Daily Pulse | 2026年6月30日周二版 | Proception与特斯拉和解并获$1100万融资；Theker募资$8500万做可重构工厂机器人；开源绳驱四足机器人CARA登顶HN；Qwen 3.6 27B边缘AI模型发布；三星SK海力士美光被诉内存价格操纵
🎯 周二速览（6月30日） • 🤖 Proception与特斯拉和解并获$1100万：机器人手爪初创公司采用独特训练数据策略，解决机器人领域最具挑战之一的灵巧操作问题 • 🏭 Theker完成$8500万融资：不走人形路线，打造可针对不同工厂任务重新配置的模块化机器人系统 • 🔧 开源四足机器人CARA引爆社区：基于绞盘传动的绳驱方案，零背隙、高扭矩、低成本，HN获千赞讨论 • 💡 Qwen 3.6 27B开源模型发布：522点登顶HN，成为本地/边缘AI开发的最佳平衡点，对机器人端侧推理意义重大 • ⚡ 三星SK海力士美光被诉价格操纵：三巨头被集体诉讼指控合谋抬高DRAM和NAND价格，机器人硬件供应链或受影响
1. 🏆 头条故事：机器人手爪公司Proception与特斯拉和解，获$1100万新融资
[Image: Proception的机器人手爪展示]
一句话总结：Proception与特斯拉就商业秘密诉讼达成和解，同时宣布完成$1100万融资。这家初创公司正在攻克机器人领域最棘手的问题之一——灵巧操作——并采用了一种独特的训练数据采集策略。
💡 为什么重要：机器人手爪是整个人形机器人产业链中最被低估的瓶颈之一。没有可靠的灵巧操作能力，人形机器人只能做搬运工，无法完成精细装配、工具使用等高价值任务。Proception的路线如果走通，可能为整个行业打开新的应用空间。
据TechCrunch报道，以制造仿人机器人手爪闻名的初创公司Proception已与特斯拉就一起商业秘密诉讼达成和解。和解协议的具体条款未公开披露，但该公司同时宣布完成了**$1100万**新一轮融资。
这一进展发生在特斯拉在机器人领域持续扩张的背景下。特斯拉的Optimus人形机器人项目正在加速推进，而手部灵巧操作能力正是Optimus面临的核心技术挑战之一。Proception此前被特斯拉指控窃取了与其机器人手爪相关的商业机密。
有趣的是，Proception在解决训练数据问题上的做法与众不同。不同于传统方法依赖于大量的真实世界数据采集，该公司开发了一套可扩展的数据收集方案，使其能够高效地获取手部操作的训练数据——这在机器人学习领域被认为是关键瓶颈。
📊 核心数据：
- 融资规模：$1100万
- 核心方向：仿人机器人手爪 + 灵巧操作训练数据
- 行业背景：全球仿人机器人市场预计2030年达**$380亿**
- 竞品动态：特斯拉Optimus、Figure 03、Agility Digit均在推进手部能力
2. 🏭 Theker完成$8500万融资：可重构工厂机器人
[Image: Theker的模块化工厂机器人]
📌 一句话：Theker不走人形路线，而是打造模块化、可重构的工厂机器人——同一台机器可以针对不同任务重新配置，大幅提高产线灵活性。
如果说2026年上半年机器人行业有一个关键词，那就是”人形”。从特斯拉Optimus到Figure 03，从Agility Digit到宇树H1，几乎每家公司都在押注双足人形方案。但Theker选择了另一条路。
这家总部位于慕尼黑的初创公司刚刚完成了**$8500万**融资，其核心理念是：不造人形机器人，而是造”没有专长”的模块化工厂机器人。
Theker的方案是设计一系列可互换的模块——机械臂、移动底盘、末端执行器、传感器套件——这些模块可以根据不同任务快速重新组合。一台机器人今天可以是物料搬运工，明天只需更换几个模块就能变成质检员。
💡 为什么重要：人形机器人的优势在于通用性——能在人类环境中执行多种任务。但代价是高昂的单台成本和复杂的控制。Theker的思路提供了一种中间方案：用模块化换取灵活性与成本之间的最优平衡。对于中小制造企业来说，这可能比人形机器人更具经济可行性。
📊 数据对比：
| 参数 | Theker模块化方案 | 人形机器人方案 |
|---|---|---|
| 单台成本 | $5-10万 | $10-30万 |
| 跨任务切换 | 模块更换（分钟级） | 软件重编程（小时级） |
| 维护复杂度 | 分模块维护 | 整机维护 |
| 工厂部署 | 无需改造 | 需改造 |
