Sprawni Cyfrowo
Dane treningowe dla robotów stają się jednym z najbardziej pożądanych aktywów w branży AI. Startup Mecka AI zbliża się do wyceny około 500 milionów dolarów w rundzie prowadzonej przez Sequoia Capital, zaledwie trzy miesiące po serii A wartej 60 milionów dolarów. Powód jest prozaiczny: firmy budujące humanoidy odkrywają, że rozwój uniwersalnych robotów hamują nie algorytmy, lecz brak danych z realnego świata.
Mecka AI działa podobnie jak Scale AI w świecie modeli językowych, tyle że zamiast tekstu zbiera ludzki ruch. Startup płaci ludziom za nagrywanie codziennych czynności, takich jak parzenie kawy czy naprawa samochodu, z użyciem czujników na ciele i smartfonów. Zebrane sekwencje służą do uczenia robotów naśladowania ludzkich gestów. Firmę założyli w 2024 roku Josh Gao, Mogen Cheng, Jason Chong i Duy Nguyen. Żaden z nich nie ma korzeni w robotyce; część wcześniej budowała startupy fintechowe i giełdę kryptowalut. Współzałożyciel prognozował, że do końca 2026 roku firma osiągnie roczne tempo przychodów rzędu 100 milionów dolarów. Konkurencja rośnie: rywal XDOF wyceniany jest na 1,2 miliarda dolarów, a po dane fizyczne sięgają też Scale AI i Micro1.
Dane treningowe jako wąskie gardło robotyki
Inwestorzy stawiają dziś tezę, że przewagę w robotyce zbuduje nie ten, kto ma najlepszy model, lecz ten, kto ma najbogatsze i najczystsze dane o ludzkim ruchu. Uchwycenie realnych interakcji ze światem fizycznym jest kosztowne i trudne do zautomatyzowania, dlatego zbieranie ich zamienia się w osobny biznes. To ta sama logika, którą widzieliśmy wcześniej przy modelach językowych: jakość i pochodzenie danych treningowych decydują o wyniku bardziej niż sama architektura.
Dla polskich firm to sygnał, że wartość w AI coraz częściej leży w danych, a nie w gotowym narzędziu. Zanim wdrożysz automatyzację czy model, warto zapytać, skąd pochodzą dane treningowe, kto ma do nich prawa i czy odzwierciedlają twoje realne procesy. Własne, dobrze opisane zasoby, takie jak zapisy pracy, zdjęcia czy dokumenty, to aktywo, które trudno skopiować konkurencji. Ład nad danymi, czyli ich jakość, zgodność z RODO i kontrola dostępu, staje się warunkiem, a nie dodatkiem każdego sensownego projektu AI.
Źródło: TechCrunch (EN), 11 września 2026.
