Mecka AI 估值逼近五億美元：Sequoia 領投，搶攻人形機械人訓練數據

根據 TechCrunch 於 2026 年 9 月 11 日報道，專門採集並分析人類動作數據、供人形機械人及其他機械人訓練的初創 Mecka AI，正接近由 Sequoia Capital 領投的新一輪融資，估值約 5 億美元。本文來源真實性已驗證：已核對 TechCrunch 原文，並交叉對照該公司約三個月前宣布的 6,000 萬美元 A 輪公開資訊；X 平台僅作發現渠道。本文將拆解「實體世界數據」如何成為通用機械人瓶頸、Mecka 的商業模式，以及對香港與亞洲開發者、企業的啟示。

一、核心事件：Sequoia 領投，估值約五億美元

技術細節

TechCrunch 引述兩名知情人士指，Mecka AI 新一輪融資由 Sequoia Capital 領投，估值約 5 億美元；精確融資額尚未掌握，條款亦未最終敲定，仍可能變動。Mecka AI 未回應置評請求，Sequoia 則拒絕置評。

這輪融資距離公司公開 A 輪僅約三個月：當時 Framework Ventures 領投 6,000 萬美元，參與方包括 Menlo Ventures、SV Angel 與 Kindred Ventures。公司於 2024 年由四位創辦人成立，包括加拿大人 Josh Gao、Mogen Cheng（此前曾創辦餐飲金融科技），以及曾因加密交易所被 Coinbase 收購而加入該公司的 Jason Chong；負責營運的 Duy Nguyen 則是團隊中唯一非加拿大人。創辦人並非機械人科班出身，卻看準「實體世界互動數據短缺」才是通用機械人（含人形）落地的主要瓶頸。

公司名稱源自「mecha」（科幻中由人類操控的巨型機械），定位是為機械人領域做類似 Scale AI、Mercor、Surge 等「人類數據公司」對大語言模型（LLM）所做的事：付費請人用身體感測器與智能手機，錄下泡咖啡、修車等日常任務。據 Gao 早前向 Fortune 表示，公司在 2026 年 6 月初曾預期年底年化營收可達 1 億美元。客戶名單未公開，但業界普遍以「第一人稱／自我中心（egocentric）」視角數據，結合遙操（teleoperation）等其他物理數據採集，訓練機械人模型。同賽道亦有 XDOF（TechCrunch 上周報道其估值逼近約 12 億美元），以及正把人類數據業務擴出 LLM 以外的 Scale AI、Micro1 等。

二、技術原理深度解析

通用機械人與 LLM 的訓練瓶頸並不相同。文字、代碼與圖像在互聯網上規模巨大，但「如何在真實廚房拿起杯子而不打翻」這類連續控制、力覺與場景理解，極難靠純模擬或網頁爬蟲補足。業界因此依賴：

1. Egocentric 視角採集：以頭戴／胸戴相機與身體感測器，記錄人手、視線與環境互動，保留第一人稱時空結構。
2. 遙操與示範學習：由人類遙控機械臂或人形機完成任務，再以模仿學習（imitation learning）或強化學習微調。
3. 多模態對齊：把影像、關節角度、力／力矩與語言指令對齊，形成可擴展的訓練語料。

Mecka 的產品敘事，正是把「付費人類勞動 → 結構化動作語料 → 機械人基礎模型」做成可規模化的供應鏈，類似 LLM 時代的數據標註與合成數據平台。技術上，瓶頸往往不在單一感測器，而在於：覆蓋足夠多的日常場景、保持標註一致性、並能以商業合約穩定供應給實驗室與整機廠。這也解釋為何風險投資正密集湧入「實體數據」賽道，估值以億美元計迅速抬升。

三、日常應用場景

1. 開發者與技術團隊

機械人與具身智能（embodied AI）團隊可把 egocentric 語料用於行為複製、技能庫擴充與模擬器對齊；也可用於評估「模型是否真的學會開抽屜、摺衣服」這類基準。數據品質與場景多樣性，往往比再堆一個 Transformer 層更能拉開差距。

2. 企業與隱私敏感行業

倉儲、製造、長者照護、酒店服務等場景若導入人形或協作機械人，勢必需要貼近本地流程的示範數據。企業亦可要求數據在境內採集與託管，避免把廠房畫面或客戶互動外傳至公開雲。對金融、醫療、法律等本已受 NDA 約束的行業，私有數據管線與私有模型託管會一併被審視。

3. 一般用戶

短期內一般消費者較少直接購買「動作數據」；但會間接感受到：家用與服務型機械人能否穩定完成家務、導覽或取物，很大程度取決於背後是否有足夠真實世界示範。

4. 香港與亞洲市場視角

香港與大灣區同時具備先進製造、物流樞紐與金融科技密度，對協作機械人與倉儲自動化需求上升。亞洲市場亦常見「高密度人居＋服務業人力短缺」結構，使具身智能商業化路徑與北美不完全相同。本地團隊若要訓練貼近粵語場景、窄巷物流或店舖動線的模型，更需可控的數據採集與私有部署，而非只依賴境外公開數據集。

四、專業評價與潛在考量

優勢

• 把「實體世界數據短缺」產品化，對齊機械人商業化的真實瓶頸，而非僅追逐模型參數競賽。
• Sequoia 等一線機構進場，顯示資本對「數據基礎設施」賽道的定價意願；A 輪後三個月再逼近約 5 億美元估值，反映市場熱度。
• 方法論與 LLM 數據公司可類比，便於投資人與企業採購方理解商業模式。

需要留意的地方

• 本輪條款未敲定，TechCrunch 亦未取得精確融資額；報道屬進行中交易，後續可能調整。
• 客戶名單未公開，外界難以獨立核實營收結構；年化 1 億美元屬創辦人早前預期，非已審計結果。
• 付費請人錄影涉及隱私、勞動合規與數據授權；跨境供應時須處理個人資料與工業機密。
• 同賽道估值快速膨脹（如 XDOF 報道估值更高），需留意「數據泡沫」與單位經濟是否可持續。

結語

Mecka AI 逼近 Sequoia 領投、估值約 5 億美元的新一輪融資，凸顯 2026 年 AI 資本焦點正從純語言模型，延伸到「讓機械人學會做人」的實體數據供應鏈。對香港企業而言，無論是部署具身智能試點，還是在境內訓練領域模型，數據主權與私有託管都會成為採購條件。如需在香港部署類似的企業私有 AI 與數據管線，可參考 YSK Limited 的企業私有 LLM 全託管（https://ysk.hk/services/ai-automation）：年費 HK$88,000 起，涵蓋 Dataset → QLoRA/LoRA → 私有 API，100% 數據不出境。

參考來源

1. TechCrunch（2026-09-11）：Mecka AI nears $500M valuation in Sequoia-led deal amid rush for robot training data — https://techcrunch.com/2026/09/11/mecka-ai-nears-500m-valuation-in-sequoia-led-deal-amid-rush-for-robot-training-data/
2. X 發現（TechCrunch，2026-09-11）：https://x.com/TechCrunch/status/2098547411228455242