Eka Robotics 募得 1.5 億美元，致力讓機器人手掌握得觸覺

麻薩諸塞州劍橋市，2026年10月20日。成立於2025年的機器人新創公司 Eka Robotics 表示，已完成由安德森·霍洛維茨（Andreessen Horowitz）與 F-Prime 領投的 1.5 億美元 A 輪融資。 據報導，本輪融資後，這家開發名為「Vision-Force-Action」的力感測機器人操作系統的公司，估值達14.5億美元。

以機器人產業的標準來看，Eka 雖屬小型團隊，但其投資方卻非等閒之輩。種子輪投資者 Obvious Ventures 和 E14 Fund 再次參與本輪融資，與 MFV Partners、Bison Ventures、Glasswing Ventures、Samsung Next 以及一群未具名的《財星》500 強戰略投資者共同注資。 該公司向這組投資聯盟提出的商業提案既精準又具體：自 2024 年以來，追逐類人型與操作型機器人領域的大部分資金，都流向了「視覺-語言-動作」（VLA）模型，這些模型透過模仿人類的影片來教導機器人行動。 相較之下，Eka 的基礎模型則將視覺與力與扭矩感測技術相融合，其核心理念在於：若機器手臂無法感知物體，便無法可靠地進行抓取、插入或組裝等操作。

這個無人能正確認價的「抓取難題」

抓取聽起來像是機器人操作中最簡單的部分，但實際上卻是商業化最困難的環節之一。 機器手臂可以在模擬環境中被教導識別上千種物體形狀。但在真實倉庫中真正失效的關鍵，在於接觸的瞬間：該用多大的力道將夾爪閉合在易碎紙箱上、如何判斷電纜是否已完全插入連接器、以及當物體在舉起過程中滑脫時該如何恢復。 Eka 的「視覺-力-動作」（VFA）模型正是專為解決這個關鍵時刻而設計，它將力感應夾爪與一個經過訓練的模型相結合，該模型能同時推斷物體的位置及其與物體的物理互動如何展開，而非僅依賴相機輸入和示範數據。

該公司主要透過模擬來訓練該模型，利用強化學習在各種物體、環境及

物理條件，然後將該訓練轉移至實體硬體上。 Eka 表示，模擬與實際表現之間的差距——這種曾讓許多前輩操作新創公司陷入停滯的「模擬到現實的差距」——正隨著其方法的應用而逐漸縮小。此說法尚未經過獨立審計，在有第三方測試結果之前，評估該技術的採購團隊應將其視為供應商的宣稱，而非經驗證的基準。

每小時 1,500 次揀選對倉儲預算的實際意義

Eka 表示，其系統每小時可揀選約 1,500 次各類物件，包括訓練資料集以外的物品；該公司將此數字描述為人類基準（每小時約 600 次揀選）的 2.5 倍。 該公司還表示，同一套硬體設備可執行更高精度的接觸式任務，例如擰緊燈泡或將電線插入連接器，且無需針對每項任務進行重新設計。 同樣地，這些僅是該公司自行披露的數據，而非經獨立實驗室或客戶部署驗證的數值；採購團隊在據此建立成本模型前，應要求取得針對特定場地的試點數據。

若這些吞吐量數據在演示環境之外仍能成立，其商業意義便不言而喻：單一操作單元在倉庫或輕型組裝線上，不僅能輔助人類揀貨員，甚至可開始在成本上與兩至三名人類揀貨員一較高下。 這與迄今為止多數物流營運商所面臨的採購決策截然不同——過去機械手臂的定價與定位，是作為現有勞動力生產力的倍增器，而非直接取代人力。 Eka 自身將其使命描述為打造「性能超越人類能力的通用型機器人」，這番表述清楚表明了該公司打算以何種框架來推銷產品。

一個押注反對類人型機器人敘事的投資聯盟

這份投資者名單之所以引人注目，並非因為其規模，而是

因為這顯示了精明的資本如何判斷實體人工智慧的下一個瓶頸所在。安德森·霍洛維茨（Andreessen Horowitz）的普通合夥人拉古·拉古拉姆（Raghu Raghuram）共同主導了本輪融資，他在融資公告中表示：「Eka 的『視覺-力量-動作』（Vision-Force-Action）模型，是我所見過首個真正解決『物體操控』問題的方法。」 E14 Fund 的哈比卜·哈達德（Habib Haddad）是本輪回頭投資的種子輪投資人，他用四個字總結了其公司的投資論點：「三個字：團隊與夢想。」 Fine Structure Ventures 的夏姆·卡馬多利（Shyam Kamadolli）則進一步闡述了這項技術賭注本身，他表示：「Eka 的方法是唯一能在複雜任務的實際部署中經得起考驗的方案。」

