Mecka AI, startup, który gromadzi i analizuje dane o ruchu człowieka w celu szkolenia humanoidalnych robotów i innych maszyn, zbliża się do nowej rundy finansowania prowadzonej przez Sequoia Capital, której wycena wynosi około 500 milionów dolarów, wynika z raportu TechCrunch, w którym powołuje się dwie osoby posiadające wiedzę na temat transakcji. Finansowanie nastąpi zaledwie trzy miesiące po ogłoszeniu przez firmę rundy o wartości 60 milionów dolarów prowadzonej przez Framework Ventures.

Dokładny rozmiar nowej rundy nie został ujawniony, a TechCrunch zauważył, że warunki nie są ostateczne i mogą jeszcze ulec zmianie. Mecka AI nie odpowiedziała na prośbę o komentarz, a Sequoia odmówiła komentarza. Więcej informacji na temat pieniędzy wpływających do start-upów zajmujących się sztuczną inteligencją znajdziesz w naszym opisie kapitału początkowego i kapitału podwyższonego ryzyka.

Od założycieli Fintech po dane dotyczące robotów

Mecka AI została założona w 2024 roku przez czterech przedsiębiorców: Kanadyjczyków Josha Gao i Mogena Chenga, którzy wcześniej zbudowali restauracyjny startup fintech; Jason Chong, który dołączył do Coinbase po przejęciu jego giełdy kryptowalut; oraz Duy Nguyen, który koncentruje się na operacjach. Żaden z nich nie zajmuje się robotyką, ale zauważyli wąskie gardło, które stało się jednym z najpoważniejszych problemów branży.

Nazwa firmy wywodzi się od „mecha”, fikcyjnego gatunku gigantycznych robotów kontrolowanych przez ludzi, a jej model biznesowy opiera się na tej samej logice, która zbudowała gigantów etykietujących dane w epoce modeli językowych. Mecka płaci ludziom, aby nagrywali siebie podczas wykonywania codziennych zadań – parzenia kawy, naprawiania samochodów – za pomocą czujników ciała i smartfonów, przechwytując to, co w branży nazywa się „egocentrycznymi” danymi: ruchami człowieka w świecie rzeczywistym z punktu widzenia performera.

Dane te są następnie sprzedawane firmom zajmującym się robotyką i laboratoriom sztucznej inteligencji szkolącym roboty ogólnego przeznaczenia i roboty humanoidalne, a także inne fizyczne metody gromadzenia danych, takie jak teleoperacja. W efekcie Mecka próbuje zrobić dla robotyki to samo, co Scale AI, Mercor, Surge i inne firmy zajmujące się danymi ludzkimi zrobiły dla dużych modeli językowych.

Wzrost przychodów przykuł uwagę firmy Sequoia

Trajektoria finansowa wyjaśnia wycenę składki. Na początku czerwca Mecka przewidywała, że ​​rok 2026 zakończy się przy rocznym oprocentowaniu wynoszącym 100 milionów dolarów, powiedział współzałożyciel Josh Gao Fortune, gdy firma ogłosiła poprzednią zbiórkę funduszy. W przypadku firmy założonej w 2024 r. osiągnięcie dziewięciocyfrowego wskaźnika przychodów w ciągu dwóch lat – jeśli zostanie osiągnięty – oznaczałoby, że znalazłaby się wśród firm najszybciej skalujących się w fizycznym łańcuchu dostaw sztucznej inteligencji.

Ogłoszona w czerwcu runda o wartości 60 milionów dolarów była prowadzona przez Framework Ventures z udziałem Menlo Ventures, SV Angel i Kindred Ventures. Runda prowadzona przez Sequoię z wyceną około ośmiokrotnie wyższą w ciągu trzech miesięcy oznaczałaby jeden z najbardziej gwałtownych wzrostów wyceny w branży w tym roku.

