Una Serie B da 60 milioni di dollari guidata da Sequoia Capital
Il 7 ottobre 2026 Mecka, società specializzata nella costruzione di infrastrutture dati per l’apprendimento robotico, ha annunciato la chiusura di una round di finanziamento Serie B da 60 milioni di dollari. La operazione è stata guidata da Sequoia Capital e ha visto la partecipazione di nuovi investitori di rilievo: NVIDIA, Qualcomm Ventures, Samsung e M12, il fondo venture di Microsoft. Gli investitori precedenti Kindred, Framework Ventures e Neo hanno confermato il proprio supporto.
Angel investor di spicco
Tra gli angel investor che hanno aderito alla campagna figurano il fondatore e CEO di DoorDash, Tony Xu, l’ex CEO di ServiceNow e Snowflake, Frank Slootman, e l’ex responsabile di Tesla Optimus, Milan Kovac. La presenza di questi leader del settore evidenzia l’interesse crescente per le soluzioni data‑centric nella robotica.
Obiettivi dell’investimento: dati, ricerca e impiego commerciale
Mecka ha dichiarato che i 60 milioni di dollari serviranno a tre scopi principali:
- Espansione dell’infrastruttura dati: potenziare la capacità di acquisizione, archiviazione e gestione di dati robotici su scala globale.
- Rafforzamento del laboratorio di ricerca interno: accelerare lo sviluppo di modelli multimodali di visione e percezione.
- Scalare l’impiego commerciale dei robot: fornire una “data‑e‑deployment layer” per le applicazioni robotiche in ambienti reali.
La tesi di Mecka: i robot mancano di esperienza
Secondo Mecka, il principale ostacolo alla diffusione della robotica è l’assenza di dati esperienziali. “Nessuno ha mai registrato come una mano afferra, piega o versa, con quale forza deve premere o quando rilascia,” ha scritto l’azienda nella comunicazione della Serie B. Movimento, contatto, forza e geometria non sono disponibili su Internet; non possono essere “scrap‑ate”, licenziate o acquistate. Mecka descrive questa lacuna come il più grande collo di bottiglia nella robotica, sostenendo che la robotica rappresenta la più grande opportunità di produttività e prevedendo che i dati diventeranno un mercato da un trilione di dollari.
Le sfide tra attività grezze e dati di addestramento utilizzabili
Nel proprio sito web Mecka elenca una serie di difficoltà che separano le attività non elaborate dalla produzione di dati di addestramento pronti all’uso:
- Le attività del mondo reale richiedono modelli capaci di gestire casi limite su larga scala e dimostrazioni specifiche per compito, altrimenti non riescono a generalizzare.
- Il semplice video grezzo è insufficiente; sono necessarie annotazioni, contesto, controllo di qualità, comprensione del movimento e workflow di valutazione.
- Il laboratorio non è il fine ultimo: i sistemi robotici devono essere testati su workflow, ambienti e vincoli reali prima di un dispiegamento sul campo.
Il “stack” di acquisizione e ricerca di Mecka
Per digitalizzare il mondo fisico, Mecka ha realizzato l’intero stack tecnologico, comprendente hardware di acquisizione, modelli di ricostruzione e infrastruttura di qualità. L’azienda progetta e produce la propria hardware multisenore per ogni classe di segnale, scegliendo sensori e sincronizzazione in base alle esigenze dei modelli successivi.
Una operazione di produzione globale gestisce flotte di acquisizione che registrano dimostrazioni umane in ambienti residenziali e aziendali. All’interno del laboratorio interno, team di ricerca sviluppano modelli di computer vision e multimodali in grado di trasformare la realtà grezza e rumorosa in segnali strutturati, coprendo motion‑tracking, ricostruzione 3‑D e allineamento dei sensori. Mecka afferma di aver raggiunto un livello di precisione sotto il centimetro per la posa della mano in dati raccolti “in wild”.
Primitive di segnale e azione
Il sito elenca le primitive di segnale e azione che Mecka considera metodi chiave per catturare o interagire con la realtà fisica:
- Pixel‑understanding
- Profondità e geometria
- Tracciamento oggetti
- Segmentazione
- Forza tattile
- Onde sonore
- Velocità e movimento
- Point cloud
- Contorno di superficie
- Localizzazione
In aggiunta, l’azienda offre un’app iOS per la raccolta di dati ambientali e di compito, nonché strumenti web per la ricerca, visualizzazione e interrogazione di dataset, la collaborazione tra team e l’esecuzione di API di inferenza.
