1500 万美元 A 轮估值 14.5 亿美元：Eka 让机械臂“手比人稳”，靠的不只是模型

过去几年，人形机器人和机械臂的演示视频看得人麻木：叠衣服、煎鸡蛋、分拣包裹，镜头一切，成功率永远很好看。但真正进过仓库的人都知道，抓取仍然是机器人最不体面的环节——换个物体、换个角度、换种材质，之前调好的参数就可能全部失效。

Eka Robotics 想解决的正是这件事。这家由 MIT 教授 Pulkit Agrawal 与前 Google DeepMind 研究员 Tuomas Haarnoja 共同创办的公司，刚完成 1500 万美元 A 轮融资，由 a16z 与 F-Prime 领投，投后估值 14.5 亿美元。

一分钟速览

• Eka Robotics 完成 1500 万美元 A 轮，投后估值 14.5 亿美元。
• 核心是一套“力敏感夹爪 + 新深度学习模型”的操作架构，而非单纯堆数据。
• 官方数据：每小时可抓取约 1500 个、重量不超过 1 公斤的物体，人类约为 600 个。
• 对大量不同物体无需重新训练即可适应，抓取成功率超过 95%。
• 多位机器人研究者给出的评价是“超人类表现”，并提到其动作带有一种“令人不安的像人”。

为什么“抓得准”比“走得稳”更难

双足行走曾经是机器人学的圣杯，如今已经相对成熟。抓取看起来简单，实际上要求模型同时处理视觉、触觉、材质、重心和滑动。你看得见杯子的位置，却看不见它表面有多滑；你知道物体有多重，却不知道它会不会在抬起瞬间变形。人类靠手指上的触觉小体完成这些判断，机器人只能靠力传感器和预测。

Eka 的方案把力反馈放进了控制回路：夹爪不是“闭到某个位置”，而是“感受到某个力就停”。这让它能在不压碎草莓的前提下抓起草莓，也能在物体滑动时快速调整。模型负责从视觉和触觉序列里预测下一步动作，硬件负责把预测变成稳定的力。

95% 的成功率意味着什么

在实验室里，90% 和 95% 的差距看起来不大；在生产线上，这意味着每 20 次就有一次需要人工介入。对于每小时处理上千件物品的产线，这个数字决定了投资回报能不能算平。

更关键的是“无需重新训练”。传统方案每换一类物体就要重新采集数据、微调模型，部署成本高到只有大批量、单一品类的场景用得起。Eka 声称能适应大量不同物体，等于把部署从“项目制”变成“开箱即用”。如果这一点在真实产线里成立，它的商业价值远高于 14.5 亿美元的估值。

“像人”是赞美也是警告

一位前线实验室的研究者说，看 Eka 的机械臂工作是一种情绪体验，堪比五到十年前机器人第一次稳定行走。另一位学者提到它有一种“令人不安的像人”：失败后会一遍遍重试，动作流畅得不像预设程序。

这种流畅来自速度。机械臂移动快到足以伤到自己，说明团队对控制算法有足够信心——相信它不会在高速下做出破坏性动作。但对工业客户来说，速度和安全是一体两面：同样的动作，在人旁边和在围栏里，要求完全不同。Eka 接下来要证明的不只是“能抓”，还有“能在人身旁安全地抓”。

资本为什么愿意给这么高的溢价

机器人行业的估值逻辑正在从“故事”转向“数据飞轮”。谁能让机器人在真实场景里持续运行，谁就能拿到别人拿不到的力觉与失败数据；这些数据又反过来提升模型，形成越用越强的闭环。a16z 押注的不是一台机械臂，而是这个闭环的起点。

风险同样明显。硬件规模化、可靠性、售后、与现有产线集成的周期，都是软件公司不熟悉的苦活。14.5 亿美元的估值意味着市场已经把它当成平台公司，而不是设备公司。接下来一两年，它需要用出货量和复购率证明这个假设。

趋势洞察

具身智能的竞争正在从“本体像不像人”转向“手能不能干活”。人形只是形态，操作才是价值。当抓取的成功率跨过 95%、部署不再需要重新训练，机器人就会从演示视频走进仓库、厨房和实验室。真正的分水岭不是某一次惊艳的 demo，而是第一批客户愿意为它写进预算。