上述論點均非獨立驗證，且投資者支持某項投資論點，並不等同於該論點已在大規模應用中得到驗證。 但本輪投資聯盟的組成——除風險投資公司外，還包含至少一家大型電子製造商的戰略資本——顯示 Eka 正被定位為大型機器人與自動化計畫的零組件供應商，而非純粹的獨立機器人製造商。 這項區別至關重要，它決定了這項技術能以多快的速度應用於現有的工業自動化生產線中，而非完全作為一個全新的機器人類別出現。

競爭激烈的領域：各路玩家押注不同感官

Eka並非唯一一支資金雄厚、致力解決「操作問題」的團隊，而其A輪融資正進入一個競爭對手們對「哪種缺失的感官最為關鍵」持有不同賭注的領域。部分競爭對手將資源投入更大的「視覺-語言-動作」模型，透過擴大規模的示範數據，期望足夠多的人手動作影片最終能教導機器人所需的物理原理。 另一些團隊則專注於觸覺感測器硬體本身，先開發專用的指尖感測器，之後才著手處理解讀這些感測器數據的模型。Eka 的策略比這兩者都更為聚焦：他們認為，透過主要基於模擬強化學習的方式，在視覺與力學訊號上進行聯合訓練的單一模型

與其是人類示範影片，它能否在尚未見過所有物體之前，便能對範圍足夠廣泛的物體進行泛化，從而發揮實用價值。

這是一個可驗證的主張，而非已證實的事實。在模擬環境中的強化學習，長期以來一直會產生這樣的機器人：它們在受控的示範中表現優異，但一旦現實世界中的物體形狀、光線或表面摩擦力發生變化，表現便會急遽下滑。 Eka 自身所聲稱的「模擬與現實之間的差距正在縮小」，正是買家在將該公司的吞吐量數據作為預算考量依據之前，應深入探究的核心未解問題。 採購團隊在評估 Eka 的硬體時，無論是與傳統的拾放機械手臂比較，還是與持續依賴人工揀貨員相比，都應要求針對其自身庫存單位組合進行現場特定試點，而非直接採信實驗室的基準測試結果。

為何觸覺正成為實體人工智慧中的稀缺資源

2026年實體AI融資領域的整體趨勢，是正緩慢地從炫目的全身類人型機器人展示，轉向更狹窄、更艱鉅的操作問題——這些問題將決定當這些類人型機器人進入工廠車間後，究竟能否真正發揮實用價值。 能在舞台上走得逼真的雙腿，只是已解決的行銷課題；但能可靠地將形狀各異的雜貨從混裝托盤中分揀出來的雙手，卻並非如此。 從這個角度來看，Eka 的募資可視為更廣泛的投資者修正趨勢之一——在這個趨勢中，「示範」與「可部署系統」之間的區別，已成為每份機器人投資條款書必須回答的核心問題，而非投資者過去願意忽略的附帶註腳。

這種修正也體現在今年的資金配置上：投資者傾向於向那些能證明已解決特定機械瓶頸的公司提供數量較少但金額較大的投資，而非對通用型具身人工智慧進行籠統的押注。這輪融資究竟是否預示著力感測操縱技術背後具備持久的發展動能，抑或

這標誌著投資人願意為尚未經證實的吞吐量主張所支付的價格已達短期峰值，其後續走勢將取決於 Eka 的硬體在未來十二個月內於付費客戶的設施中實際表現如何，而非取決於其簡報中的表現。

投資人已將此結論反映在股價中

Eka Robotics 尚未進行大規模出貨，也未披露任何具名的商業客戶，且其吞吐量與可靠性主張尚未在自家設施以外的環境中接受測試。 該公司所做的是說服兩家主要創投公司及一群回頭投資的種子輪投資者，認為「力感測操控」——而非又一輪「視覺-語言-動作」的迭代——才是最有可能將機械手臂轉變為近乎可直接取代人類揀貨員的技術。 這家成立還不到一年的公司，據報估值已達 14.5 億美元，Eka Robotics 如今已成為機器人領域估值最高的投資標的之一，其核心論點在於：觸覺——而非視覺——才是讓機器人能夠靈活運用雙手的關鍵要素。

對於已經在測試僅靠視覺操作的機械手臂的採購團隊而言，短期內的啟示並非在於 Eka 本身，而在於它所設定的基準，迫使競爭對手必須做出回應。 任何在 2027 年預算週期中推銷抓取或組裝機器人的供應商，現在都應預期買家會詢問系統在接觸時的表現，而不僅是接近時的表現：它如何偵測部分插入的零件、如何調節對易碎物品的抓握力，以及如何在未經人工干預的情況下從抓取失誤中恢復。 Eka 此次的募資成果，尚無法就此問題為其爭取到有利局面。但就目前而言，這確實表明了該領域資金最雄厚的投資者認為，哪個問題值得花錢去解決。

本文綜合了截至 2026 年 10 月 21 日的企業聲明、投資者評論及公開資金披露資訊。本文僅供一般資訊參考，並不構成投資、財務或專業建議。