Eka Robotics 融资 1.5 亿美元、估值 14.5 亿，用仿真自博弈代替人类示范

Eka Robotics 10 月 20 日宣布完成 1.5 亿美元A 轮，Andreessen Horowitz 与 F-Prime 联合领投，种子轮领投方 Obvious Ventures、E14 Fund 继续跟投，投资方还包括 MFV Partners、Bison Ventures、Glasswing Ventures、三星 Next 和数家《财富》500 强战略投资方。TechCrunch 给出的估值是 14.5 亿美元。

这笔钱押的是与主流抓取训练方法相反的一条路。Physical Intelligence 和 Skild AI 估值都在数十亿美元量级，它们用大量人类遥操作示范来训练，数据采集的规模就是护城河。Eka 说它跳过人类示范：机器人在物理仿真里抓起一个物体、扔掉、重试数百万次，像 AlphaZero 没见过人类对局就学会下棋，并且加上指尖力传感，不只靠相机。Eka 把模型叫做 vision-force-action。

每小时 1500 次抓取操作才是要盯的数字

Eka 称其机器人能对大量没见过的物体完成每小时 1500 次抓取操作，公司给出的人类基线约为 600 次，快约 2.5 倍，同一台机器人还能拧灯泡、插线缆。把在仿真里学到的接触密集型技能迁移到真实硬件，历史上一直不可靠，这通常也是这条路线的失败点。如果这个产能数字在公司自己的工位之外也成立，模仿学习就失去结构性优势：数据采集不再稀缺。

这个结果也可能来自别的地方

更快的控制器、更好的夹爪或者固定的任务布置，都能把每小时次数做高；Eka 没有公布 1500 这个数字背后的分任务拆解，所以它只是起点，不是基准成绩。反方最强的论据是，仿真里的自博弈此前出过不少漂亮视频，换了物体和光照就失效了。

Eka 由 MIT 教授、Improbable AI Lab 负责人 Pulkit Agrawal 与 Soft Actor-Critic 强化学习算法的合著者 Tuomas Haarnoja 共同创办。检验点是每小时 1500 次抓取操作能不能在一个公司没有设计过的任务上保持。