首尔和圣何塞两地运营的机器人数据创业公司 Config 完成 2700 万美元种子轮融资，Samsung Venture Investment 领投，Hyundai Motor 旗下 ZER01NE Ventures、LG Tech Ventures、SKT America 等参投。该轮为超额认购，投后估值超过 2 亿美元，公司累计融资达到 3400 万美元。

这笔钱的信号不在融资规模本身，而在投资人结构。韩国几家最具代表性的制造与产业资本，把筹码押在一家“不造机器人”的公司身上。Config 的自我定位是机器人基础模型的数据层，外界把它类比为“机器人数据的 TSMC”，但这仍是公司愿景和媒体比喻，还不是行业共识。

Config 拿到的是产业资本的耐心钱

Config 成立于 2025 年 1 月，CEO Minjoon Seo 曾在 Meta 做研究，也担任过 Twelve Labs 首席科学家；其余联合创始人来自 Waymo、Google、Naver 等公司。团队背景说明，它不是传统机器人本体公司，而是从 AI 模型和大规模数据生产切入具身智能。

项目事实判断
本轮融资2700 万美元种子轮对一家成立约一年半的公司，估值抬得很快
投资方Samsung Venture Investment 领投，现代、LG、SKT 相关风投参投更像产业卡位，不等同于这些集团已成为客户
公司定位不造机器人，提供训练数据层避开与客户直接竞争，是“中立基础设施”叙事的前提
现有业务已有收入，客户覆盖大型制造商、系统集成商、农业和防务公司说明需求不是纯概念，但规模和续约质量仍未公开

Config 称已经积累超过 10 万小时人类动作数据，规模约为 AgiBot World 约 3000 小时开源数据集的 30 倍以上。这个数字足以解释投资人的兴趣，但还不能证明它在机器人基础模型市场已经领先。Physical Intelligence、Generalist AI、Skild AI 等公司也在争夺同一轮基础设施入口。

机器人 AI 的贵，贵在把现实世界搬进数据集

大语言模型训练烧钱，主要烧在算力和工程；文本原料来自互联网，获取成本相对低。机器人基础模型不同，数据必须从物理世界采集：要有机器人或传感设备，要有场地，要有人执行任务，还要把动作、环境、结果标注成模型可学习的样本。

这也是 Config 的商业逻辑。它在首尔和河内运营数据生产团队，约 300 人负责在受控环境和真实场景中记录人类执行物理任务。对制造企业来说，真正难的不是喊出“自研机器人 AI”，而是持续拿到足够干净、可复用、可交付的数据。

这里有一个原文没有展开的限制：人类动作数据不等于机器人可直接执行的数据。不同机械臂、移动底盘、夹爪、传感器的形态差异，会影响数据迁移效果。Config 的数据若要变成通用基础设施，关键不只是小时数，还包括任务覆盖、标注一致性、仿真到现实的转换能力，以及能否适配客户自己的硬件栈。

制造商想要机器人 AI，但不想把底牌交给机器人厂商

韩国制造巨头参投 Config，核心动机并不难理解。三星、现代、LG 这类企业拥有工厂、物流、汽车、家电和零部件场景，未来都可能部署机器人。它们需要机器人更聪明，却未必愿意把数据、流程和模型能力全部交给某一家外部机器人公司。

TSMC 类比在这里有解释力：台积电替 Apple、NVIDIA、AMD 代工芯片，但不直接和它们抢终端产品。Config 想做的是类似位置——不卖机器人本体，而是给不同公司供应训练数据。若这个角色成立，制造商可以保留自有模型或应用层，把高成本的数据生产外包出去。

受影响最大的是两类人。机器人基础模型团队会多一个可采购的数据来源，预算可能从自建采集队伍转向外部数据合同；大型制造企业的 AI 和自动化负责人，则要在“自采数据更安全”和“外部供应更快”之间做取舍。

接下来最该看三件事：Config 能否披露更高质量的商业指标，例如复购、单客户合同规模和行业分布；它的数据能否在不同机器人硬件之间稳定迁移；韩国战略投资人是否会从财务参投进入真实项目合作。现在能确认的是，机器人 AI 的竞争正在从模型论文走向数据产线。至于 Config 能不能成为那条产线的代工厂，还要看交付能力，而不是类比本身。