Machenta融资
3 节点1 篇4 来源
英国伦敦机器人初创公司Machenta于2026年10月27日宣布完成4000万美元种子轮融资,由Creandum和Union Square Ventures领投。【背景】这是英国机器人领域迄今最大规模的种子轮融资。Machenta由帝国理工学院教授Edward Johns和前博士生Vitalis Vosylius创立,其核心主张是“反共识”:与Physical Intelligence、Skild AI等竞争对手竞相收集海量真实世界人类演示数据不同,Machenta声称仅使用计算机生成的模拟环境进行训练,无需任何真实世界像素数据,即可让机器人在观看一次演示后立即学会新任务。
这一技术路线引发了行业对“数据瓶颈”的根本分歧。支持者认为模拟训练能解决真实数据采集成本高、隐私受限及效率低下的问题;质疑者则指出精细操作和复杂运动在模拟与现实迁移中仍存在巨大挑战,且目前尚无大规模商业化验证。Machenta团队表示,该模型已在包装、整理等任务上通过视频演示验证,但更复杂的动作仍具难度。这笔资金将用于扩大团队、增加算力并深化模拟数据训练,旨在证明“即时机器人学习”的可行性,从而可能重塑具身智能的数据获取范式。
事情怎么走到这一步
Machenta宣布获得4000万美元种子轮融资,由Creandum和USV领投,称其模型完全基于模拟环境训练,无需真实世界数据。
businessinsider.com ↗竞争对手Maxinsights宣布融资3000万美元,计划雇佣5000多名承包商拍摄真实工作场景以训练机器人,凸显行业对真实数据的依赖。
techfundingnews.com ↗估值超140亿美元的Skild AI发布新模型,声称可通过单次视频演示执行长达10分钟的新任务,并已实现1亿美元年化经常性收入。
businessinsider.com ↗
还没定论的部分
- Machenta的纯模拟训练方法在处理高精度、复杂物理交互任务时,能否有效克服Sim-to-Real(仿真到现实)的迁移差距?
- 随着Figure AI、Maxinsights等公司继续投入巨资收集真实数据,Machenta的“零真实数据”策略是否会在商业落地中遭遇性能瓶颈?
- Machenta何时会从研究阶段转向商业化部署,以及其首批试点客户将如何评估其模型的可靠性?