佈局下一代人機交互與具身數據入口，「念象科技」完成近千萬元天使輪融資｜36氪首發

### 重點整理

念象科技近日宣布完成近千萬元人民幣的天使輪融資，這筆資金將主要用於打造一個專注於手部操作的表面肌電圖（sEMG）公開數據集，目標是比照電腦視覺領域 ImageNet 的規模與影響力。該公司期望透過此舉，補足本土市場在肌電手勢識別與人機互動領域的數據缺口，為下一代人機交互與具身智能的數據入口鋪路。

### 背景脈絡：從數據缺口到生態瓶頸

表面肌電圖（sEMG）技術能透過偵測肌肉活動的微小電訊號，實現無接觸、高精度的手勢識別，被視為未來 AR/VR、機器人遙控、智慧穿戴裝置等應用的關鍵底層技術。然而，目前全球公開的 sEMG 數據集多集中於西方研究機構，且樣本數與場景覆蓋有限；台灣與中國大陸市場的手部動作習慣、使用場景差異較大，若直接套用國外模型，常發生辨識準確率驟降的問題。念象科技看準這塊「數據空白」，選擇從源頭建置本土化、標準化、大規模的數據集，企圖打破目前產業發展的瓶頸。

### 技術定位：人機交互的「影像級」基礎設施

ImageNet 在電腦視覺領域扮演著「標準化測試場」與「預訓練資料庫」的雙重角色，大幅加速了演算法迭代。念象科技將其 sEMG 數據集定位為手部操作領域的「ImageNet」，意味著他們不僅收集大量手勢樣本，還將建立標註規範、場景分類與評測基準。這種基礎設施級別的建設，能讓後續的開發者與研究團隊直接取用高品質數據，省去重複收集與標註的時間成本，從而加速肌電手勢辨識從實驗室邁向商業應用。

### 融資意義：資本對「具身數據入口」的早期押注

近千萬元的資金規模雖屬天使輪，但反映投資人對「人機交互」與「具身智能」兩大趨勢的重視。在機器人領域，具身智能強調「感知-決策-行動」的閉環，而 sEMG 正是連接人類意圖與機器動作的天然介面。念象科技選擇從數據入口切入，而非直接開發終端硬體，這種「賣鏟子」的商業模式，能為後續的 API 授權、模型客製化服務帶來較高毛利，也降低早期燒錢風險。本輪融資將主要用於數據採集設備採購、標註團隊擴編與公開平台開發。

### 可能影響：加速本土 AR/VR 與機器人訓練

一旦公開數據集上線，將可能帶來三層影響：第一，本土 AR/VR 廠商能快速驗證自家手勢交互方案，不再完全依賴 Leap Motion 或 Kinect 等光學方案，提升在弱光或遮擋環境下的可靠性。第二，服務型與協作型機器人可以透過 sEMG 手勢指令進行直觀控制，降低工程師編程門檻，擴大機器人在居家照護、製造組裝等場景的應用。第三，標準化數據集的出現，或將吸引更多學術團隊投入肌電訊號演算法研究，形成良性循環，最終提升國產晶片與感測器的適配性。

### 潛在挑戰：數據品質與隱私法規

雖然願景宏大，但 sEMG 數據集的建置面臨兩項現實考驗。首先是數據有效性的問題：肌肉訊號容易受皮膚出汗、電極位置偏移、疲勞等干擾，若標註不夠精細，模型訓練結果可能大打折扣。其次是隱私法規：肌電訊號雖不直接揭露身分，但若與使用者操作行為結合，仍有被逆推個人習慣的風險。念象科技在公開數據集的同時，需設計去識別化與使用授權機制，才能在學術開放與商業機密之間取得平衡。

### 讀者可關注的後續發展

建議業界與研究者關注以下三個面向：一是數據集的首發版本何時推出、初期收錄哪些手勢類別（例如抓取、點擊、滑動、比數字等），以及是否提供跨受試者的多天數據。二是念象科技未來是否會同步推出輕量級推理模型或 SDK，讓開發者能快速在嵌入式裝置上部署。三是下一輪融資的投資方背景：若出現國內外晶片大廠或 VR/AR 硬體巨頭參與