henry 发自凹非寺
量子位 | 公众号 QbitAI
“这笔钱只有一个目的：不再只做 demo。”
刚刚，由斯坦福具身智能明星赵子豪（Tony Zhao）迟宬（Cheng Chi）创立的机器人公司 Sunday Robotics 宣布完成 1. 65 亿美元B轮融资
公司估值飙至 11. 5 亿美元，正式进入独角兽行列。
这家去年11 月才正式发布产品轮式机器人产品 Memo的具身初创，在短短四个多月的时间，累计融资已达约 2 亿美元
在最新声明中，赵子豪表示：
2026 年的重点只有两件事：部署（deployment）和研究（research）。
简单来说，就是一句话：让机器人从 Demo 走向真实家庭。
与此同时，Sunday 团队也在快速扩张——
过去几个月，员工人数从 35 人增长到 70 人，直接翻倍。
据悉，Sunday 的创始人之一的赵子豪也已经开通小红书账号，并将在中国组建团队。
1. 65 亿刀B轮，不再只做 demo
先来看这轮融资。
Sunday 此次完成 1. 65 亿美元B轮融资，估值达到 11. 5 亿美元
本轮由 Coatue Management 领投，Bain Capital VenturesTiger Global 跟投，老股东 BenchmarkConviction Partners 继续加码。
据赵子豪透露，Coatue 创始人Thomas Laffont还将加入董事会。
至此，这家正式浮出水面仅 4 个月的创业公司，累计融资已经达到约 2 亿美元
那么问题来了：
这么多钱，Sunday 到底要干什么？
两个关键词：1、部署；2、研究。
对此，赵子豪表示：
如果我们想在今年达到既定里程碑——把机器人部署到真实环境中供 beta 测试用户使用，同时继续推动科学进展，我们认为还需要更多资金。
在部署方面，Sunday 计划启动机器人 Beta 测试计划，把机器人真正放进真实家庭环境中，开启更大规模的家庭测试与早期交付。
根据公开信息，这一 Beta 测试项目最早于 2025 年 11 月 19 日启动，核心目标是将机器人 Memo 部署到真实家庭环境中，验证其在复杂现实场景中的可靠性——
例如面对孩子、宠物、杂乱环境以及不完整指令时的表现，以及整体用户体验。
与此同时，不同家庭各异的空间布局与生活习惯，也会成为新的训练环境。
在测试过程中，Memo 可以持续收集操作与行动数据，并在真实部署中发现问题，实现所谓的“部署时训练”（training in deployment）。
这不仅能帮助团队更深入理解用户需求，也能不断提升机器人的实际能力。
据悉，在过去三个月中，Sunday 已经收到了数千份机器人 Beta 测试申请。为了应对不断增长的需求，公司团队也在快速扩张。
而在研究方面，Sunday 则继续加大对机器人基础模型的投入。
目前，公司工程团队规模已扩大到原来的 3 倍，研究团队扩大到 4 倍；同时预计到今年年底，训练数据规模将增长至现在的 5 倍，以支撑更快的模型迭代。
Sunday 是谁？
与其他直接进入工业场景的具身智能公司不同，Sunday 认为想实现通用的具身智能，必须把机器人带进普通人家里。
根据此前释出的 demo，Sunday 的首款机器人产品 Memo 已经能够完成收拾餐桌、把餐具放进洗碗机、叠衣服、洗衣服、冲咖啡等任务。
值得注意的是，这些任务并不只是简单演示，其中不少都属于当前具身智能领域公认的高难度场景——
既包含需要多步骤规划的长程任务（long-horizon tasks），也涉及对物体精细控制的灵巧操作（dexterous manipulation）。
从外形上看，Memo 是一款轮式升降机器人。它身高约 1.7 米，体重约 77 公斤，最高可伸展到 2.1 米，基本达到了全尺寸人形机器人的尺度。
在硬件配置方面：Mem 的每条手臂有 7 个自由度、手部 4 个自由度、腕部 1 个自由度、下半身 4 个自由度。
官方给出的定价是 2 万美元（约 14 万元人民币），这一价格与 1X Technologies 的家用机器人 NEO 基本处于同一水平。
不过，比起机器人外形，Sunday 真正的核心其实是另一件事：机器人训练系统
在 Sunday 看来，机器人行业真正的瓶颈从来不是机械结构，而是数据。
