2026 年 5 月 11 日,總部位於首爾與聖荷西的新創 Config 宣布完成 2,700 萬美元的超額認購種子輪,估值超過 2 億美元,累計募資 3,500 萬美元。領投是 Samsung Venture Investment,策略投資人包括現代汽車的 ZER01NE Ventures、LG Technology Ventures 與 SKT America——韓國最大製造業集團的創投部隊,一次到齊。
Config 不做機器人,做的是機器人基礎模型(RFM)的資料層。
機器人資料的「台積電」
Config 的自我定位是「機器人資料的台積電」:台積電替 Apple、Nvidia、AMD 代工晶片而不與它們競爭;Config 想當所有人的中立資料供應商,讓每家想自建機器人 AI 的公司都不必從零採集資料。
公司成立於 2025 年 1 月,共同創辦人除了 Seo 與 COO Jack Bang,另外三位出身 Waymo、Google 與 Naver。Config 已有營收,客戶涵蓋大型製造商、系統整合商與農業、國防領域;同賽道對手包括 Physical Intelligence、Generalist AI 與 Skild AI。
為什麼機器人資料比網路文字貴
執行長 Minjoon Seo(前 Meta 研究員、TwelveLabs 前首席科學家)的觀察很直白:LLM 的訓練資料是網路文字,便宜且存量巨大;機器人資料必須實體採集——要機器人、要場地、要人類操作員。這讓機器人 AI 的開發成本天生高於聊天機器人。
Config 的做法是在控制環境與現場錄製人類執行物理任務的過程。團隊近 300 人分布在首爾與河內負責資料生產,已累積超過 10 萬小時的人類動作資料——比目前最大的開源資料集 AgiBot World(約 3,000 小時)多出 30 倍以上。
轉換資料,而不是轉換模型
技術上的差異化在於順序。多數團隊用人類動作資料訓練模型,再把模型遷移到機器人上;Config 反過來,在訓練前先把資料轉換成符合機器人運動方式的形式。Seo 用學語言比喻:只用英文教材教韓文,行不通。
他的原話:「資料必須被轉換,而不是模型。這個轉換技術就是 Config 的核心差異化。」
韓國製造業為何出手
這輪名單本身就是訊號。三星、現代、LG、SK 的創投臂膀同時押注一家資料公司,反映韓國(以及日本、中國、台灣)這些製造業經濟體想把工業根基轉成實體 AI(physical AI)優勢。背後的假設是:大型製造商會想自建專屬的機器人 AI,而不是全依賴外部模型廠——Config 賣的就是這條路的地基。
其他投資人還包括 Covariant 共同創辦人、UC Berkeley 教授 Pieter Abbeel,以及 Mirae Asset Ventures、韓國產業銀行、GS Futures、Kakao Ventures 與 Z Ventures。
下一站:百萬小時與機器人即服務
資金用途有三:把越南與首爾的資料規模推向 100 萬小時;在 2027 年底前把企業平台業務做到 1,000 萬美元 ARR;推出雲端機器人即服務,讓客戶不需要在機器人上裝硬體就能跑 Config 的基礎模型。
機器人即服務是其中最激進的一步:Config 從資料供應商往上走到平台,賭的是製造商寧願租用智慧,也不想自建整條資料管線。若百萬小時與 ARR 目標都達成,Config 有機會成為亞洲工業機器人學習的預設入口。
對開發者與產品團隊,這條新聞的意義在於:機器人基礎模型的競賽正在複製 LLM 的劇本,但「資料供應」變成獨立且更早變現的環節。當 10 萬小時的實體資料成為可採購的商品,做機器人應用的團隊不必從零收集資料——差異化會往資料品質與轉換技術移動,而不是往模型大小。
參考來源
- Korea’s biggest manufacturers back Config, the TSMC of robot data — TechCrunch
- Config
- AgiBot World — Hugging Face
本文由 AI 協助自上述來源整理，經人工審核後發布。