據TechCrunch在2026年9月11日報道，總部位於紐約的Mecka AI接近完成一輪由紅杉資本領投的新融資，估值約5億美元。報道稱金額尚未披露、條款也未最終敲定，Mecka與紅杉均未就此回應。這家公司2024年註冊成立，2025年8月才從隱身狀態走出，此前已先後完成種子輪與A輪融資。

Mecka的定位並不在機器人本體或模型層。它不做機器人，也不訓練模型，而是把人在真實環境裡幹活的過程錄下來，加工成機器人能學的資料。採集方式頗為樸素：把iPhone架在灶台邊，戴上自研的觸覺手套，再往手臂上貼幾枚感測器，然後開始煮咖啡、擰螺絲或做化學實驗，拍完上傳，Mecka付錢。採集點散佈在世界各地的廚房、車間和化學實驗室，現場沒有機器人工程師。

創始團隊四人此前都沒有機器人背景。Josh Gao與Mogen Cheng是加拿大人，2023年賣掉了兩人創辦的餐飲支付公司；Jason Chong的加密貨幣交易所被Coinbase收購後他隨之加入；Duy Nguyen是四人中唯一的非加拿大籍，早年靠倒賣限量球鞋起家，現負責運營。據Gao的說法，四人曾考慮再辦一家金融科技公司，最終判斷算力接下來會流向機器人的資料基礎設施，於是轉向這一方向。

他們選擇的技術路線與當時主流相反。業界普遍採用遙操作——人用手柄遙控機器人完成任務、重複數千遍，讓策略模型從軌跡中學習；Mecka則主張直接拿人幹活的記錄去訓練。Gao稱，當時幾乎沒有人相信這件事能成。

資料本身是多通道的。相機畫面只是其中一路訊號，一套完整資料還包含手腕位姿、手指關節動作、接觸事件與抓握力、注視點，以及記錄全身動力學的IMU資料，各通道必須對齊到毫秒級——視覺與觸覺一旦在時間上漂移，正在學習力控接觸的策略模型就會學到錯誤的東西。素材最終彙總進名為Egoverse的庫，Mecka稱其規模超過3萬小時，為同類中最大。公司內部設有影片理解實驗室，負責補上手部關鍵點、3D重建與動作標註。

技術上最難的一步是重定向：人的手與機器人末端執行器運動學不同，要把動作對映到關節限位、工作空間和夾爪形態上。打通這一步，Mecka就能繼承遙操作覆蓋不到的長尾資料——車間的雜亂、真實光照、出錯後的恢復動作都在其中。但重定向本身是有損的，人的關節與肌腱跟機器人對不上；看空這條路的人認為，遙操作採到的機器人力覺資料更直接可用，Mecka的方案跨不過物理接觸這道坎。

商業模式上，投資方Kindred Ventures的Steve Jang曾拆解過其結構：客戶專案包含授權條款，Mecka可以把採到的資料用在自己的產品上，等於客戶出錢養記錄者網路，同時幫Mecka積累真實標註能力，用Jang的話說是「收著錢在建自己的護城河」。另一塊業務要等機器人進廠之後才開始，涉及安裝、校準、監控與現場維護，這套設施天然與本體和模型無關。Jang解釋兩塊業務放在一家公司的原因：純資料公司日後要從零建渠道，純部署公司手裡沒有動作資料可微調，彼此都在降低對方的成本。

收入側，Mecka在2026年6月披露時稱，基於已籤合同，年化經常性收入執行率約1億美元，當時員工約40人。公司未公佈大部分客戶名字，目前唯一能核實的付費客戶是人形機器人公司1X Technologies；官網上與斯坦福、蘇黎世聯邦理工並列的名字屬於開源研究聯合體的學術夥伴，不構成企業訂單。這1億美元未經審計，公司也未披露其中多少是穩定訂閱收入、多少來自一次性資料專案。

賽道競爭正在升溫。同在具身資料方向的XDOF由加州大學伯克利分校的Philipp Wu與Fred Shentu創辦，兩人此前開發過低成本遙作業系統GELLO，公司正談由8VC領投的B輪，估值約12億美元，年化收入約5000萬美元，客戶約20家。更早完成大額融資的是Skild AI，2025年拿到14億美元，估值超過140億美元。更實際的威脅來自客戶自身：特斯拉、Figure、1X都在建內部資料採集隊伍，一旦完成垂直整合，獨立資料供應商的空間會被壓縮。

眾包採集這條路上，不同玩家的「錢」的流向並不相同。Figure把測試數月的採集APP更名為Index全球上線，使用者錄自己疊衣服、洗碗、拖地的第一視角影片，稽核通過即可拿錢；四個月裡覆蓋108個國家和地區，攢下1600萬段影片，向創作者支付1500萬美元，並承諾未來12個月在資料和算力上投入超過10億美元。Mecka則給記錄者和場地付費，把成本寫進專案預算。國內路徑又有差異：京東雲計劃兩年內採集超1000萬小時真實場景影片，動員內部10萬名員工與外部最多50萬名各行業人員參與，家政人員佩戴自研頭戴裝置記錄上肢軌跡與力度分佈；智元建了約2000平方米的資料採集工廠，宇樹開源了含340小時、189萬條操作記錄的資料集，優必選的RoboMIND覆蓋279項任務，這些多在自建場地由採集員穿動捕裝置採集，採完對外開源，不向普通人付費。

把Figure、Mecka與京東雲放在一起看，眾包採集呈現三種面貌：Figure花錢買，交易清楚；Mecka把採集做成外包，賣按客戶規格定製的資料；京東把採集嵌進家政服務，阿姨幹活的資料同時成為訓練資產。差別落在兩個問題上——誰出錢，誰受益。國內自建路線的好處是資料質量可控，代價是每份增長都要配上場地與人力投入；Mecka沒有廠房，把採集拆成眾包網路加自研感測器，規模跟著人走。

不確定同樣明顯。1億美元是按合同口徑計算的年化執行率，未經審計；5億美元估值來自媒體報道，條款尚未敲定，紅杉公開的投資組合名錄裡也還沒有Mecka的名字。它真正的賭注壓在一個技術環節上：人的動作能否穩定遷移到機器人的身體上。這一步過不去，它賣的就是一批標了手部關鍵點的影片。而各家資料彼此聽不懂、接不上，是行業當前最大的問題；Mecka給這個問題添了一個新變數——記錄者網路跨國分佈，採出來的資料天然跨語言、跨居住形態。