为了解决这个问题，Sunday 设计了一套非常有意思的数据采集方案——
技能捕捉手套（Skill Capture Glove）
这是一种与机器人手部结构完全一致的手套。人类只要戴上它完成家务操作，例如拿盘子、折衣服、冲咖啡，系统就可以把这些动作完整记录下来，转化为机器人可以学习的操作数据。
赵子豪透露，Sunday 内部有一个非常大的团队，专门负责这类数据采集。
这些数据会被用于训练公司的专有模型，然后部署到机器人上，用来控制机器人的动作与行为。
更关键的是，这套设备的成本只有 400 美元，相比传统机器人遥操作系统动辄几万美元的成本，可以说大幅降低了数据采集门槛，从而实现数据采集的规模化。
目前，Sunday 已经向全球开发者寄出超过 2000 副手套。这意味着，越来越多的人类操作数据正在被持续收集。
这些数据随后会被用来训练 Memo 背后的机器人模型：ACT-1。
ACT-1 是一个端到端机器人基础模型，能够直接根据视觉或传感器输入输出全身动作控制。
但 Sunday 的数据来源并不只靠手套，随着机器人逐步进入真实家庭环境，新的数据还会不断产生。
换句话说，Sunday 的数据主要来自两部分：
一部分来自技能捕捉手套的人类示范数据，另一部分则来自真实机器人在家庭环境中的运行数据。
再结合即将展开的 Beta 计划，Sunday 实际上构建了一套完整的具身模型闭环：
手套采集人类操作→训练 ACT-1 模型→将模型部署到 Memo 机器人→机器人进入真实家庭→产生新的运行数据→回馈模型训练→模型持续优化→更强的 Memo。
而真实家庭场景本身，也会带来实验室难以模拟的数据。
例如孩子、宠物、杂乱环境、不完整指令等复杂情况，这些都会生成手套示范难以覆盖的真实操作数据，从而进一步拓宽数据集，加速模型收敛。
可以说，这种“低成本分布式采集 + 真实场景反馈”的模式，不仅突破了实验室人类示范数据的局限，也大幅拓宽了机器人数据来源的多样性。
而这套闭环体系的形成，很大程度上也来自两位创始人此前在学术界与工业界长期积累的经验与方法论。
斯坦福具身系创业
Sunday 的创始团队，同样是如今具身智能圈子里非常典型的一类背景：
斯坦福具身系+一线 AI 公司经历。
Sunday CEO 赵子豪本科、博士均就读于斯坦福（已退学），曾在 DeepMind、Tesla 等前沿公司工作。
在学术界，他也是近年来多项具身明星工作的核心作者，包括 ALOHAACT（Action Chunking with Transformers）以及 Mobile ALOHA
同时，他还是 Open X-Embodiment dataset 的贡献者之一，并参与过手术机器人模型 SRT（Surgical Robot Transformer） 的研究。
值得一提的是，他在斯坦福期间的导师阵容也非常豪华：
本科导师是具身智能公司 Physical Intelligence 联合创始人、机器人学习领域知名学者 Sergey Levine
博士导师则是强化学习与机器人学习领域的知名学者 Chelsea Finn，她同样也是 Physical Intelligence 的联合创始人之一。
Sunday 的另一位联合创始人、CTO迟宬同样来自斯坦福。他的导师是知名机器人学者宋舒然
迟宬也是多项具身研究工作的核心作者：
例如 UMI（Universal Manipulation Interface）Diffusion Policy，同时他也参与建设了具身数据集 Open X-Embodiment 与 DROID。
有意思的是，就在今天，赵子豪还刚刚开通了小红书账号。
在被问及轮式机器人的问题时，子豪也是很快回应：
而在被问到硬件设计时，他的回答也非常明确：
真正的瓶颈并不是硬件，而是数据和智能。
[1]https://x.com/tonyzzhao/status/2032131680258126092
[2]https://www.bloomberg.com/news/articles/2026-03-12/dishwashing-home-robot-maker-sunday-hits-1-15-billion-valuation?embedded-checkout=true
[3]https://x.com/sundayrobotics
