Eka Robotics 筹集 1.5 亿美元，致力于让机器人手具备触觉

马萨诸塞州剑桥市，2026年10月20日。成立于2025年的机器人初创公司Eka Robotics表示，已完成由安德森·霍洛维茨（Andreessen Horowitz）和F-Prime领投的1.5亿美元A轮融资。 据报道，本轮融资后，这家开发名为“Vision-Force-Action”的力感知机器人操作系统的公司的估值达到14.5亿美元。

按机器人行业的标准来看，Eka的团队规模虽小，但其投资方却非等闲之辈。种子轮老投资者Obvious Ventures和E14 Fund与MFV Partners、Bison Ventures、Glasswing Ventures、Samsung Next以及一群未具名的《财富》500强战略投资者共同参与了本轮融资。 该公司向该投资联盟提出的商业主张精准而明确：自2024年以来，追逐类人机器人和操作机器人领域的资金大部分都流向了视觉-语言-动作（VLA）模型，这类模型通过模仿人类视频来教会机器人行动。 而Eka的基础模型则将视觉与力与扭矩传感技术融合，其核心理念在于：如果机器人手无法感知物体，就无法可靠地拾取、插入或组装这些物体。

那个无人能正确定价的“抓取难题”

抓取听起来像是机器人操作中最简单的一部分，但事实证明却是商业化难度最大的环节之一。 在模拟环境中，可以教会机械臂识别一千种物体形状。但在真实的仓库中，真正的问题出在接触瞬间：该用多大的力将夹爪闭合在易碎纸箱上，如何判断电缆是否已完全插入连接器，以及当物体在提升过程中滑脱时该如何恢复。 Eka的“视觉-力-动作”（VFA）模型正是围绕这一关键时刻专门构建的，它将力敏夹爪与经过训练的模型相结合，该模型能够综合推断物体的位置及其物理交互的进展情况，而非单纯依赖摄像头输入和示教数据。

该公司主要通过模拟对模型进行训练，利用强化学习在各种物体、环境和

物理环境，然后将该训练结果迁移到物理硬件上。 Eka表示，模拟与实际表现之间的差距——这种曾让众多前辈操作类初创企业受阻的“模拟到现实”差距——正随着其方法的采用而逐渐缩小。该说法尚未经过独立审计，在第三方测试结果出炉之前，评估该技术的采购团队应将其视为供应商的声明，而非经过验证的基准。

每小时1,500次拣选对仓库预算的实际意义

Eka表示，其系统每小时可拣选约1,500次，涵盖范围广泛的物品，包括训练集之外的物品。该公司将这一数字描述为人类基准（约每小时600次拣选）的2.5倍。 该公司还表示，同一套硬件设备能够执行更高精度的接触式任务，例如拧紧灯泡或将电线插入连接器，而无需针对每项任务进行重新设计。 需要再次强调的是，这些数据均由该公司自行披露，而非经独立实验室或客户实际部署验证的结果，因此采购团队在据此构建成本模型前，应要求提供针对具体现场的试点数据。

如果这些吞吐量数据在演示环境之外也能得到验证，其商业意义不言而喻：一个操作单元在成本上将能够与仓库或轻型装配线上两到三名人工拣货员展开竞争，而不仅仅是辅助他们。 这与大多数物流运营商迄今为止所面临的采购决策截然不同——此前，机械臂的定价和定位是作为现有劳动力的生产力倍增器，而非直接替代人力。 Eka公司自身将使命描述为“打造性能超越人类能力的通用机器人”，这一表述明确表明了该公司打算以何种定位进行销售。

一个押注反人类形机器人叙事的投资联盟

这份投资者名单之所以引人注目，与其说是规模大，不如说

因为这反映了成熟资本对物理人工智能下一个瓶颈所在的判断。安德森·霍洛维茨（Andreessen Horowitz）的普通合伙人拉古·拉古拉姆（Raghu Raghuram）共同领投了本轮融资，他在融资公告中表示：“Eka的‘视觉-力量-动作’模型是我所见过的首个真正解决物体操控问题的方案。” E14基金的哈比卜·哈达德（Habib Haddad）作为本轮的种子轮投资者再次参与投资，他用四个词概括了其公司的投资理念：“三个词：团队和梦想。” Fine Structure Ventures的希亚姆·卡马多利（Shyam Kamadolli）进一步阐述了这项技术押注本身，称“Eka的方法是唯一能在复杂任务的实际部署中经得起考验的方案。”

