4個月估值11.5億美元！兩位史丹佛華人博士聯手造家務機器人，躋身獨角獸 | T Insights
史丹佛博士的機器人突圍戰：不再只做demo。
近日，由史丹佛兩位頂尖博士創立的Sunday Robotics宣佈完成1.65億美元B輪融資，估值飆至11.5億美元，正式躋身獨角獸行列。
更令人驚嘆的是時間線，這家公司去年11月才正式走出隱身模式，發佈首款輪式機器人Memo。短短4個月，累計融資已達約2億美元。
本輪由頂級風投Coatue Management領投，Bain Capital Ventures、Tiger Global跟投，老股東Benchmark與Conviction Partners繼續加碼。Coatue創始人Thomas Laffont還將加入董事會。
CEO趙子豪（Tony Zhao）在官宣時只說了一句話：“這筆錢只有一個目的：不再只做demo。”
史丹佛博士配上特斯拉核心班底
Sunday Robotics的創始團隊，是具身智能領域標準的“頂配”配置。
CEO趙子豪，史丹佛博士（已退學全職創業），本科導師是Physical Intelligence聯創、具身大牛Sergey Levine，博士導師是強化學習知名學者Chelsea Finn。他曾在DeepMind、特斯拉Autopilot團隊工作，是ALOHA、ACT、Mobile ALOHA等明星工作的核心作者。
CTO遲宬（Cheng Chi），史丹佛博士，師從知名華人學者宋舒然。他是Diffusion Policy、UMI的核心作者，前者將擴散模型引入機器人策略學習，後者開創了無需本體的資料採集新範式。
不僅如此，Sunday幾乎從特斯拉挖走了一整套全端機器人與AI工程師團隊：
Nishant Desai：特斯拉機器學習團隊近5年，參與Autopilot與FSD。
Nadeesha Amarasinghe：特斯拉AI基礎設施工程負責人，負責FSD與Optimus後台系統。
Perry Jia：Optimus與Autopilot關鍵工程師，主導資料引擎項目。
甚至連負責Optimus與Robotaxi招聘的Jason Peterson也加入了Sunday。
前特斯拉AI總監Andrej Karpathy、OpenAI高管Kevin Weil都曾前往參觀。技術圈評價：這是具身智能領域的“夢之隊”。
資料才是真瓶頸
在Sunday看來，機器人行業真正的瓶頸從來不是機械結構，而是資料。
大語言模型有網際網路兆級文字可學，而機器人幾乎為零。
Benchmark合夥人Eric Vishria說得很直白：“我們大概只有所需資料的百萬分之一。”
傳統解決方案是昂貴的遙操作裝置，一套成本高達2萬美元。操作員穿上動捕裝備，在實驗室裡模仿任務。這種方式精度高，但成本巨大、速度緩慢、場景單一。
Sunday走了另一條路：一副200-400美元的技能捕捉手套（Skill Capture Glove）。
這副手套的幾何結構和感測器佈局與Memo機器人手部完全一致。Sunday把它寄給普通使用者，他們稱之為“記憶開發者”。讓大家在自己真實、混亂的家庭裡記錄做家務的過程。
這裡有個技術難題：人類身高、臂長、關節靈活性各不相同，採集到的資料無法被機器人直接學習。
Sunday開發了Skill Transform演算法系統，將人類動作資料以90%以上的成功率重新導向到機器人運動學模型上。
目前，Sunday已分發超過2000副手套，在500多個真實家庭中採集了約1000萬個家務操作片段。
這些封包含了極端的混亂場景：不同的光照、亂放的雜物、甚至跳上桌面的貓。
資料成本從2萬美元/套降到200美元/副，資料場景從實驗室擴展到500個真實家庭。Sunday用一套低成本手套，建構了一個分佈式資料採集網路。
硬體為安全讓路
Sunday的硬體決策，處處體現著“資料優先”的逆向思維。
用輪子，不用雙足。在一個重77公斤的裝置有兒童和寵物的家庭裡，雙足機器人的跌倒風險是不可接受的。
輪式底盤提供被動穩定性，即使斷電也不會傾倒，更節能、更安靜，讓團隊將研發精力集中在洗碗、疊衣等高價值任務上。
（圖片來源：X@sundayrobotics）
三指夾爪，不用五指靈巧手。團隊分析發現，80%以上的家務操作三個手指就夠了。這種“面包手”設計比傳統夾爪多4個自由度，單手拿兩個玻璃杯不手抖，同時大幅提升可靠性和成本可控性。
QDD關節，不用高減速比。Sunday選擇了準直驅（Quasi-Direct Drive）方案。
低減速比帶來三重好處：安全性（外力可輕鬆反驅關節）、力透明性（可直接通過電機電流推斷外力）、對模型的友好性（簡單的動力學模型意味著更小的sim-to-real gap）。
資料閉環，讓機器人越用越聰明
以這些資料為基礎，Sunday訓練了機器人基礎模型ACT-1。
在“從餐桌到洗碗機”任務中，Memo自主導航近40米，與21種物體進行33類、68次靈巧互動，透明反光物體也能輕鬆拿捏。通過3D地圖作為條件輸入，模型無需記憶具體房屋佈局，在6個陌生家庭場景中可零樣本泛化。
這背後是Sunday建構的完整資料閉環：手套採集人類操作→訓練ACT-1模型→部署到Memo→機器人進入真實家庭→產生新運行資料→回饋模型訓練
真實家庭場景會帶來實驗室難以模擬的資料：孩子、寵物、雜亂環境、不完整指令，這些都會生成手套示範難以覆蓋的真實運算元據，加速模型收斂。
從GPT到ChatGPT：
Sunday的規模化前夜
Tony Zhao將公司現狀描述為：正處於“GPT時刻”和“ChatGPT時刻”之間。這意味著已經找到可規模化的技術方案，但尚未完成規模化落地。
Sunday已啟動“創始家庭測試版”計畫，首批篩選50個家庭參與免費測試，預計2026年底收到Memo機器人。入選家庭將在真實場景中打磨產品性能與使用者體驗。
“這將是我們學習的關鍵階段，”Tony Zhao表示，“瞭解人們希望如何與機器人互動，是否希望機器人教孩子新知識。這些反饋將決定最終產品的形態。”
目前每台手工定製版Memo成本約2萬美元，目標售價在1萬美元以下。
團隊表示，當硬體設計從一開始就圍繞“資料可以彌補硬體不足”來最佳化時，批次生產帶來的成本下降曲線會比傳統機器人公司更陡峭。
Tony Zhao透露，今年也將同步在國內組建團隊，base深圳。一個做家務機器人的矽谷獨角獸，選擇了全世界硬體供應鏈最強的城市。
當整個具身智能行業還在爭論誰能翻更帥的後空翻時，Sunday選擇了一條截然不同的路：不是更炫的硬體，不是更大的模型，而是更便宜的資料。
用最低的成本採集最多的真實世界資料，然後用資料的規模優勢反向拉低硬體的成本門檻，最終讓機器人真正走進千家萬戶。
從一副200美元的手套，到500個真實家庭，到1000萬條運算元據，再到11.5億美元估值。Sunday的資料飛輪才剛剛開始轉動。
而真正的考驗，將在50個家庭的Beta測試之後到來。 (創新觀察局)