Gorączka złota dotycząca danych fizycznych

Mecka nie jest osamotniona w tym, że dane ze świata rzeczywistego są rzadkim zasobem ery robotyki. W zeszłym tygodniu TechCrunch poinformował, że XDOF, kolejny startup gromadzący dane ze świata rzeczywistego na potrzeby szkolenia robotów, zbliża się do nowej rundy z wyceną na 1,2 miliarda dolarów. Tymczasem platformy danych ludzkich zbudowane dla LLM – w tym Scale AI i Micro1 – wykraczają poza dane językowe i obejmują kolekcje świata fizycznego.

Pośpiech odzwierciedla lukę strukturalną: choć w Internecie można znaleźć niemal nieograniczone ilości tekstów i obrazów, nikt nie zarejestrował świata fizycznego na dużą skalę. Twórcy robotów humanoidalnych potrzebują milionów godzin demonstracji ludzi wykonujących zwykłe czynności – składania prania, montażu mebli, obsługi maszyn – aby nauczyć swoje maszyny zręczności, równowagi i oceny sytuacji. Przechwytywanie tych danych za pomocą czujników ruchu i kamer jest obecnie jedną z niewielu skalowalnych metod, dlatego inwestorzy wyceniają te firmy raczej jak infrastrukturę, a nie narzędzia. Egocentryczne podejście, jakie stosuje Mecka, ma wyraźną przewagę nad alternatywami. Teleoperacja, podczas której człowiek zdalnie steruje ramieniem robota i rejestruje jego ruchy, generuje dane powiązane z konkretną geometrią robota, co sprawia, że ​​ponowne wykorzystanie ich na różnych generacjach sprzętu jest kosztowne. Z kolei rejestrowanie ruchu za pomocą czujników do noszenia jest niezależne od sprzętu: nagranie mechanika przebudowującego silnik jest przydatne niezależnie od tego, czy klient szkoli humanoida, ramię przemysłowe czy czworonoga. Skalowanie jest również znacznie tańsze, ponieważ każdy, kto ma smartfon i zestaw czujników, może stać się współtwórcą — działa to w oparciu o tę samą logikę crowdsourcingu, która pozwoliła platformom etykietującym zgromadzić w ciągu jednej nocy tysiące pracowników.

Ekonomia również odzwierciedla erę modelu językowego w mniej wygodny sposób. Firmy przetwarzające dane w okresie boomu LLM odkryły, że ich klienci – laboratoria – to także ich najzdolniejsi potencjalni konkurenci, dysponujący zasobami pozwalającymi na samodzielne budowanie broni do zbierania danych. Laboratoria robotyki już eksperymentują z procesami symulacji i nauczania wideo, aby zmniejszyć swoją zależność od zakupionych demonstracji. To napięcie między powtarzającym się zapotrzebowaniem na dane a rezygnacją z pośrednictwa klientów będzie miało wpływ na to, czy dzisiejsze wyceny danych się sprawdzą.

Co obejrzeć

Transakcja nie została sfinalizowana, a obie strony odmówiły komentarza w tej sprawie. Jeśli jednak jego zakończenie będzie zbliżone do podanych terminów, sektor danych dotyczących robotyki w ciągu jednego tygodnia sporządzi dwie dziewięciocyfrowe wyceny, potwierdzając, że szok popytowy przeniósł się ze sprzętu humanoidalnego – na którym konkurują takie firmy jak Figura, Tesla i Unitree – o jedną warstwę w dół do danych, które je trenują.

Rodzi to również pytanie, przed którym w końcu staje każdy pośrednik danych: czy laboratoria kupujące dane będą nadal płacić pośrednikom, czy też w miarę dojrzewania rynku będą zbierać dane we własnym zakresie. Na razie pieniądze mówią, że wąskie gardło jest realne i pogłębia się, a inwestorzy są skłonni zapłacić temu, kto je zamknie.

---

Wyprzedź sztuczną inteligencję

Otrzymuj najnowsze wiadomości, analizy i przełomowe informacje dotyczące sztucznej inteligencji — wszystko w jednym miejscu.

Przeczytaj więcej aktualności o sztucznej inteligencji →