手套里的乾坤：具身智能如何通过“众包”跨越家务鸿沟

TL;DR：

具身智能初创公司Sunday通过廉价数据手套切入家务机器人市场，试图利用大规模用户数据化解“演示与实用”之间的结构性矛盾。这不仅是一场技术路线的更迭，更是资本在通用人工智能（AGI）迈向物理世界时，对效率与规模化成本的一次关键博弈。

在硅谷的科技叙事中，没有什么比“让机器人洗碗”更具有西西弗斯式的悲剧色彩了。数十年来，工程师们在实验室里驯化了能够在装配线上精准焊接汽车的机械臂，却始终无法让它们在凌乱的家庭厨房里，妥善处理一只沾满油腻的马克杯。家用环境的不可预测性，如同一道无形的墙，将“令人惊叹的实验室演示”与“真正好用的商品”隔绝开来。

然而，近日获得1.65亿美元B轮融资的初创公司Sunday，显然打算拆掉这道墙。其首席执行官Tony Zhao那句“我们融了1.65亿美元，就是为了不再做演示”¹，道出了这个行业最心照不宣的尴尬：具身智能（Embodied AI）正处于从“幻灯片逻辑”向“物理逻辑”转型的阵痛期。

数据的“众包”革命

如果说大语言模型（LLM）的成功是由于它们“吃掉”了整个互联网的文本，那么具身智能目前的饥渴则源于物理世界的“数据荒”。在工厂，每一个动作都可以预编程；但在家里，叠一件优衣库的T恤和叠一件真丝睡裙，所需的力觉反馈完全不同。

Sunday的解法透着一种英伦式的务实与狡黠。他们并没有急于交付一个完美的机器人原型，而是先推出了一副售价200美元的“技能抓取手套”（Skill Capture Glove）²。这副手套的精妙之处在于它将复杂的数据收集工作“众包”给了真实用户。当2000多名“记忆开发者”戴着手套在自家厨房里忙碌时，他们实际上是在为Sunday的模型Memo提供昂贵的、带有触觉深度的教学视频。

这种策略在经济学上是极其高效的。传统的遥操作设备动辄耗资2万美元³，且需要专业人员操作；而Sunday通过廉价手套，将数据获取成本降低了两个数量级。这不仅仅是技术路径的创新，更是一场关于资本配置效率的实验。当竞争对手如Figure AI还在通过Helix 02展示其精密的全身控制算法时⁴，Sunday正试图通过规模化的真实世界数据，构建起自己的竞争护城河。

2026感恩节的对赌

在这场被称为“洗碗机大战”的竞速中，时间是比金钱更稀缺的资源。Sunday给出的时间表极具挑衅性：承诺其机器人Memo将在2026年感恩节前进入家庭¹。在风险投资领域，这无异于一份公开的对赌协议。

Coatue和Benchmark等顶级机构的入场，标志着资本对AI的审美偏好正在发生转向。过去两年，风投们在追逐“会说话的AI”，而现在他们渴望看到“会干活的AI”。Sunday的融资结构中出现了大量来自特斯拉Optimus团队的人才，这暗示了行业内的一种共识：具身智能的“ChatGPT时刻”可能并不取决于算法的再一次飞跃，而取决于硬件工程与大规模部署的临界点。

然而，商业化的天花板依然清晰。市场普遍认为，2万美元是家用机器人进入大众市场的心理上限¹。Sunday必须证明，它不仅能教机器人学会抓取玻璃杯，还能在保持硬件成本可控的前提下，将那套极其复杂的“33步洗碗循环”从实验室复刻到数百万个布局迥异的家庭中。

影子里的竞争者与市场的终局

Sunday的崛起并非孤例。在具身智能的赛道上，它正面临着来自巨头与新贵的双重夹击。Figure AI的Helix 02已经展示了单一神经网络对全身的自主控制能力⁴，而像科沃斯（Ecovacs）这样的传统家电巨头则在侧翼观察，试图界定“细分功能机器人”与“通用服务机器人”的边界。

对于Sunday而言，真正的挑战在于：它能否在1.65亿美元烧完之前，完成从“数据收集公司”向“系统解决方案提供商”的惊险一跳。如果Memo能在2026年的感恩节顺利接过美国主妇手中沉重的火鸡盘，那么Sunday将不仅是一家成功的初创公司，它将重新定义人类与机器的协作边界。

但在此之前，那些戴着200美元手套叠衣服的志愿者们，更像是这场科技革命中的“数字纤夫”。他们用最原始的人类动作，为昂贵的算法铺就通往现实世界的道路。在这个过程中，Sunday展示了硅谷最擅长的一幕：用最机智的商业包装，去解决最古老的家务难题。

引用

• 具身智能
• 风险投资
• 商业模式
• 机器人数据
• 科技成本