的数据在一致性、标注精度和场景覆盖上，天然面临比实验室采集更大的噪声挑战。李飞飞曾指出，机器人面临的核心困难在于数据极度匮乏——不仅训练数据不足，评估数据也严重不足。大语言模型只需理解语义，但机器人必须理解物理世界中的重量、摩擦力、形变和空间关系，这些信息不是“看到”就能获取的。在具身智能赛道，资金正在加速流向“卖铲人”。红杉在这一领域的布局也远不止Mecka一家，从无界动力的3亿元天使轮，到自变量机器人的10亿元A++轮，再到它石智航的4.55亿美元Pre-A轮，红杉正在系统性地构建一个从数据基础设施到机器人整机的全链条投资版图。在虚拟世界的数据红利逐渐见顶之后，下一场数据战争的主战场，正在转向我们脚下这个嘈杂、混乱、充满摩擦力的物理世界。