ARTICLE · 1242847
AI 数据供应商转向机器人部署,Mecka 想做新一代系统集成商
“我们所能知道的，多于我们所能言说的。”——迈克尔·波兰尼《The Tacit Dimension》
机器人模型正在为预训练数据打开一个采购市场。大语言模型实验室主要自行从互联网获取这类数据，而机器人需要的许多操作记录，还得有人组织采集、处理和验证。Mecka 创始人兼 CEO Josh Gao 认为，这个差别给专业数据供应商留下了空间。
Mecka 将人类的操作过程加工成训练数据，通过授权提供给客户。10 月 7 日，Mecka 宣布完成 6000 万美元 B 轮融资，由 Sequoia Capital 领投，英伟达、微软旗下 M12、Qualcomm Ventures 和三星等参投。
这家公司的业务已经远远超出招募人来拍视频。截至今年 6 月，Mecka ARR 已超过 1 亿美元。根据创始人 Josh Gao 介绍，Mecka 自行开发传感设备，将设备分发到数千户家庭和数千家企业，再完成上传、质量检查和数据处理。从找到采集者，到交出可用的训练材料，中间还有大量需要公司自己承担的工作。
10 月 20 日，Josh Gao 在投资方 Sequoia 的《Training Data》播客中表示，支付给采集者的报酬，并不是让数据变得可用的最大成本。硬件、运营和软件能力，才是他认为供应商能够建立差异化的地方。他也希望 Mecka 进一步参与机器人部署，通过现场数据和后训练，让已经安装的机器继续获得新能力。
▍模型需要的数据还在变
Josh Gao 不认为机器人会长期依赖某一种训练数据。一年前，行业里还存在只有 UMI 数据有用、或者只有第一视角数据有用的争论；在他如今的观察中，不同来源正在进入同一套训练组合。
他描述的现阶段配方，大致包括约百万小时、涵盖第一视角等不同模态的人类数据，数万小时机器人数据，再加上来自目标领域、符合目标分布的遥操作数据。最后一部分用于弥合具体场景中的差距，在某些情况下，可能只需几小时示范。
这不是一个已经定型的组合。Josh Gao 认为，触觉数据甚至还没有充分进入其中，而机器人要学习转动门把手需要多大的力，就必须获得相应的信息。仿真也会成为配方的一部分，供应商需要随之开发新的数据产品。
Mecka 最早押注第一视角数据，理由是它有机会弥合人类与机器人之间的一部分视觉差距。团队先用手机应用，请中国的叔叔阿姨记录做饭、打扫等活动，随后又尝试 UMI 等方式。与基础模型实验室共同迭代后，采集设备也开始变化：只有视频，无法获得足够丰富的操作信息。
触觉手套因此进入了 Mecka 的产品开发。Josh Gao 提到，手腕摄像头虽然能观察接触发生的时刻，但用它推断拉动椅子、拧开瓶盖所需的力，仍是间接的变通办法。公司于是研发供人佩戴的手套，采集执行任务时的施力信息。
数据需求还可能沿着技能水平继续细分。他把第一视角数据视为一种 SKU：今天采集普通餐馆的操作，未来可能需要米其林餐厅的技能；今天记录一般网球选手的动作，未来可能希望接近费德勒。在他的设想中，机器人能力提高后，值得采集的技能和生产这些数据的方式也会变化。
他也没有把人类示范视为机器学习能力的终点。用 AlphaGo 作类比：先从人类棋谱学习，再通过自我对弈探索新策略。机器人未来也可能结合真实世界与仿真，继续发展超出已有示范的能力。
但物理世界还没有一个能完整重现各种细节的模拟器。第一视角数据既用于基础行为学习，也能帮助构建未来的世界模拟器。随着模型与训练方法演进，数据供应商需要不断调整所提供的经验，而不能只扩大同一种产品的产量。
▍数据能拍下来还得能交付
如果数据供应商只是连接采集者与买家，大型竞争者提高报酬、直接争抢采集者，便可能挤压中间环节的利润。贡献者费用只是端到端成本的一部分，真正有用的数据还需要硬件、运营和软件共同生产。
