亮点

从隐秘期亮相不到三个月，据报道 XDOF 正在为一轮 B 轮融资进行晚期谈判，该轮估值约为 12 亿美元。 快速的收入增长——年化接近 5,000 万美元——在其 7,000 万美元 A 轮后不久便吸引了投资者的注意。 这家由加州大学伯克利分校研究人员创办的初创公司，专注于收集与标注现实世界的远程操控数据以训练通用机器人，将自己定位为机器人与 AI 实验室的数据供应伙伴。

情绪分析

• 本文的语气大体上积极且乐观，强调强劲的增长指标和投资者对 XDOF 的高度兴趣。文章突出具体成就——近期的 A 轮、快速的收入加速以及与研究实验室的合作——显示客户与投资者的信心。提出可能的 12 亿美元估值，将叙事框定为在解决一项紧迫行业需求（现实世界机器人训练数据）的细分市场中的突破性成功。尽管交易条款尚未确定，谈判可能发生变化，但整体情绪仍偏向乐观且面向未来，关注机会多于风险。

文章正文

XDOF 是一家为机器人训练构建数据管道与收集系统的初创公司，据报道在隐秘期结束仅数月后，正就一轮 B 轮融资进行深入讨论，估值约为 12 亿美元。该公司由加州大学伯克利分校研究人员 Philipp Wu（首席执行官）与 Fred Shentu（首席技术官）于 2024 年共同创立，今年早些时候凭借一轮 7,000 万美元的 A 轮融资吸引了关注，投资者包括 Thrive Capital、Andreessen Horowitz、Lux 与 Spark Capital。熟悉目前谈判的消息人士表示，XDOF 飞速的收入轨迹——以年化计算接近 5,000 万美元——尽管公司原本并不计划在上一轮之后这么快募资，仍促使新投资者展开接洽。

有关潜在募资的细节仍不完整。TechCrunch 与其他媒体报道指出，寻求的总金额以及报道中的估值是否包含新资金尚不清楚。条款仍在最终敲定中，且在达成任何协议前可能会改变。XDOF 与报道谈判中的主导投资方尚未对此公开评论。

XDOF 的核心主张是建立许多机器人与前沿 AI 实验室难以自行开发的工具、标注系统与数据收集流程。通过提供针对实体机器人的外包数据供应链，公司旨在填补与大型语言模型不同的数据缺口。与能够从互联网上庞大文本语料训练的 LLM 不同，机器人需要高质量的现实世界传感器数据，而此类数据集稀缺。这种稀缺性一直是推进通用机器人系统的一大障碍。

这家初创公司的起源可追溯至 Wu 的博士研究，研究主题为机器人如何从大型数据集中学习。面对大规模数据短缺，Wu 与 Shentu 开发了 GELLO，一套经济实惠的远程操控系统，使人类操作者能远程控制机械臂以收集训练数据。他们的学术成果发表成为广泛引用的论文，并为后来商业化发展成为 XDOF 奠定基础。

投资者将 XDOF 与在实体机器人领域提供数据基础设施以推动更广泛 AI 发展的公司如 Scale AI 与 Mercor 相提并论。为了组建其称为 ABC 的大型精选机器人训练数据集，XDOF 正与加州大学伯克利分校的 AI 研究实验室合作。公司结合远程机器人操控与配戴传感器的人工数据收集者来捕获影像与任务数据，记录日常活动如叠衣服或压平纸箱。 这种亲身操作的方法旨在创建目前机器人开发者在规模上缺乏的高质量数据集。

在运营方面，XDOF 计划招聘并训练全球的数据收集团队。职位包括从远程控制机器人 的远程操作者，以及使用身体配戴传感器来捕捉自然人体动作的自我视角收集者。该初创公司表示已为约 20 家客户提供服务，其中包括多家从事机器人系统与具身智能研究的前沿 AI 实验室。

寻求额外资金的举动反映了市场需求与投资者对可加速机器人发展的基础设施的兴趣。其他企业也在尝试类似策略，包括 Mecka AI 以及扩展至实体数据收集的既有数据标注平台，如 Scale AI 与 Micro1。随着对具身 AI 的兴趣提升，能够可靠提供大量带注释现实世界机器人数据的公司，正逐渐成为该领域进展的核心。

对 XDOF 来说，挑战在于如何在保持质量与控制成本的同时扩大数据运营。如果报道中的 B 轮以传闻的估值进行，将凸显投资者对精选机器人数据集商业潜力的信心。结果也可能表明连接实验室研究与可投入生产的机器人数据基础设施企业的势头正在增强。

关键洞见表