直擊機器人資料工廠：Mecka 的 Josh Gao 談如何讓人類「感測化」以訓練機器人

Mecka AI 創辦人暨執行長 Josh Gao 主張，機器人領域的資料受限程度，是 LLM 當年從未經歷過的；而這個產業不會靠單一突破，而是要靠一連串商業任務緩步爬升，才會走到真正有用的機器人。整段對話主要談的是經營一座機器人資料工廠的營運現實——自製硬體、分散式蒐集、品質關卡、造假——以及訓練資料的配方如何收斂、部署又會先落在哪裡。標題講的「讓人類變成感測器」確實存在，但只佔全集的一部分；主體其實是資料經濟學、規模化算數與部署順序。

Gao 是從餐廳軟體轉進機器人領域的（一套類似 Toast、但針對雲端廚房的產品），共同創辦人則做過一款賣給 Coinbase 的穩定幣；他形容 Mecka 是在為實體 AI 打造資料層與部署層。讀者讀完應該能具體掌握：機器人訓練資料實際上怎麼產出來、為什麼力量與觸覺資料是下一個前沿，以及 Gao 的預測——十年內機器人數量將是人類的「好多好多倍」。

機器人領域的資料貧乏，是 LLM 從未經歷過的，而且差距是好幾個數量級

Gao 把 Mecka 的核心難題定調為：沒有網路規模的冷啟動可用。他說，機器人資料是「畫素、動作與邏輯」，而這些東西目前都不存在大規模、經過整理的版本。他的參照點是 Ego4D——那個約含 4,000 小時人類示範影片的自我中心視角資料集，內容多半是打保齡球之類的日常瑣事；他在 2024 年底「用全新的視角」重讀，既看到可能性，也量出了當時的資料有多匱乏。

他拿來對照規模的是自駕車。Tesla 花了十幾年、把數百萬輛車開上路，只為解決加速與轉向這「兩個自由度」，累積的影片遠超過幾百萬小時。而單是一隻機器人手，就有數十個自由度。Gao 的判斷是：產業「終於進入數百萬小時資料的世界」，但距離該有的水準「還差好幾個數量級」。

| 參照點 | 規模 | 涵蓋範圍 |
|---|---|---|
| Ego4D（約 2022 年） | 約 4,000 小時 | 人類第一人稱示範影片 |
| 今日產業（Gao 估計） | 數百萬小時 | 自我中心視角、UMI、遙操作合計 |
| Tesla FSD 十餘年累積 | 遠超過數百萬小時 | 兩個自由度（加速、轉向） |
| 機器人操作目標 | 比今日再高數個數量級 | 每隻手數十個自由度 |

Gao 不接受「我們到底能不能走到應許之地」這種二選一的問法。他的答案是：商業應用會一項一項解鎖，而每一次解鎖都會為下一階段的資料擴張提供資金與正當性。

資料工廠本質上是硬體、物流與品管生意，資料只是其中一環

全集的操作核心，是 Gao 描述機器人資料工廠實際上在做什麼。他把它拆成好幾層，並強調「資料工廠真正的資料引擎，比大家想像的複雜太多、也痛苦太多」。

flowchart TD
    A["硬體設計與迭代"] --> B["生產與配送"]
    B --> C["蒐集：消費端 App、B2B 夥伴、被感測化的人類"]
    C --> D["上傳基礎設施（100 Gbps 線路）"]
    D --> E["品質關卡與電腦視覺處理"]
    E --> F["授權給機器人基礎模型的資料集"]
    F --> A

蒐集端，Mecka 走兩條路。一條是直接面向消費者的 App，讓世界各地的人登記自己的職業，然後收到一連串串流派發的任務——整理臥室、做早餐、收拾善後。另一條是 B2B 引擎，招募各行各業的企業，涵蓋 Gao 所說的「所有人類實體工作這套不可思議的分類體系」，從烘焙坊到 PCB 產線都有。最早的試辦是一個手機 App，招募「中國大叔大媽」拍下自己做飯打掃的過程；公司也試過 UMI 資料，最後才定調走自製硬體。

真正的難關在硬體層。市面上沒有任何現成裝置能日復一日可靠地量測施力，於是 Mecka 自己設計、生產觸覺手套，還有內建攝影機的感測棒球帽，以及一個能連線配件與外接攝影機的中樞——用他的話說，就是「把人也 Waymo 化」。這需要三到四輪產品迭代，接著還得處理把裝置配送進數千個家庭與企業的物流。Mecka 已在多個營運據點架好 100 Gbps 上傳線路，以消化「數百 PB」的資料。

