一個夏天從 6,000 萬美元估值衝上 5 億：Sequoia 領投，機器人訓練資料成了 AI 下一場搶奪戰

三個月。這是 Mecka AI 從宣布募得 6,000 萬美元，到傳出以約 5 億美元估值洽談新一輪募資所需要的全部時間。根據 TechCrunch 於 9 月 11 日的報導，這家總部位於紐約、專門收集與分析人類動作資料以訓練人形機器人及其他機器人系統的新創公司，正接近完成一輪由紅杉資本（Sequoia Capital）領投、估值約 5 億美元的融資——消息來自兩位知情人士。

TechCrunch 未能得知新輪次的確切規模，且交易條款尚未定案、仍有可能變動。Mecka AI 未回應置評請求，Sequoia 則拒絕評論。但若這輪募資以報導的條件完成，它將是本波 AI 週期中估值躍升最快的案例之一——也是最清楚的訊號：創投界已經認定，下一個巨大的資料稀缺不在文字、圖片或程式碼，而在物理世界的動作。

Mecka 到底在做什麼

Mecka 的核心命題很簡單，回頭看甚至顯而易見。大型語言模型建立在網際網路之上——數兆個 token 的現成文本，等著被爬取、清理、規模化。機器人沒有對應的語料庫：沒有「手的觸感資料庫」，沒有「技工在螺栓轉不動時重心如何移動」的資料集。阻礙通用機器人（包括人形機器人）發展的首要瓶頸，在於幾乎沒有人系統性地大規模捕捉真實世界的互動。

Mecka 的答案是：付錢請人穿戴自製的身體感測器、拿起智慧型手機，錄下自己執行日常任務的過程——煮咖啡、修車、摺衣服。公司再將這種「自我視角」（egocentric，因資料從執行者本人的視野記錄而得名）的捕捉內容，整理成資料集，供機器人公司與 AI 實驗室訓練模型，與遙操作等其他物理資料收集方式並用。

公司名字取自「mecha」（人類駕駛的巨型機器人）——對一家產品本質上是「用人類身體教機器怎麼移動」的公司來說，再貼切不過。

沒有機器人背景的創辦人

對一家機器人相關新創而言，Mecka 的起源故事相當不尋常。公司於 2024 年由四位創業家共同創立，沒有一位有機器人背景。加拿大人 Josh Gao 與 Mogen Cheng 先前經營一家餐廳金融科技新創；Jason Chong 的加密貨幣交易所被 Coinbase 收購後加入 Coinbase；團隊中唯一的非加拿大人 Duy Nguyen 負責營運。

創辦人缺乏機器人資歷，但他們看見了模式。Scale AI、Mercor、Surge 等人類資料公司，靠著向 LLM 開發者供應標註過的人類智慧，建立了龐大事業——而同樣的打法若瞄準實體 AI，市場上還沒有明確的領導者。Mecka 於是立志做機器人產業的 Scale AI。

這個論點如今正被資金驗證。今年 6 月初宣布前一輪募資時，執行長 Josh Gao 向 Fortune 表示，Mecka 預估 2026 年底將達到 1 億美元的年化營收跑速（annual run rate）。公司未公開客戶名單，但這個數字意味著與急需動作資料的實驗室之間，已存在相當規模的合約。

一個即時成形的產業類別

Sequoia 領投的這一輪並非孤立事件，而是「機器人資料」類別一週內第二個九位數以上估值。TechCrunch 在 9 月 4 日報導，直接競爭對手 XDOF——成立僅三個月——正洽談以 12 億美元估值完成 B 輪，該公司聲稱已有 20 家客戶（包括數家前沿 AI 實驗室），並與 UC Berkeley 合作釋出大規模開放機器人訓練資料集。除了專門業者，隨著 LLM 開發需求成長壯大的人類資料平台（如 Scale AI 與 Micro1），也正在擴張進入實體資料領域。

這股熱潮反映了 AI 瓶頸的結構性轉移。實體 AI 的模型架構日益普及——多家實驗室已開源視覺-語言-動作模型——算力雖貴但買得到。無法合成的是規模化的真實人類動作。模擬資料進步神速，但「模擬到真實」（sim-to-real）的轉換仍是許多 promising 機器人政策的墳場。雜亂、非結構化人類活動的真實自我視角錄影，是造不了假的資產。

從這個角度看，一家預估營收 1 億美元的新創獲得 5 億美元估值——約當前瞻營收的 5 倍（若預估成真）——以 2026 年的標準而言雖然激進，卻不算失控，尤其這是一家類別定義型的資料供應商，背後又有 Sequoia 撐腰。

高估值背後的風險

當然，真正的問題也存在。Mecka 至今總募資額不過 6,000 萬美元，新估值約當其 8 倍——這樣的定價假設 LLM 資料供應商「贏者全拿」的動態會在機器人領域重演，但這並不保證。Scale AI 這類既有業者擁有更深的企業客戶關係，可以把實體資料綁進現有合約；機器人實驗室也可能在理解單位經濟之後選擇垂直整合、自建捕捉體系——正如許多 LLM 開發者最終把曾經外包的資料作業收回內部。

還有資料供應鏈永遠的脆弱環節：人的品質與同意。Mecka 的模式依賴一支分散式勞動力，穿戴感測器、拍攝自己工作以換取報酬。要一邊擴大這支勞動力、一邊維持資料品質、任務多樣性與可辯護的勞動實踐，營運上極其艱難——而這種不性感的管理難題，恰恰是創投最容易低估的地方。

此外，正如 TechCrunch 所指出，Sequoia 這筆交易的條款尚未定案。在這麼熱的類別裡、以這麼快的速度談成的交易，也可能以同樣快的速度破局或重組。

為什麼依然重要

即便有這些但書，方向已經無可誤認。業界最精明的資本——Sequoia，以及更早的 Framework Ventures、Menlo Ventures、SV Angel 與 Kindred Ventures——正匯聚到同一個判斷上：實體 AI 的規模化曲線將由物理資料把關，而掌握捕捉管線的公司，將對整個機器人產業_stack_課稅，正如資料供應商曾對 LLM 產業鏈課稅。

對機器人產業來說，一家資金充裕的 Mecka 意味著更多、更好的人類動作資料流向付得起錢的人——過程中很可能加速人形機器人的發展。對其他人來說，這是又一次提醒：在這個 AI 週期裡，賣鏟子的人持續比挖金子的人更快致富。這一次，鏟子是穿在身上的。