摘要： Rhoda AI在2026年3月10日結束18個月隱身,宣布4.5億美元A輪募資,Reuters與Bloomberg報導估值17億美元,同時公開機器人基礎模型FutureVision。FutureVision採用Direct Video Action架構,以數億支公開影片預訓練、再用少量機器人資料後訓練,並以幾百毫秒一輪的閉環控制產生動作。目前公開的是製造情境評估,對外授權其他軟硬體平台仍屬長期計畫,而非已全面釋出的產品。
隱身 18 個月之後，總部位於 Palo Alto 的 Rhoda AI 在 2026 年 3 月 10 日公開現身，一口氣帶來兩項消息：規模 4.5 億美元的 A 輪募資（依 Reuters 與 Bloomberg 報導，估值來到 17 億美元），以及機器人基礎模型 FutureVision。參與這輪出資的機構包括 Capricorn、Khosla Ventures、Leitmotif、Matter Venture Partners、Mayfield、Premji Invest、Prelude Ventures、Temasek 與 Xora，以個人投資人身分入列的則有 John Doerr。
這個宣布時機耐人尋味：Rhoda 拿到錢的隔一天，正是 Nscale 寫下歐洲史上最大募資輪紀錄的日子（見〈Nscale 20 億美元 C 輪〉），兩筆錢的走向卻截然相反——一邊投入算力基礎設施，一邊做的是把基礎模型裝進機器人的「智慧層」。
4.5 億美元的 A 輪，創投圖的是什麼
團隊名單本身就具備說服力。掛著共同創辦人暨 CEO 頭銜的 Jagdeep Singh 是深度科技領域的連續創業老手；首席科學家 Eric Ryan Chan 出身 Stanford、研究領域是電腦視覺，加入 Rhoda 前曾在 WorldLabs 擔任生成模型架構師；另一位共同創辦人 Gordon Wetzstein 則主持 Stanford 的計算成像實驗室。
不過，真正把 A 輪金額推到 4.5 億美元的，是任務本身的量級：他們要做的不是某一款機器人的控制軟體，而是跨機體通用的機器人基礎模型。Premji Invest 的 Patnam 把投資邏輯講得很直白：這類模型足以「啟動一個強大的資料飛輪，在捕捉真實世界長尾邊角案例上形成複利優勢」。
FutureVision：把影片預測化為動作
撐起 FutureVision 的，是 Rhoda 自家的專有架構 Direct Video Action（DVA）。訓練流程拆成兩段：先以數億支公開網路影片做預訓練，讓模型吸收運動與物理上的先驗知識；再拿數量規模較小的機器人資料集進行後訓練，教它把影片預測對應到實際動作。
實際運行採閉環方式：以幾百毫秒為一輪，觀測環境、將接下來的狀態預測成影片、執行動作、然後再次觀測。這條路線明顯承襲「世界模型」一派——先弄清楚場景會怎麼演變，再決定該怎麼動。要讓一項新任務上線，大約十小時的遙操作資料即可；相較於傳統機器人逐案客製的工程作法，是數量級的躍進。
走進工廠：製造與物流先行
Rhoda 挑的切入點很務實：製造與物流。新聞稿舉出一場針對高產量製造情境的評估，其中一項零組件處理任務在沒有人工介入的情況下，每個週期都壓在兩分鐘以內，並超出客戶的 KPI。Leitmotif 的 Wiese 則從客戶端視角補上一句：「真正的挑戰不是解出一次，而是在真實產線條件下持續交付一致、可靠的輸出。」
商業面上，Rhoda 現階段與工業夥伴一同部署；把時間拉長，公司計畫以授權方式讓其他軟硬體平台也能使用 FutureVision——賣的是「機器人大腦」，不是整台機器。
投資人押的其實是資料飛輪
三項事實並排一放，投資人掏錢的標的便浮出檯面：預訓練素材是公開網路影片，取得成本幾乎歸零；後訓練只需十小時規模的遙操作資料；而每一座用上其模型的工廠，都在持續產出外人拿不到的專有機器人資料。飛輪每多轉一圈，下一個新任務的進入門檻就再被壓低一次。
給機器人開發者的三個提醒
有三點值得落實到實務。其一，「機器人基礎模型」正變成可以對外採購與授權的項目——專做特定機體或垂直場景的團隊，日後要面對的競爭問題將是「該用誰家的智慧層」，而非「要不要自己造」。其二，影片預訓練搭配少量遙操作資料這套配方，市場上已驗證過不止一次；新團隊該拼差異化的位置在資料與場景，而不是從頭重造預訓練。其三，閉環控制對延遲極為敏感（週期僅數百毫秒），邊緣部署與推論成本屬於硬性工程限制，挑選供應商時務必把對方的邊緣策略一併納入考量。