品管與造假，是最被低估的成本中心

Gao 點名造假是「整個資料產業普遍低估的一環」，而原因出在結構：Mecka 是在創造還不存在的資料，而不是過濾既有的語料庫。有人拿麥當勞得來速視角的 YouTube 影片，當成自己的錄影交上來。他說，教訓是光靠關卡不夠——「你人也必須在蒐集現場」，親眼觀察怎麼錄的，並設計出能獎勵真實貢獻的誘因機制。

品質本身也是個移動標靶。真實世界的邊角案例極端得很，「你永遠會看到沒見過的新東西」。Mecka 的做法是用啟發式引擎在處理過程中攔問題、建立快速升級通報管道，並在新失敗模式出現時敏捷地重寫引擎——一週前對品質與多樣性的認知，這週可能就不成立了。Gao 也提到，那些圍繞重複性倉儲任務打造的大型遙操作工廠，最終撞到一個多樣性門檻：超過之後，再多的機器人資料也幫不上忙。

訓練配方已收斂成一鍋「湯」，但食譜一直在變

Gao 說，這個領域已經走過一年前那種宗教戰爭——當時各派堅稱只有 UMI 資料、或只有自我中心視角資料才行得通。以他的說法，目前的共識配方是：

| 成分 | 大致規模 | 作用 |
|---|---|---|
| 人類自我中心視角資料 | 約 100 萬小時 | 建立基本物理常識與行為複製 |
| UMI 資料 | 數萬小時 | 中介的操作訊號 |
| 遙操作／場域內資料 | 每項任務數小時 | 補上特定環境的最後一哩路 |
| 觸覺與力量資料 | 尚未納入 | 下一個前沿 |
| 模擬與世界模型 | 尚未納入 | 自我對弈、夢境式邊角案例 |

他明確不押注單一模態。觸覺資料、模擬、世界模型，統統都會進到「這鍋資料湯」裡。談到世界模型，Gao 看到兩層價值：一是拿網路與 YouTube 影片做畫素預測，再轉譯回動作軌跡；二是能夠「在腦中演練杯子掉下去摔碎，而不必真的摔一次」。

主持人丟擲網球的反例：看幾百萬小時的網球，也學不會打贏 Roger Federer。Gao 的反駁是 AlphaGo。早期的圍棋系統對專家棋譜做大規模行為複製；真正的躍進來自依循遊戲規則的自我對弈，於是下出了第 37 手。他認為，在機器人領域，「遊戲規則就是整個世界的圓周」，而目前沒有任何模擬器能重現那樣的豐富度。自我中心視角資料身兼兩職：現在用來建立基本物理常識，日後則貢獻給世界模擬器。他預期自我對弈會是混合式——實體與模擬並行。

力量與觸覺感測是缺失的模態，而硬體幾乎還不存在

Gao 講得很直白：影片拍不出拉開椅子或轉開瓶蓋需要多少牛頓的力。目前的變通做法，是在人與機器人的手腕上都裝攝影機，藉此推估手與物體的接觸時間——他稱這是「有點取巧的辦法」來逼近力量資訊。Mecka 一直在開發能在日常任務中量測施力的手套；Gao 預期，當模型收斂到全模態架構——任何觀察都能吃（力量、畫素，甚至氣味），任何輸出都能吐（動作、語音或控制）——力量資料將「極其重要」。

他提到嗅覺感測還非常早期，但想像它終究會被解鎖。更宏觀的一點是：機器人基礎模型的輸入空間還在不斷擴張，這也是他不願把公司押在單一資料型別上的原因。

部署像爬梯子，從受限的工業任務一路爬到家庭

Gao 的部署論點是：機器人會一項任務、一項任務地滲進世界，而不是一次到位。家庭是最難的環境，也最需要盡職調查——他舉了現在才逐漸成熟的標竿測試與評估，包括確保「機器人不會壓到嬰兒」。最容易取得的資料（家庭影片），幾乎正好是最難部署的場域。

