摘要： Config 於 2026 年 5 月 11 日宣布完成超額認購的 2,700 萬美元種子輪，估值超過 2 億美元，由 Samsung Venture Investment 領投。公司不做機器人，而是提供機器人基礎模型下的資料層，人類動作資料已超過 10 萬小時。新資金將把資料產能推向 100 萬小時，並發展企業平台與機器人即服務。
總部設於首爾與聖荷西的 Config,在 2026 年 5 月 11 日宣布:一輪超額認購的種子輪募得 2,700 萬美元,估值站上 2 億美元之上,累計募資總額達到 3,500 萬美元。本輪由 Samsung Venture Investment 領投,LG Technology Ventures、SKT America,以及現代汽車旗下的 ZER01NE Ventures 以策略投資人身分進場——韓國最大製造集團的創投部門,同時出現在同一張投資名單上。
Config 自己不打造機器人,它經營的是機器人基礎模型(RFM)底下的資料層。
自許為機器人資料圈的台積電
Config 自比機器人資料產業中的台積電:Apple、Nvidia、AMD 的晶片都交給台積電生產,台積電卻不會回頭跟這些客戶搶生意;Config 則想成為人人可用的中立資料供應者,讓任何想自建機器人 AI 的企業不必再從零採集資料。
公司於 2025 年 1 月成立,共同創辦人有 Seo、COO Jack Bang,以及另外三位分別出身 Naver、Waymo 與 Google 的成員。Config 已經有收入進帳,客戶含括大型製造商、系統整合商,以及農業與國防領域的業者;同賽道的對手還有 Skild AI、Generalist AI 與 Physical Intelligence。
機器人資料的身價為何遠高於網路文字
執行長 Minjoon Seo 曾任 Meta 研究員、TwelveLabs 首席科學家,他把問題講得很直白:LLM 的訓練素材來自網路文字,取得成本低、累積量又龐大;機器人資料卻只能在實體世界採得——需要機器人、需要場地、也需要人類操作員。開發機器人 AI 的成本門檻,先天就比聊天機器人高。
Config 的生產方式,是在控制環境與實際場域拍下人類執行物理任務的過程。資料生產由將近 300 名成員負責,分駐首爾與河內;人類動作資料的累積已突破 10 萬小時——開源陣營規模居首的 AgiBot World 約 3,000 小時,Config 的存量相當於它的 30 倍以上。
要轉換的是資料,模型不動
技術上真正分出高下的,是流程的先後次序。常見路徑是先用人的動作資料把模型訓出來,再把模型搬到機器人身上;Config 把順序整個顛倒——訓練尚未開始,就先讓資料變成貼合機器人運動方式的形態。Seo 拿學語言來比喻:手上只有英文教材,卻想教會別人韓文,注定行不通。
用他本人的話說:「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。」
投資名單透露的產業意圖
看一眼這輪的投資方,訊息已經寫在名單上。三星、現代、LG、SK 的創投部門一齊把資金投進一家資料公司,代表韓國——連同日本、中國、台灣——這些製造業經濟體,想把工業根基轉化為實體 AI(physical AI)優勢。前提假設是:大型製造商終究想打造專屬的機器人 AI,而非處處依賴外部模型廠;Config 販售的,正是這條路的基座。
參與這輪的還有 Mirae Asset Ventures、GS Futures、Z Ventures、韓國產業銀行與 Kakao Ventures,以及 Covariant 共同創辦人、UC Berkeley 教授 Pieter Abbeel。
接下來:朝百萬小時前進,並推出機器人即服務
新資金有三個去處:其一,把越南與首爾的資料產能一路推到 100 萬小時;其二,企業平台業務要在 2027 年底前達到 1,000 萬美元 ARR;其三,推出雲端上的機器人即服務,客戶不裝機上硬體也能執行 Config 的基礎模型。
三件事裡最大膽的是機器人即服務:Config 從資料供應商向上跨進平台業務,賭的是製造商寧可用租的智慧,也不想自己養出一條完整的資料管線。倘若百萬小時與 ARR 都兌現,亞洲工業機器人學習就可能以 Config 為預設起點。
對開發者與產品團隊而言,這則消息的重點是:機器人基礎模型的賽局正沿著 LLM 劇本重演,而「資料供應」被切出來,成為獨立且更早收到錢的一環。一旦 10 萬小時的實體資料變成市場上買得到的商品,開發機器人應用的團隊不必再從零累積資料,拉開差距的戰場將從模型規模移到資料品質與轉換技術。