僱人拍自己煮咖啡的Mecka AI，紅杉給出5億美元估值

紅杉押注5億美元估值，Mecka AI用「僱人拍自己煮咖啡」重新定義物理AI數據壁壘 在人工智能賽道日益內捲的當下，一則看似「反直覺」的消息引發了業內震動。據報導，一家名為Mecka AI的物理人工智能公司，憑藉其獨特的數據採集方式——僱人拍攝自己煮咖啡等日常物理交互過程，成功吸引了頂級風投機構紅杉資本的目光，並獲得了高達5億美元的估值。這一看似簡單的商業行為背後，隱藏著物理AI領域最核心的競爭邏輯：真實世界數據的匱乏與獲取壁壘。與傳統的數字AI依賴於互聯網上的文本、圖片和音頻數據不同，物理AI（Physical AI）旨在讓機器人、自動駕駛汽車等實體在真實世界中感知、理解並行動。

這意味著它們需要海量的、帶有空間維度、力學反饋和因果關係的「多模態物理數據」。然而，這類數據的獲取成本極高，且難以通過爬蟲技術大規模獲取。Mecka AI的創始團隊敏銳地捕捉到這一痛點，並開創性地將「眾包」模式引入物理數據採集領域。「我們的核心邏輯很簡單：與其花費數百萬美元打造一個實驗室去模擬場景，不如讓真實的人類在真實的環境中，以最自然的方式完成任務。」Mecka AI的聯合創始人兼CEO在與的連線中表示。他透露，公司目前的主要業務之一，就是僱傭大量兼職人員，按照標準化腳本，拍攝自己在家中、辦公室或戶外進行煮咖啡、整理衣物、使用工具等日常活動的視頻。

這些視頻並非簡單的記錄，而是包含深度信息、物體位姿、手部關節運動以及觸覺反饋的「高質量動作數據」。這種「僱人拍自己」的模式，在業界看來似乎有些「笨拙」，但卻極具商業智慧。首先，它極大地降低了數據獲取的成本。相比於動輒數百萬美元的自動化數據採集車隊或實驗室，僱傭兼職人員的成本幾乎可以忽略不計。其次，它保證了數據的多樣性和真實性。這些視頻涵蓋了不同種族、體型、家居環境和光照條件，使得AI模型在泛化能力上遠超在實驗室中訓練的模型。

紅杉資本的投資人向透露，他們在盡職調查中發現，Mecka AI的數據庫中，僅「煮咖啡」這一個動作，就包含了超過10萬種不同的廚房環境和手部姿態，這種數據的深度和廣度，是任何一家競爭對手都難以在短期內複製的。然而，Mecka AI的野心並不止於此。根據獲得的資料，該公司正在從單純的數據採購商，向「物理AI基礎設施」方向轉型。他們計劃利用這些積累的數據，訓練自己的基礎模型，並將其輸出給下游的機器人製造商。這意味著，未來任何一家公司想要製造一台能熟練完成家務的機器人，無需從零開始訓練，只需調用Mecka AI的模型，並進行微調即可。

這與當前大語言模型領域的「基礎模型+垂直應用」的生態邏輯如出一轍，但Mecka AI搶佔的是物理世界的入口。然而，這種模式也引發了行業內部的爭議。有觀點認為，僱人拍攝的數據雖然真實，但缺乏物理力學的精確標註。例如，一個機器人需要知道「用多大的力氣才能握住咖啡杯而不捏碎」，這需要傳感器級別的數據，而不僅僅是視頻。對此，Mecka AI回應稱，他們已經開發了一套基於計算機視覺的後處理系統，能夠從視頻中推斷出力學參數，並與部分觸覺傳感器數據進行融合。他們強調，物理AI的數據獲取，不應是「實驗室裡的完美數據」，而應是「真實世界的統計數據」。從市場前景來看，紅杉給出的5億美元估值並非空穴來風。

根據報導，美國目前有超過28萬家傳統工廠，這些工廠的自動化升級被視為物理AI最大的應用場景。這些工廠的車間裡，工人們的裝配、焊接、搬運動作，正是Mecka AI數據庫中最有價值的部分。如果Mecka AI能成功將這些「老師傅的手藝」數字化，並賦能給下一代工業機器人，其商業潛力將不可限量。這也解釋了為何紅杉會對一家「僱人拍視頻」的公司如此慷慨。當然，高估值也意味著高預期。Mecka AI目前面臨的挑戰在於，如何從「數據採集」的舒適區，跨越到「模型訓練」的深水區。數據的清洗、標註、以及模型的迭代，都需要極強的工程能力。

此外，數據隱私和倫理問題也必須重視，僱員在拍攝時，如何確保不洩露個人隱私，如何處理公共空間的拍攝許可，都是需要解決的合規問題。從行業發展的角度看，Mecka AI的崛起，標誌著物理AI的競爭已經從「拼算法」轉向了「拼數據」。過去，算法是核心壁壘；現在，數據的獲取渠道和質量成為了新的護城河。這也給創業者帶來了啟示：在AI的浪潮中，除了仰望星空，腳踏實地地「僱人煮咖啡」，或許也是一條通往獨角獸的捷徑。紅杉資本的這一筆投資，無疑是對物理AI賽道的一次重注。它傳遞出一個明確的信號：資本市場已經開始認可，那些能夠解決物理世界數據獲取難題的公司，將是未來十年AI競爭的關鍵角色。

而Mecka AI的「煮咖啡」故事，或許只是物理AI數據產業化的一個開始。未來，我們可能會看到更多類似「僱人開車」、「僱人做飯」的數據公司出現，共同構建起一個龐大的物理世界數據生態。在技術層面，Mecka AI的下一步計劃是將數據採集與邊緣計算結合。他們正在開發一款輕量級的AI眼鏡，讓僱員在拍攝時，眼鏡能實時預處理數據，過濾掉無效信息，只保留關鍵的動作序列。這將極大提升數據的後處理效率，並降低存儲成本。據悉，該產品原型機已經在內部測試中，預計將於明年年初推向市場。回顧整個事件，從「僱人拍自己煮咖啡」到「紅杉給出5億美元估值」，這背後是物理AI行業從概念走向落地的真實寫照。

它告訴我們，在AI的世界裡，沒有所謂的「低端工作」，每一個看似平凡的動作，都可能是構建未來智能世界的基石。而對於那些敢於在冷門賽道深耕的創業者，資本的聚光燈終將照亮他們。