Mecka AI может получить оценку около $500 млн в новом раунде под лидерством Sequoia Capital — всего через три месяца после Series A на $60 млн. Для рынка это еще один сигнал: данные для роботов становятся таким же дефицитным сырьем, каким текстовые датасеты были для больших языковых моделей. Для русскоязычных разработчиков, основателей и корпоративных команд в робототехнике это означает простую вещь: инфраструктура сбора физических данных быстро превращается в отдельный, дорогой и конкурентный слой AI-стека.
О переговорах по новому финансированию сообщает TechCrunch со ссылкой на двух людей, знакомых с деталями сделки. Точный размер раунда пока неизвестен, условия не финализированы и могут измениться. Mecka AI на запрос издания не ответила, Sequoia от комментариев отказалась. То есть перед нами не закрытая сделка с пресс-релизом и фанфарами, а венчурная кухня в процессе — но с оценкой, которая хорошо показывает температуру рынка.
Mecka AI была основана в 2024 году четырьмя предпринимателями: канадцами Джошем Гао и Могеном Ченгом, ранее строившими финтех-стартап для ресторанов, Джейсоном Чонгом, который перешел в Coinbase после покупки его криптобиржи, и Дуем Нгуеном, отвечающим за операционные процессы. Любопытная деталь: у команды нет профильного прошлого в робототехнике. Зато они увидели проблему, которую давно обсуждают внутри индустрии, но не всегда красиво формулируют на сцене: роботов упирают не только модели, железо и батареи, но и нехватка данных о реальном физическом мире.
Подход Mecka выглядит довольно приземленно — в хорошем смысле. Стартап платит людям за запись повседневных действий: приготовить кофе, починить машину, выполнить бытовую или рабочую операцию. Для этого используются датчики на теле и смартфоны. Такие записи помогают фиксировать движения, последовательность действий и взаимодействие человека с объектами от первого лица. В робототехническом жаргоне это близко к эгоцентрическому сбору данных: система видит задачу не как абстрактный список команд, а как набор движений, контактов, ошибок, микропауз и поправок.
Именно этот слой сейчас становится одним из узких мест для гуманоидных роботов и более широкого класса машин общего назначения. Языковым моделям повезло: интернет десятилетиями производил тексты, картинки, код, форумы и документацию почти бесплатно для тех, кто потом научился все это собирать и чистить. С физическим миром так не работает. Нельзя просто скачать миллион качественных примеров того, как человек берет тяжелую коробку с нижней полки, не роняет ее, обходит стул и ставит на стол. Такие данные для роботов нужно специально создавать, размечать, синхронизировать и приводить к виду, пригодному для обучения моделей.
На этом фоне Mecka пытается занять позицию, похожую на ту, которую в мире LLM заняли Scale AI, Mercor, Surge и другие компании вокруг человеческой разметки и сбора данных. Только вместо текстовых ответов, рейтингов и инструкций здесь продается физический опыт: траектории рук, позы тела, взаимодействия с предметами, контекст среды. Название Mecka отсылает к mecha — гигантским человекоуправляемым роботам из фантастики. Ирония в том, что путь к этим фантастическим машинам пока проходит через очень будничные записи людей с датчиками и телефонами.
Предыдущий раунд Mecka AI был объявлен в июне: компания привлекла $60 млн под лидерством Framework Ventures, среди участников также были Menlo Ventures, SV Angel и Kindred Ventures. Тогда Джош Гао говорил Fortune, что стартап рассчитывает завершить 2026 год с годовым run rate на уровне $100 млн. Это не то же самое, что фактическая годовая выручка, и путать эти вещи не стоит: run rate обычно экстраполирует текущий темп продаж на год вперед. Но сама цифра объясняет, почему новый раунд мог появиться так быстро. Инвесторы любят рынки, где спрос еще не устаканился, а бюджеты уже открываются.
Список клиентов Mecka публично не раскрывает. По данным источника, многие робототехнические компании и AI-лаборатории используют реальные данные, собранные от первого лица, вместе с другими методами, включая телеоперацию. Это логично: телеоперация дает демонстрации задач через управление роботом, а человеческая запись показывает, как задачу выполняет носитель оригинальной моторики — человек. Для обучения универсальных роботов нужны оба типа сигналов, плюс симуляции, синтетические данные, контроль качества и много инженерной рутины, которую обычно не показывают в роликах с гуманоидом на сцене.
Mecka не одна в этой гонке. TechCrunch ранее писал о XDOF, еще одном стартапе в области реальных данных для обучения роботов, который, по данным издания, приближается к новому раунду при оценке $1,2 млрд. Параллельно платформы человеческих данных, выросшие на задачах для LLM, начинают расширяться в сторону робототехники. Для рынка это важный сдвиг: AI-инфраструктура перестает быть только про GPU, оркестрацию моделей и MLOps. В нее все заметнее входят поставщики физического опыта — странная, дорогая и потенциально очень прибыльная категория.
Для разработчиков это значит, что стек робототехнического AI будет требовать новых компетенций на стыке computer vision, сенсорики, data engineering и обучения с демонстраций. Для бизнеса — что стоимость входа в гуманоидную робототехнику может определяться не только ценой железа, но и доступом к качественным датасетам действий. Для стартапов — что вокруг сбора, очистки, лицензирования и проверки таких данных появляется рынок, где можно строить не менее серьезные компании, чем вокруг самих роботов. Вопрос теперь не в том, нужны ли данные для роботов, а в том, кто первым соберет достаточно надежный и юридически чистый физический датасет, чтобы стать базовой инфраструктурой для следующей волны машин.