打破人形機器人訓練侷限、獲 5 千萬美元融資！NVIDIA 前員工創辦 Flexion 看見什麼樣的未來？
在全球人形機器人競賽升溫的 2025 年，一家來自瑞士蘇黎世的機器人新創 Flexion 以獨特定位強勢崛起。這家公司不造機器人硬體，而是把所有精力投入在能夠理解人類語言、能學習、能自主決策的「通用機器人大腦」。
《Crunchbase》報導，Flexion 在成立不到一年內，就成功募集 5 千萬美元 A 輪資金，投資陣容包含 DST Global Partners、NVentures（NVIDIA 旗下創投）、Prosus Ventures、Redalpine 與 Moonfire Ventures，使其總募資額來到 5,735 萬美元。這不只是亮眼的早期投資規模，也透露出資本市場對「機器人智慧化」的急迫期待。
擺脫人為遙控瓶頸，Flexion 打造「規模化」路徑
Flexion 的執行長 Nikita Rudin 與技術長 David Hoeller 均為 NVIDIA 前研究員，團隊成員還包括來自 ETH Zurich（蘇黎世聯邦理工學院）、Meta、Google、Tesla 和 Amazon 的頂尖工程師與科學家。他們觀察到，儘管市面上有許多外型逼真的人形機器人，但大多數仍依賴預先寫好的腳本，或是透過人類操作員進行遠端遙控（Tele-operation）來訓練。Nikita Rudin 在接受《Crunchbase》採訪時直言，這種依賴人力的訓練方式「無法規模化」。
Flexion 的使命正是要打破上述侷限，建立一個完整的自主堆疊（Autonomy Stack），包含語言層級的推理、視覺-語言-動作的生成，以及基於 Transformer 架構的全身控制技術。簡單來說，他們的目標是讓機器人能夠理解指令、在真實世界中移動，並在極少的人為干預下適應新情況。
模擬優先取代人力示範，三層架構構建通用智慧
與目前市場上依賴大量「人類示範」數據的方法不同，Flexion 採用了一種「模擬優先」的策略。他們主要利用高效能物理模擬所生成的合成數據（Synthetic Data）來訓練模型，並結合強化學習技術。
這麼做的好處是，資料的生成不再受限於昂貴且緩慢的人力勞動，且模型能夠在多樣化的虛擬環境中試錯，進而培養出比人類遙控更強的通用能力與適應性。
Flexion 的技術堆疊主要分為三層：首先是「指令層」，利用大型語言模型（LLM）進行任務拆解與情境理解；其次是「動作層」，主要透過合成數據訓練，並針對真實世界的例外情況進行微調；最後是「控制層」，能從模組化的技能庫中快速合成行為。這種架構讓機器人不再需要死記硬背，而是具備真正的學習與適應能力。
商業模式：做機器人產業的通用軟體
Flexion 目前擁有 31 名員工，並已開始與主要的原始設備製造商（OEM）合作。其商業模式採用年度「每台機器人」的軟體授權制。
Nikita Rudin 強調，市場對於能夠跨越不同機器人硬體（Morphology-agnostic）的軟體智慧層有著明確需求。這意味著 Flexion 的系統不僅適用於雙足人形機器人，未來也能應用於輪式平台、多臂系統等複雜的機器人形式，應用場景涵蓋工業製造、物流，甚至未來的災難應對與行星探索。
歐洲機器人投資熱潮中的關鍵拼圖
Flexion 的成功融資也反映了歐洲機器人產業正加速發展。《EU-Startups》分析，2025 年以來，歐洲在認知機器人與自動化領域的投資持續升溫，包括德國的 NEURA Robotics 籌集了 1.2 億歐元，以及同樣位於瑞士的新創 mimic 也獲得了資金挹注。
在人口高齡化與勞動力短缺的壓力下，特別是預計到 2050 年已開發國家將有三分之一人口超過 60 歲的情況下，具備自主適應能力的機器人將不再只是科技展上的噱頭，而是維持經濟運作的必要工具。
目前，Flexion 正專注於核心技術開發，並利用新資金擴充算力與機器人機隊。Nikita Rudin 表示，在 NVIDIA 的工作經歷讓他深刻體會到算力與資料飛輪的重要性，這正是推動大型語言模型躍進的關鍵，而現在，他們準備將同樣的變革帶入實體機器人的世界。
＊本文開放合作夥伴轉載，參考資料：《Crunchbase news》、《EU-startup》、Flexion，首圖來源：Flexion