以上均非独立验证，且投资者支持某项理论，并不等同于该理论已在规模化应用中得到验证。 但本轮投资联盟的构成——除风投机构外，还包括至少一家大型电子制造商的战略投资——表明Eka正被定位为大型机器人和自动化项目的组件供应商，而非单纯的独立机器人制造商。 这一区别关乎该技术能以多快速度融入现有的工业自动化生产线，而非作为一种全新的机器人类别出现。

竞争激烈的领域：各路玩家押注于不同的感知能力

Eka并非唯一一支资金雄厚、致力于解决机械臂操控难题的团队，其A轮融资正进入一个竞争激烈的领域——各家竞争对手对“哪种缺失的感知能力最为关键”做出了不同的押注。一些竞争对手将资源投入到更大的视觉-语言-动作模型中，通过扩大演示数据规模，希望借助足够多的人手视频，最终教会机器人所需的物理知识。 另一些团队则专注于触觉传感器硬件本身，先开发出专门的指尖传感器，之后才考虑如何构建解读这些数据的模型。Eka的策略比这两者都更聚焦：即通过主要基于模拟强化学习的训练，构建一个同时处理视觉和力信号的单一模型

与人类演示视频不同，它能在尚未见过所有物体之前，就对足够广泛的物体范围进行泛化，从而发挥实际作用。

这是一个可验证的论断，而非已被证实的事实。在模拟环境中的强化学习，长期以来一直存在这样的问题：机器人虽然在受控演示中表现良好，但一旦现实世界中的物体形状、光照或表面摩擦发生变化，其表现就会急剧下降。 Eka公司自身所称的“模拟与现实之间的差距正在缩小”这一说法，正是买家在将该公司的吞吐量数据作为预算依据之前，应当深入探究的核心未决问题。 采购团队在将Eka的硬件与传统拾放机械臂或继续依赖人工拣货员进行对比评估时，应要求根据自身库存单位（SKU）组合开展针对特定场地的试点项目，而非直接采信实验室基准测试结果。

为何触觉正成为物理人工智能领域的稀缺资源

2026年物理人工智能融资领域的整体趋势是，投资正逐渐从炫目的全身类人机器人演示转向更窄、更难的操作问题——这些问题将决定这些类人机器人一旦进入工厂车间，是否真的有用。 在舞台上行走逼真的双腿只是一个已被解决的营销难题；而能够可靠地对一托盘形状各异的混合货物进行分拣的双手，却远非如此。 从这个意义上说，Eka的融资可被视为更广泛投资者调整的一部分——在这一调整中，演示与可部署系统之间的区别已成为每份机器人投资条款清单必须回答的核心问题，而非投资者曾经愿意忽略的脚注。

这种调整也体现在今年的资本配置上：资金正以更少但金额更大的形式流向那些能够证明已解决特定机械瓶颈的公司，而非对通用型具身人工智能进行分散式押注。这一轮融资究竟是否预示着力感知操纵技术背后具有持久的增长势头，还是

这标志着投资者对未经证实的吞吐量宣称所愿意支付的代价已达到短期峰值，其最终结果将取决于未来十二个月内Eka的硬件在付费客户设施中的实际表现，而非其在推介演示文稿中的表现。

投资者已将这一结论计入股价

Eka Robotics 尚未实现大规模出货，未披露任何具体商业客户，其吞吐量和可靠性主张也未在自身设施之外接受过测试。 该公司所做的，是说服了两家大型风投机构和一批老牌种子轮投资者：力感应操控技术——而非又一轮“视觉-语言-动作”的迭代——才是最有可能将机械臂转变为接近人类分拣员“即插即用”替代品的技术。 这家成立还不到一年的公司据报估值高达14.5亿美元，如今已成为机器人领域估值最高的投资标的之一，其核心主张是：触觉而非视觉，才是让机器人能够灵活运用双手的缺失关键。

对于那些已经在试用仅靠视觉操控的机械臂的采购团队来说，短期内的启示与其说是关于Eka本身，不如说是它为竞争对手设定的、必须回应的基准。 任何在2027财年预算周期中推销抓取或装配机器人的供应商，现在都应预期买家会询问该系统在接触时的表现，而不仅仅是接近时的表现：它如何检测部分插入的零件，如何调节对易碎物品的抓握力，以及如何在未被人类干预的情况下从抓取失败中恢复。 Eka的融资尚未就此问题为其赢得优势。但就目前而言，它确实表明了该领域资金最雄厚的投资者认为，哪个问题值得投入资金去解决。

本文综合了截至2026年10月21日的公司声明、投资者评论及公开融资披露信息。本文仅供一般信息参考，不构成任何投资、财务或专业建议。