3. 🔧 开源四足机器人CARA引爆讨论：绳驱方案能否颠覆传统关节设计？
[Image: CARA四足机器人展示]
1073点、456条评论——一个名为CARA的开源四足机器人项目昨天在Hacker News登顶热门。它的特殊之处在于：不用齿轮，用绳子。
CARA（Capstans Are Really Awesome）由独立开发者Aaed Musa历时一年打造，是继Stanley之后第二款使用**绞盘驱动（Capstan Drive）**的四足机器人。绞盘驱动的原理类似船锚绞盘——绳子绕在大小两个鼓轮上，利用摩擦力传递扭矩。
📊 绞盘驱动 vs 传统齿轮减速器：
| 特性 | 绞盘驱动（CARA） | 传统齿轮减速器 |
|---|---|---|
| 背隙 | 零背隙 | 有背隙（磨损后更大） |
| 扭矩透明度 | 高 | 低 |
| 成本 | 低（绳+3D打印） | 高（精密加工） |
| 噪音 | 安静 | 有噪音 |
| 精度 | ±0.1°（经补偿） | ±0.01° |
💡 为什么重要：CARA的意义不在于其性能达到工业级标准——它的精度与传统谐波减速器相比仍有差距。它的价值在于用极低成本实现了”足够好”的机器人关节。对于开源机器人社区、教育场景、以及快速原型验证来说，这种方案提供了一个门槛极低的入口。如果绳驱方案能通过材料和算法补偿进一步缩小精度差距，它有可能改变低成本机器人关节的格局。
当然，CARA的开发者自己也坦承，设计过程中遇到的挑战不小——绳索直径的精确测量、有效直径与理论直径之间的差异、以及绳索在张力下的形变，都使得实现精确的8:1减速比远比理论上复杂。
4. 💡 Qwen 3.6 27B：本地AI开发的甜蜜点
522点，HN首页——Qwen 3.6 27B模型正在成为开源AI社区的新宠。
📌 一句话：27B参数规模在性能与部署成本之间找到了最佳平衡——单张消费级GPU即可运行，性能媲美更大规模闭源模型。
Qwen 3.6 27B之所以引发广泛关注，是因为它精准地命中了当前AI部署的核心矛盾：更大的模型性能更强，但部署成本也更高。 27B参数恰好处在一个”甜蜜点”——在HumanEval、GSM8K等基准测试上接近70B级别模型的表现，但显存需求仅为其三分之一。
对于机器人领域，这意味着端侧推理有了更可行的选项。 一个27B模型可以在机器人本地的嵌入式GPU上运行，无需依赖云端API——这对于要求低延迟、离线运行、数据隐私的机器人场景至关重要。
💡 值得关注：如果边缘端能运行27B级别的模型，机器人的自主决策能力将不再受制于网络连接。宇树、AgileX等已经推出机器人专用控制器RCP，未来可能会集成更强大的边缘AI芯片来支撑这类模型。
5. ⚡ 三星SK海力士美光被集体诉讼：内存价格操纵影响机器人供应链
📌 一句话：美国集体诉讼指控三大DRAM/NAND制造商合谋限制产量、抬高价格，直接影响机器人硬件成本。
三星、SK海力士和美光在美国被提起集体诉讼，指控这三家内存巨头联合操纵DRAM和NAND闪存价格。诉状称，三家公司通过协调减产、交换产能信息等方式人为抬高价格，损害了包括机器人制造商在内的下游产业利益。
这一诉讼的背景是：自2024年以来，HBM（高带宽内存）需求的爆发式增长（主要来自AI训练芯片）挤压了常规DRAM的产能，导致整个内存市场的价格持续走高。对于机器人行业来说，内存是控制板、传感器模组和边缘AI计算单元的核心成本项。
📊 影响测算：
- DRAM价格自2024年以来累计上涨约40-60%
- 一台人形机器人的内存成本占比约为5-8%
- 如价格操纵属实，机器人制造商可寻求赔偿
🔍 本周展望
六月最后一周，机器人行业的信号密集程度仍在上升。Proception的融资与和解是本周的即时焦点，而Theker的模块化方案提供了一个有意义的对照——在所有人都在做人形的时候，反其道而行之的路线是否也有市场？CARA的社区热度证明，低成本的机器人传动方案仍然有巨大的探索空间。
值得追踪的方向：
- 灵巧操作：Proception + Tesla Optiums 的手部竞赛
- 模块化 vs 人形：两种工厂自动化路线的经济性对比
- 绳驱方案：开源社区对CARA的复刻和改良
- 边缘AI：Qwen 3.6等轻量模型的机器人端侧适配
来源：TechCrunch、Theker、Aaed Musa、Quesma Blog、Seoul Economic Daily