Machenta 籌得 4,000 萬美元，押注機器人不需要您的資料

今年大多數機器人領域的種子輪融資，都是在押注誰能最快蒐集到真實世界的機器人數據。Machenta 是一家位於倫敦的新創公司，於 2026 年 10 月 27 日結束隱身模式，該公司剛以截然相反的論點募得 4,000 萬美元資金：其機器人幾乎不需要任何數據。

該公司認為，業界最關鍵的成本問題——即教導機器人學習新事物的成本——其實從來就不是數據問題。這項主張的份量遠比融資金額所顯示的更為重大，而目前其論點僅基於一段示範影片，而非實際部署的機器人車隊。

Machenta 的實際主張

Machenta 官網將其產品稱為「即時機器人學習」（Instant Robot Learning）。用該公司自己的話來說，其賣點是一款完全在模擬環境中訓練的機器人基礎模型，該模型只需觀看任務執行一次——例如包裝物品、組裝零件、整理貨架——便能自行執行該任務，且之後無需進一步訓練。 該公司將此描述為類似「物理直覺編程」的概念：你只需向機器人展示一次你想要的動作，模型便會處理剩下的部分。

以英國機器人產業的標準來看，此輪融資規模相當可觀：4,000 萬美元，由 Creandum 與 Union Square Ventures 共同領投，據報導這是迄今為止英國機器人公司獲得的最大一筆種子輪融資。這筆資金將用於支持一支約十餘人的團隊，該團隊目前在倫敦國王十字區（King's Cross）辦公。

創辦人對此課題並非初次接觸。倫敦帝國學院（Imperial College London）機器人學習教授愛德華·約翰斯（Edward Johns），過去六年來一直專注於探討「機器人能否像人類一樣迅速掌握新的物理技能」這個具體問題。 他的博士生維塔利斯·沃西利烏斯（Vitalis Vosylius）與他共同創辦了這家公司。這段學術淵源對於解讀此次募資至關重要：投資者購買的並非成品，而是購買了一支研究團隊的賭注——在尚未擁有客戶、也未建立基準之前，他們便押注這個醞釀了六年的學術問題，其答案如今已具備商業化的價值。

它所對抗的產業

每一家資金雄厚的人形機器人公司，以及

Machenta 以外的操作程式則採取截然不同的策略。遙控示範——即由一群操作員親手操控機械臂以產生訓練範例——仍是基礎模型學習在現實世界中抓取、放置和操作物體的預設方式。這類資料的蒐集成本高昂、擴展速度緩慢，且受限於蒐集時所使用的特定硬體。 其中一項後果直接體現在：隨著人形機器人公司不斷迭代硬體世代，模型訓練成本的攀升速度便會隨之加快，因為每一代新的機器人機身，都可能導致為上一代所收集的訓練數據價值降低。

Machenta 的策略正是對這種做法的直接否定。 不需要遙控操作機隊，也不需要龐大的人類示範者團隊。完全在電腦生成的環境中訓練模型，然後在使用現場透過單一示範範例，讓模型將所學泛化至真實的機械手臂。若能大規模運作，這將消除機器人基礎模型經濟學中最大的一項成本項目。

若無法大規模運作，其失敗原因將是具體且有充分文獻記載的，而非某種神秘因素。

這個原因有其專有名稱，且在過去十年間，儘管有大量資金投入嘗試解決，它依然屹立不搖。

每家機器人公司都曾嘗試卻未能證實的那句話

「完全在模擬環境中訓練」是機器人領域中最難在實際生產中實現的一句話。物理模擬器與雜亂的廚房檯面、上面有紙張滑動的桌子、以及具有意外摩擦力的零件之間的差距，被稱為「模擬到現實的鴻溝」， 過去十多年來，這道鴻溝已耗盡各大機器人實驗室與資金雄厚新創公司的研究預算，卻仍未能開發出能可靠轉化為「整理層架」任務中實際涉及的各種真實世界接觸與變形情形的基礎模型。

模擬器擅長處理剛體、可預測的物理現象，以及與其建模目的相似的任務。然而，對於軟體物體，它們仍然表現不佳

材料、難以預料的摩擦，以及普通房間所產生的成千上萬個細微意外。迄今為止，每家曾承諾在基礎模型層級解決此問題的公司，所產出的成果都比公告所暗示的範圍更為狹窄：在訓練環境中可靠，但一旦脫離該環境便難以應對。

這並不意味著 Machenta 錯了。這意味著該公司選擇了最艱難的挑戰途徑，而非較為輕鬆的途徑；而這次低調發布尚未展現出足以區分「真正突破」與「資金充裕的舊問題重述」的證據。

「低調發布」未能展現的內容

一則融資公告並非基準。截至本文撰寫時，Machenta 的公開資料中尚欠以下內容：

• 沒有具體的客戶名稱或試點部署案例。
• 除公司自身的示範影片外，沒有任何可經獨立驗證的基準測試、成功率或失敗率。
• 本輪融資的估值未公開。
• 除了在早期體驗表單中詢問潛在使用者計畫使用哪些機械臂之外，並未公布該模型實際測試過哪些機器人硬體的詳細資訊。

對於處於隱密階段的公司而言，上述情況並不罕見，這也並非否定該技術的證據。這恰恰證明了這 4,000 萬美元是對團隊及研究方向的投資，而非針對已驗證產品的投資；而每當「最大種子輪融資」成為眾人唯一反覆提及的數字時，這項區別便會被忽略。

此處的投資者足夠老練，明白其中的差異。Creandum 和 Union Square Ventures 都曾投資過需要數年時間才能驗證的深科技項目。對本輪融資的客觀解讀絕非「Machenta 解決了機器人學習問題」。 而是「兩家備受推崇的基金認為，這項由原負責人主導、歷時六年的學術研究計畫，在產品尚未公開任何客戶之前，就值得以種子輪規模進行投資。」

什麼能改變我的看法

我持續關注

來自馬尼拉的機器人學習相關宣稱存在特定偏見：我希望看到具名的客戶、公開的失敗率，以及並非出自該公司宣傳影片中的那台機械手臂。目前 Machenta 尚未具備上述任何一項，這並非批評，而只是對這家公司實際所處階段的描述。

未來一年值得關注的重點，說起來簡單卻難以造假：一個來自 Machenta 外部、具名的試點客戶；針對非該公司為示範而設計的任務所公布的成功率；以及該模型能轉移應用於多於一台機械手臂的證據。 若這些成果得以呈現，這項「純模擬」的賭注將在這個價位區間，達成業界其他以遙操作為主的方案迄今未能達成的成就。 若在合理時限內未能呈現上述成果，這輪種子輪融資將淪為十年來反覆出現的模式之最新案例：一支資歷深厚的團隊、一個艱鉅的難題，以及一輪超前於實證進度的融資。

本分析綜合了 Machenta 截至 2026 年 10 月 28 日的公開聲明及其融資輪相關報導，僅供一般資訊參考；不構成投資、法律或工程建議。首圖由 Machenta 提供。