机器人数据工厂：Mecka 的 Josh Gao 谈如何
来自 Training Data · 期号 2026-10-20
摘要
机器人行业没有互联网那样免费的海量训练数据，必须自己制造。Mecka AI 创始人 Josh Gao 解释了这家全球最大的机器人数据工厂之一是怎么运作的：用定制的棒球帽和触觉手套来采集力反馈数据（市售设备做不到这一点），铺设 100Gbps 上传线路来搬运数百 PB 的数据，并设置专门的质量关卡。 行业正在收敛的训练配方大约是：一百万小时的以人为中心的第一人称数据、数万小时的机器人数据，以及少量领域内的远程操控数据。触觉数据和仿真数据仍然要放进“数据汤锅”里一起炖。 Gao 认为，机器人领域离特斯拉 FSD 那种规模还差几个数量级——FSD 花了十年只处理两个自由度，而一只机械手就有几十个自由度。他的判断是：机器人不会有 GPT-3 那样的“大爆炸”时刻，而是会沿着商业任务逐步解锁，从受限的工业场景开始，最终他希望机器人能去小行星上采矿。 本文是 Sequoia Capital 播客 Training Data 的一期访谈，有完整的时间戳索引。
深读
导读 原文信息有限，以下基于节目简介。机器人行业缺乏互联网级别的免费训练数据，必须自己制造。Mecka AI 创始人 Josh Gao 分享了全球最大机器人数据工厂之一的运作方式，包括定制硬件采集力反馈、百G级上传线路搬运数百PB数据，以及行业正在收敛的训练配方。听完能理解机器人数据采集的现状、瓶颈和商业化路径。 关键信息 - Mecka AI 使用定制的棒球帽和触觉手套采集力反馈数据，因为市售设备无法做到这一点。 - 数据工厂铺设了 100Gbps 上传线路来搬运数百 PB 的数据，并设置了专门的质量关卡。 - 行业正在收敛的训练配方大约是：一百万小时以人为中心的第一人称数据、数万小时机器人数据，以及少量领域内远程操控数据。 - 触觉数据和仿真数据仍然要放进“数据汤锅”里一起训练。 - Josh Gao 认为机器人领域离特斯拉 FSD 的规模还差几个数量级——FSD 花了十年只处理两个自由度，而一只机械手就有几十个自由度。 - 他的判断是：机器人不会有 GPT-3 那样的“大爆炸”时刻，而是会沿着商业任务逐步解锁，从受限的工业场景开始。 逐节讲解 机器人数据的制造难题 节目简介指出，机器人行业没有互联网那样免费的海量训练数据，必须自己制造。Mecka AI 的创始人 Josh Gao 运营着全球最大的机器人数据工厂之一，他解释了这具体涉及什么：使用定制的棒球帽和触觉手套来采集力反馈数据（市售设备无法做到这一点），铺设 100Gbps 的上传线路来搬运数百 PB 的数据，并设置专门的质量关卡。 行业收敛的训练配方 简介中列出了行业正在收敛的训练配方：大约一百万小时的以人为中心的第一人称数据、数万小时的机器人数据，以及少量领域内的远程操控数据。触觉数据和仿真数据仍然要放进“数据汤锅”里一起炖，说明多种数据来源需要混合使用。 机器人发展的路径判断 Josh Gao 认为，机器人领域离特斯拉 FSD 那种规模还差几个数量级——FSD 花了十年只处理两个自由度，而一只机械手就有几十个自由度。他的判断是：机器人不会有 GPT-3 那样的“大爆炸”时刻，而是会沿着商业任务逐步解锁，从受限的工业场景开始。最终，他希望机器人能去小行星上采矿。 值得注意 节目简介只列出了话题标题，没有展开任何对话内容。以上解读完全基于简介中的几句话，无法还原嘉宾的具体论证、数据细节或案例。例如，“质量关卡”具体如何运作、“数据汤锅”中各种数据的配比、以及“受限的工业场景”具体指哪些任务，在简介中均未说明。