EgoVerse: dataset e studio di trasferimento umano‑robot
Mecka ha testato la sua ipotesi sui dati di dimostrazione reale collaborando con ricercatori di Georgia Tech, Stanford, UC San Diego, ETH Zürich, MIT e Meta attraverso il progetto “EgoVerse”. Questo è un “human‑to‑robot transfer study” realizzato in laboratori, su diversi compiti e robot.
Il paper EgoVerse
Il paper, presentato per la prima volta l’8 aprile 2026 e revisionato il 7 luglio 2026, descrive una piattaforma collaborativa che uniforma la raccolta, la elaborazione e l’accesso ai dati sotto un unico framework, consentendo contributi da singoli ricercatori, laboratori accademici e partner industriali.
La versione corrente del paper comprende:
- 1 362 ore di dimostrazioni umane
- 80 000 episodi
- 1 965 compiti
- 240 scenari
- 2 087 dimostratrici uniche
Tutti i dati sono forniti in formati standardizzati, con annotazioni rilevanti per la manipolazione e tool per il successivo apprendimento. Nelle FAQ, Mecka descrive EgoVerse come il suo dataset su larga scala di interazioni umane in attività, spazi e ambienti diversi, catturato da prospettive prima‑person.
Studio di trasferimento su larga scala
Gli autori hanno condotto una vasta indagine sul trasferimento da umano a robot, replicando esperimenti su più laboratori, compiti e implementazioni robotiche secondo protocolli condivisi. I risultati mostrano che le performance delle politiche robotiche migliorano con l’aumento dei dati umani, ma il vero scaling dipende da come i dati umani si allineano con gli obiettivi di apprendimento dei robot. Gli autori principali includono Josh Gao e Jason Chong.
Clienti, fatturato e modello di integrazione
Mecka dichiara di fornire dati e servizi a numerosi laboratori di “frontier robotics” e a diverse aziende appartenenti al “Mag‑7”. Sulla base del ritmo attuale, il fatturato annualizzato (run‑rate) a giugno 2026, pochi mesi dall’avvio delle operazioni, superava i 100 milioni di dollari. L’azienda prevede una run‑rate di 300 milioni di dollari entro la fine dell’anno.
Il modello “Mecka Loop”
Il medesimo stack alimenta le applicazioni commerciali di Mecka. L’azienda si definisce un “integratore robotico moderno”: mentre un’integrazione tradizionale si consegna una volta e resta immutata, Mecka raccoglie dati in loco, ri‑addestra i modelli e migliora costantemente con ogni ora di utilizzo. Per le imprese che desiderano una “physical AI” ma non hanno team robotici, Mecka fornisce hardware, acquisizione dati, post‑training, integrazione e operatività continua.
Mecka non costruisce robot. Invece, si collega all’hardware esistente, al modello e agli ecosistemi commerciali, possedendo la “data‑and‑integration layer” posta tra di essi, denominata “Mecka Loop”.
Impatto della nuova finanziarzione
Con la recente Serie B, Mecka intende accelerare la produzione di dati, aumentando il numero di strumenti, approfondendo la ricerca e distribuendo robot dove il lavoro è effettivamente svolto. L’annuncio è stato firmato da Josh, Jason e dal resto del team Mecka, che ha anche annunciato piani per assumere nuovo personale nei settori ricerca, hardware e operatività.
Conclusioni
La raccolta di 60 milioni di dollari da parte di Mecka rappresenta un segnale forte dell’interesse degli investitori per le infrastrutture dati nella robotica. L’azienda affronta una lacuna critica – la mancanza di dati di movimento, forza e geometria – costruendo un ecosistema completo che va dalla sensoristica multisenore al training continuo di modelli robotici. Con un modello di integrazione basato su dati in tempo reale e un ambizioso dataset EgoVerse, Mecka posiziona se stessa al centro della prossima ondata di robotica industriale e commerciale, puntando a trasformare la robotica nella più grande opportunità di produttività del prossimo decennio.