据知情人士透露，成立仅两年的机器人训练数据初创公司Mecka AI正在完成新一轮融资，本轮由红杉资本领投，投后估值接近5亿美元。值得注意的是，此时距离该公司宣布A轮融资仅过去数月时间，融资节奏之快反映出资本市场对机器人训练数据赛道的强烈兴趣。
Mecka AI的核心业务聚焦于为机器人基础模型提供训练数据服务。随着人形机器人和通用机器人系统在技术层面取得显著进展，如何获取大规模、高质量、多样化的真实世界操作数据，已成为制约模型能力提升的关键瓶颈。与依赖互联网文本数据的语言模型不同，机器人模型需要大量物理交互数据——包括抓取、移动、操作各类物体等动作轨迹——这类数据无法从公开网络直接获取，必须通过真实场景采集或仿真环境生成。
红杉资本此次领投，延续了该机构在人工智能基础设施领域的系统布局。从大模型训练所需的算力与数据，到机器人时代的物理交互数据，红杉正在沿着AI技术栈向上下游延伸。对Mecka AI而言，红杉的品牌背书和资源网络，有助于其在竞争日益激烈的数据服务市场中建立壁垒。
机器人训练数据赛道近一年来明显升温。多家专注于数据采集、标注和仿真环境构建的初创公司相继获得大额融资，投资方既包括传统VC，也有产业资本和大型科技公司的战略投资部门。这一趋势的背后逻辑在于：随着特斯拉Optimus、Figure、1X等公司的机器人产品逐步从实验室走向实际应用场景，对训练数据的需求正从研究性质转向规模化生产性质。谁能以更低成本、更高效率地提供高质量物理交互数据，谁就有可能在机器人产业链中占据关键位置。
从行业格局来看，机器人训练数据的来源目前主要有三条路径。其一是真实场景遥操作采集，即由人类操作员远程控制机器人完成任务，同时记录全部动作数据，这种方式数据质量最高但成本也最高。其二是仿真环境生成，通过物理引擎模拟机器人与环境的交互，成本较低但存在sim-to-real的迁移难题。其三是互联网视频数据挖掘，从大量公开视频中提取人类操作动作并转化为机器人可用的训练信号，成本最低但数据噪声较大。Mecka AI的具体技术路线尚未完全公开，但据此前披露的信息，该公司在真实数据采集效率和自动化标注方面有一定技术积累。
机器人训练数据市场的竞争格局仍在快速演变。一方面，大型机器人公司倾向于自建数据采集体系，以确保数据与自身硬件和模型的高度匹配；另一方面，第三方数据服务商如果能够实现跨硬件平台、跨任务场景的数据通用性，则有望形成规模效应。Mecka AI面临的挑战在于，如何在数据采集成本、数据质量和交付速度之间找到平衡点，同时避免被客户自建能力所替代。
从更宏观的视角看，机器人训练数据的商业模式尚在探索阶段。是按数据量收费、按订阅制提供持续数据流、还是按模型训练效果分成，行业内尚未形成统一标准。Mecka AI此轮融资后的估值水平，在一定程度上反映了资本市场对机器人数据服务市场规模的预期，但该预期能否兑现，仍取决于机器人本体出货量能否在未来两到三年内实现实质性增长。
截至发稿，Mecka AI和红杉资本均未对融资消息予以正式确认。若本轮融资最终完成，Mecka AI将成为机器人训练数据领域估值最高的初创公司之一，也将进一步验证资本市场对“AI基础设施从数字世界向物理世界延伸”这一投资主题的判断。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