他的順序是：

工業清潔與主題式機器人——在中國與東南亞的飯店已大量部署，負責把物品從櫃檯送到房間；北美現在才開始普及。
受限的操作任務——傳統機器人解不掉的產線取放與包裝；他預期一到兩年內落地。
摺衣服——Mecka 花了超過一年半；Gao 說這「近期內絕對會被解決」。
人形機器人開箱即能做任意任務——光譜的最遠端。

至於 FSD 式的飛輪，Gao 說「我們還早得很」。等它成真，部署過程中的失敗與修正資料就會變成燃料。他預期 Mecka 沿這條路會長得很不一樣——從一般水準的執行者走向頂尖（他的類比：從路邊的中式餐館走向米其林星級廚房，從普通網球選手走向 Federer），最終成為一個部署平臺：蒐集場域資料、做後訓練，並以白手套服務把企業帶進機器人滿布的世界。

他對部署層的類比，是現代版的系統整合商——傳統上這是低毛利的安裝生意，但現在能讓已裝機的機器人隨時間變得更強：「你能不能讓上週裝好的那臺機器人，做出幾天前它還認為不可能的事？」

Gao 的投資觀點：先看工業垂直領域，AGI 實驗室不是死刑

被問到會投資哪裡，Gao 指向工業機器人——環境受限、本來就有傳統機器人在裡面、而且「你根本不用預期會有嬰兒冒出來」。他也看好飯店服務與帶點操作能力的遞送機器人，以及人類根本做不到的任務。公司內部的玩笑是：如果 Mecka 哪天幫忙部署了一臺去小行星採礦的機器人，「那我們大概做得還不錯」。

至於 AGI 實驗室會不會靠苦澀教訓（bitter lesson）碾壓純機器人公司，Gao 態度持平。他指出，用不完美的資訊去擴充資料需要勇氣，而大實驗室有這樣的 DNA。他預期全模態路線會泛化得很好，但主張專用機器人基礎模型仍能在可靠性上勝出——在特定任務上做到「四個九的能力」，而通用模型只是樣樣都還不錯。

他也說，像 GPT-6 Astra 這類前沿模型最近泛化到機器人任務上，「仔細想想其實相當預期之中」，畢竟有那麼多機器人資料已進入預訓練配方。

科幻框架：荒謬的造型，以及機器人數量超越人類

Gao 的創業動機明顯帶有文學色彩——Asimov、《戰爭遊戲》（Ender's Game），以及《銀河便車指南》那個結局：一顆行星大小的有機電腦試圖算出生命的意義。他的說法是，一旦 AI 泛化了人類所有任務，「最後的疆界將是有機生命」；而人腦只耗 20 瓦就能運作、還能自我修復，這正是該教給機器人的東西。Mecka 網站上那句「教機器人認識碳基生命」，就是從這裡來的。

Mecka 紐約會議室裡掛著 Kawasaki Corleo——一頭機器豹、狗、馬的混合體；Gao 的團隊還曾讓同事相信，一段女子與兒子騎著它穿越草地的宣傳影片，是 Gao 和母親小時候的畫面。他把這種荒謬當成賣點：機器人滿布的未來，會包含「各種你想都沒想過、什麼都能做的怪奇機器人」。

他的預測是：十年多一點之後，機器人數量將是人類的「好多、好多倍」——主持人追問，他同意大約 1,000 億臺，然後補一句，若專指豹狗馬這種，還要「至少再高一個數量級」。

值得觀察的重點

全集未解的張力在於：Gao 一方面篤定，把目前的資料配方規模化就能逐項解鎖任務；另一方面他又承認，這個配方並不完整——沒有規模化的觸覺資料、沒有世界模擬器、飛輪也還沒轉起來。近期的觀察指標會是：取放與包裝的部署能否落在他所說的一到兩年視窗內；Mecka 自製的力量感測手套能否量產出貨；以及 Egoverse 聯盟（Gao 說 Mecka 與 Dan Fay、Ryan Simmer 等研究者共同參與，共享動作軌跡資料、後處理、品質關卡與平臺工具）究竟會成為真正的共用基礎，或只是研究姿態。對投資人而言，策略問題是：當基礎模型實驗室開始自建蒐集能力、貢獻者也學會把資料拿到不同買家之間比價時，資料工廠的毛利還撐不撐得住——Gao 的答案是，貢獻者成本並非主導因素，真正吃重的是硬體、營運與可驗證的規模化品質；這個說法，值得拿第一個認真的競爭對手來驗證。