以触觉手套为例，市面上没有可以直接采购、可靠测量日常施力并转化成所需训练数据的现成产品。团队需要投入工程能力，经历三至四轮产品迭代，再扩大生产。Mecka 还开发了带摄像头与传感器的帽子，以及连接手套、外置摄像头等配件的中央集线装置。
设备之外，Mecka 还要组织分散的采集来源。个人可以通过 App 注册、登记职业，领取打扫卧室、做早餐等任务；企业合作则进入面包店、PCB 制造产线等专业场景。家庭之外的数据，需要公司建立企业招募能力，才能持续补充。
Mecka 用热力图跟踪职业、行业和数据多样性的覆盖情况，再寻找欠缺的来源。Josh Gao 提到，过去一些大型数据工厂在仓库中反复执行任务，但研究带来的认识是，多样性不足时，继续堆叠数据会遇到饱和。采集人数增加，并不自动带来更完整的经验覆盖。
随着网络扩大，新的质量问题也不断出现。有人曾录下 YouTube 上麦当劳员工的第一视角工作视频，冒充自己的采集成果提交。Josh Gao 表示，公司既要设置检查规则、建立快速处理问题的机制，也必须到现场观察数据如何产生，并通过激励设计鼓励高质量贡献。
传输和处理同样是一项持续投入。按照他的介绍，Mecka 已在许多运营地点铺设 100 Gbps 上传线路，以承载其处理的数百 PB 数据。记录上传后，还需要经过质量把关和计算机视觉处理，才能成为模型可用的数据集。
Josh Gao 对长期利润的解释，落在这套生产体系上：即使贡献者报酬的竞争加剧，供应商仍有机会凭借合适的设备、运营方式和软件，在大规模交付时保持可验证的质量。Mecka 希望出售的，是已经完成这些工作的数据产品，而非把原始视频转手交给模型实验室。
▍先有商业任务再扩大能力
供给可以组织起来，需求端还有另一笔账：如果机器人最终需要的数据规模比今天大出许多个数量级，行业能否一直承担采集与处理的成本？
Josh Gao 的判断是，机器人会在能力扩展的途中逐步实现商业应用。先通过基础训练获得一定的泛化能力，再采集特定领域、特定任务的示范，通过后训练弥合差距。简单的抓取、放置等工作可以先被解决，更复杂的长尾任务随后推进。
数据容易获得的场景，未必适合机器人最先落地。红杉美国合伙人 Sonya Huang 指出，家庭活动人人都可以拍摄，家庭却可能是最困难的部署环境之一。Josh Gao 表示，家庭需要格外谨慎，并以机器人不能倒下来伤及婴儿为例说明安全要求；早期更适合推进的，是目标明确、已有标准作业流程的工作。
Mecka 团队曾花费一年半以上研究衣物折叠。对于传统机器人尚未解决的部分流水线抓取、放置和包装任务，他预计未来一至两年有望解决。工业清洁等专用机器人，也是他看好的早期类别。
这条商业化路径并不要求所有能力都集中在一种机器人或一个模型中。Josh Gao 同时看好垂直体系与开放生态：有的公司围绕特定任务，把硬件、模型和数据放在一起；也可能有多种机器人形态与开放模型长期共存，而专业模型有机会在少数任务上获得更高的能力与可靠性。
进入真实部署之后，失败案例和人工纠正又会成为新的数据来源。Josh Gao 希望 Mecka 在这一过程中，为企业采集领域数据、开展后训练，并提供部署支持。他也明确表示，成熟的数据反馈机制仍需要时间，取决于哪些任务先被解决，以及还有多少能力需要补齐。
他用现代机器人系统集成商描述未来的角色。传统安装业务竞争激烈、利润较薄，新的空间在于产品安装之后，仍然可以依靠数据提高生产力。数据供应商的工作，也可能因此从模型训练延伸到机器持续运行的过程。
✦精选内容✦
当 Personal Agent 有了记忆，Today AI 尝试主动跟进
当 AI 健康应用开始赚钱，「豆包工作」让我们重新思考垂直 App 的价值
YC 华裔团队造了一台本地 AI 电脑，1799 美元三天售罄
