11人初创Machenta融资4000万美元，纯仿真训练机器人单次示范学新任务

一句话看懂：伦敦初创公司Machenta完成4000万美元种子轮融资，主张不用真实世界数据、只在计算机模拟环境中训练机器人模型，让机器人看一次示范就能学会新任务，与Physical Intelligence等数据驱动的巨头正面竞争。

事件核心：发生了什么

据Business Insider 2026年10月27日报道，Machenta由伦敦帝国理工学院的研究者创立，联合创始人Edward Johns任CEO兼教授，另一位是前博士生Vitalis Vosylius。本轮4000万美元种子轮由Creandum和Union Square Ventures联合领投，公司未披露估值。Machenta目前仅有11名员工，仍以研究为主，暂无近期商业化计划。

其技术路线与主流相反：模型在模拟物体运动和交互的计算机生成环境中训练，CEO称没有使用“一个像素的真实世界数据”。训练完成后，机器人仅需观看一次任务示范即可直接执行，例如整理桌面、把物体放进盒子。公司分享的视频中，三台机器人在流水线上装箱并封箱，据称就是通过这种方式学会的。

为什么重要

当前通用机器人AI赛道的关键瓶颈是真实世界数据：采集成本高、速度慢，且需要多少数据才能实现通用机器人仍无定论。Machenta押注的是更难的一侧——设计能生成有用合成数据的算法，训练和推理更多依赖算力与仿真，而非堆积真实数据。若路线成立，数据壁垒可能被削弱，算力与算法成为新的竞争点。

但对手体量悬殊。目前公开信息显示，Physical Intelligence估值约110亿美元，FieldAI正以100亿美元估值融资，Skild AI估值超140亿美元，并称其模型可在单次视频示范后执行此前未见、时长至多10分钟的任务，月度经常性收入已达1亿美元、客户超60家。Machenta的模型“部分任务可即时学会”，更精细的任务和复杂动作仍有挑战。

对用户/开发者/创作者的影响

短期内普通用户难以直接用到Machenta的产品，公司明确处于研究阶段。对开发者和机器人团队而言，更值得跟踪的是“仿真合成数据+单次示范学习”能否降低真机数据采集成本，这会直接影响训练管线设计和算力预算分配。对关注机器人赛道的投资者来说，这是一个小团队验证非主流技术路线的样本，但目前尚无商业化收入或第三方评测数据可参考。