雇人煮咖啡，红杉给了5亿估值

把iPhone架在灶台边，戴触觉手套，手臂上贴几枚传感器，然后开始煮咖啡。拍完视频上传，Mecka AI付钱。

就这么一个看起来像兼职众包的生意，2026年9月11日被TechCrunch曝出接近完成由红杉资本领投的新一轮融资，估值约5亿美元。金额未披露，条款未敲定，公司和红杉均未回应。

这家总部在纽约的公司，2024年才注册，2025年8月才从隐身状态走出来。他们不做机器人，也不训练模型——只做一件事：把人在真实环境里干活的过程录下来，加工成机器人能学的数据。

在具身智能人人都想当'模型公司'的当下，有人靠当'数据包工头'先拿到了门票。

🎬 一段煮咖啡视频，凭什么值钱

一段好视频，胜过一千次遥控演示。

Mecka AI的采集点不在实验室，而是散布在世界各地的厨房、车间和化学实验室。干活的都是普通人——家庭主妇、车间技师、化学实验员，现场没有一位机器人工程师。

这套采集方案的硬件极轻：一部iPhone负责第一人称视角拍摄，触觉手套记录手部受力，手臂上的传感器捕捉肌肉与关节运动信号。人该干什么干什么，系统只负责把这些多模态信号同步录下来。

为什么这东西值钱？因为具身智能今天最大的瓶颈不是模型架构，而是数据。大语言模型吃遍了互联网文本，而机器人面对的物理世界没有现成语料。过去行业的主流做法是遥操作——人用手柄遥控机器人完成任务，重复几千遍，让策略模型从这些轨迹里学。问题是：遥操作的轨迹带着机器人的运动学特征，速度慢、动作僵、姿态机械，跟人类自然操作差别巨大。

Mecka AI的路线是反着来的：直接拿人干活的记录去训练。第一人称视角、真实手感、真实厨房里的杂乱环境——这些恰恰是实验室里永远采不到的东西。

用一张图看清它的位置：

注意一个细节：Mecka卖的不是数据本身，而是'数据基础设施'。产业链上，它卡在真实世界和模型公司之间，做的是那层最脏最累的活——据多位接近人士的说法，这恰恰是模型公司最不愿意自己下场的环节。

👃 四个外行，嗅到了钱的味道

有时候，外行反而是唯一的破局者。

Mecka AI的创始团队有四个人：Josh Gao和Mogen Cheng是加拿大人，2023年卖掉了两人创办的餐饮支付公司；Jason Chong的加密货币交易所被Coinbase收购，他跟着进了Coinbase——他之前那家公司叫Utopia Labs，专门做链上支付基础设施，2024年底被收购；第四位Duy Nguyen是四人里唯一的非加拿大籍，早年靠倒卖限量球鞋赚了几百万美元，现在管运营。

四个人里，没有一个做过机器人。

有意思的是资本方的连续性。Kindred Ventures领投过Utopia Labs的种子轮，三年后Kindred又投了Mecka。投资人押的不是机器人经验，而是这批人做成过事的手感。

据Gao回忆，四人商量过再办一家fintech，最后决定去看看'计算能力接下来会流向哪里'，落在了机器人的数据基础设施上。接下来几个月，他们读论文、跑机器人实验室、在社交媒体上给机器人研究者发私信。

调研的结论与当时的主流判断相反：遥操作该被绕开，直接用人干活的记录。

'当时几乎没有人相信这件事能成。'Gao说。

这句话值得琢磨。2024到2025年的具身智能圈，遥操作数据是公认的'保险路线'——贵，但确定性高。而第一人称人类视频路线，学界虽有探索（如 egocentric learning 方向），但把它当成一门生意来做数据供应链的，几乎没有。四个不懂机器人的人敢下注，某种意义上正是因为他们没有被'遥操作是正统'的行业共识驯化。

倒卖球鞋出身的人管运营，其实也暗合这套生意的本质：Mecka的核心能力之一，就是在全球范围内组织、激励、质控一支没有固定场地的'采集大军'——这更像运营一个跨市场的供需平台，而不是跑实验室。

⚡ 两条路线的正面交锋

数据路线之争，本质是具身智能的地基之争。

把两条路线摆在一起看，差异一目了然：

Mecka的赌注押在'规模和真实性'上：用低成本换来数量级的采集规模，用真实场景换来泛化潜力。代价则是'embodiment差距'——人是灵长类的手，机器人是夹爪和灵巧手，从人类视频到机器人动作之间存在一层必须补上的转换，这是这条路线技术上最硬的坎。

但资本已经用真金白银投了票。看这条时间线：

从800万种子轮到5亿美元估值，只用了13个月。而且中间那两笔共约6000万美元的融资，直到2026年6月1日Fortune报道才一并披露，Framework Ventures领投，Menlo Ventures参投——团队连官宣融资的时间都拿来闷头干活，节奏感很强。

⚠️ 冷水：5亿估值买的是什么

估值可以三级跳，护城河却要一寸寸挖。

抛开热闹，Mecka这门生意至少有三个待解的问题。

其一，数据能不能真正转化成机器人能力。从人类视频到机器人可执行的策略，中间隔着视角转换、手部形态映射、动力学差异等多重适配。学界有进展，但没有被工业界大规模验证过。如果这层转化效率上不去，再多的咖啡视频也只是好看的素材库。真正的答案要等下游模型公司用这批数据训出策略、再装到真机上跑起来才知道。

其二，护城河够不够深。采集硬件是一台iPhone加手套，模式上并不存在不可复制的技术壁垒。理论上，任何一家有资金的具身智能公司、甚至模型厂商自己，都可以搭一套类似的众包管线。Mecka的壁垒目前更多来自先发的采集网络和运营经验——这就像外卖平台的早期，谁能更快铺满骑手网络谁就赢，但一旦对手带着补贴进场，成本曲线会被重新抬一遍。

其三，付费方到底是谁、预算多大。数据基础设施的收入天花板，取决于下游模型公司愿意为数据掏多少钱。具身智能整体还处于技术验证期，数据采购预算弹性很大。Mecka估值的锚，其实是整个行业对'数据是瓶颈'这一判断的信任程度——判断成立，估值成立；行业一旦转向仿真合成数据为主的真实路线，这个故事就要重写。

据多位接近人士透露，业内的一个共识是：真实数据不会替代仿真数据，两者会长期互补——真实世界负责覆盖长尾的物理细节，仿真负责规模化生成。如果是这个格局，Mecka卡的位置其实是稀缺的，但份额分配仍是未知数。

另一个微妙之处在于合规。众包采集涉及全球各地的隐私规范与数据授权，厨房和车间里出镜的第三方、传感器记录的生物信号，都需要严谨的数据治理。这是'轻'采集模式的隐性成本，也是估值里容易被忽略的部分。

🧭 小结：卖铲人先上桌

淘金热里，最先把铲子卖成规模生意的人，往往比挖金的先赚到钱。

Mecka AI的价值不在于证明了什么模型，而在于验证了一个产业链判断：当具身智能模型竞赛进入数据饥渴期，'真实世界数据供应链'会成为独立且值钱的一环。四个外行、13个月、5亿美元估值，红杉的下注本身就是一个行业信号——2027年，判断这场豪赌成色的，不会是融资公告，而是有没有哪家机器人真的学会了那杯咖啡背后的人间动作。

数据这铲子能不能卖成金矿，很快见分晓。