XDOF, Tatlong Buwan Lamang Mula sa Stealth, ay Nakikipag-usap para sa Series B sa $1.2B Valuation

Tatlong buwan. Iyan lang ang kailangan ng XDOF upang lumipat mula sa stealth tungo sa unicorn territory. Ang robot training data startup — na itinayo ng dalawang UC Berkeley researchers — ay nasa late-stage talks na upang magtaas ng Series B sa humigit-kumulang $1.2 bilyong dolyar, na pinamumunuan ng 8VC. Para sa sinumang sumusubaybay sa bilis ng AI infrastructure investment, XDOF, tatlong buwan lamang mula sa stealth, ay nasa usapan ng pagiging isa sa pinakamabilis na stealth-to-unicorn stories sa nakaraang panahon. At ang mga implikasyon ay lumalampas sa Silicon Valley.

Paalala: Ang source article ay bahagyang hindi ma-access sa oras ng pagsusulat dahil sa Cloudflare verification wall. Ang mga katotohanan sa ibaba ay kinuha mula sa mga bahagi ng TechCrunch report ni Marina Temkin na nakuha. Kung saan kami nag-extrapolate o nagdagdag ng analysis, malinaw naming itinukoy ito.

Ano ang Nangyari

Ang XDOF ay co-founded noong 2024 ng Philipp Wu (CEO) at Fred Shentu (CTO), pareho ay UC Berkeley researchers. Ang core business ng kumpanya ay ang pagkolekta ng real-world teleoperation data — ang uri ng messy, physical, hard-to-fake training data na kailangan talaga ng general-purpose robots upang matuto kung paano gumana sa tunay na mundo. Hindi ito glamorous na trabaho. Ito ay nagsasangkot ng mga human operators na manually gumagabay sa robotic arms sa pamamagitan ng mga tasks, na lumilikha ng labeled motion data na matututunan ng AI models. Ngunit ito ay lumalabas na ang hindi glamorous na trabaho ay eksaktong hinahanap ng robotics industry ngayon.

Noong Hunyo 2026, ang TechCrunch ay nag-report ng XDOF's $70 million Series A, na sinusuportahan ng isang who's-who ng top-tier venture: Thrive Capital, Andreessen Horowitz, Lux Capital, at Spark Capital. Ang round na iyon mismo ay notable. Ngayon, mas mababa sa tatlong buwan mamaya, ang kumpanya ay reportedly sa late-stage talks para sa Series B na pinamumunuan ng 8VC sa valuation na humigit-kumulang $1.2 bilyong dolyar.

Upang ilagay ang timeline na iyon sa perspektibo: karamihan ng startups ay gumagugol ng 12 hanggang 18 buwan sa pagitan ng Series A at Series B. Ang XDOF ay tila ginagawa ito sa ilalim ng isang quarter. Ang bilis ay nagpapahayag ng isang bagay nang malinaw — naniniwala ang mga investors na ang market para sa robot training data ay hindi isang future opportunity. Ito ay isang right-now opportunity, at ang window upang magmay-ari ng infrastructure layer ay mabilis na nagsasara.

Ang model ng kumpanya ay mahalagang isang data factory para sa physical world. Habang ang humanoid at general-purpose robots ay gumagalaw mula sa lab demos tungo sa real deployment sa warehouses, hospitals, at manufacturing floors sa buong Asia at higit pa, ang bottleneck ay hindi na ang hardware. Ito ay ang training data. Ang XDOF ay nagpoposisyon sa sarili nito bilang ang kumpanya na nalulutas ang bottleneck na iyon sa scale.

Bakit Ito Mahalaga para sa Asia

Ang Asia ay hindi isang passive observer sa kuwentong ito. Ito ay arguably ang pinakamahalagang market para sa kung ano ang binubuo ng XDOF.

Ang China, Japan, South Korea, at tumataas na Southeast Asian nations ay lahat ay nagpapabilis ng robotics adoption sa industrial scale. Ang China lamang ay nag-state ng national ambitions na maging world's leading robotics manufacturer sa pamamagitan ng 2030, na may mabigat na government investment na sumusuporta sa layuning iyon. Ang aging workforce ng Japan ay gumawa ng automation hindi lamang economically attractive kundi socially necessary. Ang chaebols ng South Korea ay nag-deploy ng robotics sa buong logistics at semiconductor manufacturing sa rate na mukhang aggressive kahit limang taon na ang nakakaraan.

Kung ano ang lahat ng deployments na ito ay may common: sila ay gutom para sa training data. Ang robot arm na gumagana sa isang German automotive plant ay hindi automatically na mag-generalize sa isang Taiwanese electronics factory o isang Vietnamese garment facility. Ang physical environments, ang mga bagay na sinisimulang manipulahin, ang lighting conditions, ang task sequences — lahat ng ito ay naiiba. Nangangahulugan ito na ang demand para sa localized, real-world teleoperation data ay napakalaki, at largely unmet.

Analysis: Ang $1.2 billion valuation ng XDOF, kung kumpirmahin, ay nagpapadala ng market signal na ang data infrastructure para sa physical AI ay sinusuri sa par sa software AI infrastructure. Iyan ay isang significant shift. Para sa Asia tech ecosystems — kung saan ang hardware manufacturing, robotics supply chains, at AI research ay malalim na nagsasama — ito ay lumilikha ng parehong competitive opportunity at strategic question: sino ang nagmamay-ari ng data layer para sa Asian robotics deployments?

Ang katotohanan na ang mga backers ng XDOF ay may kasamang firms na may malalim na Asia exposure (Andreessen Horowitz ay aktibo sa Japan at Southeast Asia; Thrive ay nag-expand ng Asia thesis) ay nagmumungkahi na ang mga investors ay nakikita na ang geographic opportunity na embedded sa bet na ito. Ang isang startup na makakakuha at makakapag-standardize ng teleoperation data sa buong diverse Asian industrial environments ay magkakaroon ng defensible moat na napakahirap na mabilis na kopyahin.

Para sa mga founders at developers sa Asia na nanonood ng round na ito: ang race upang bumuo ng data infrastructure layer para sa physical AI ay nagsisimula na. At ngayon, ito ay tila pinapatakbo pangunahin ng US-founded companies na may US venture backing. Ang gap na iyon ay sulit na pansinin.

Ano Ang Kahulugan Nito para sa Mga Developer

Kung ikaw ay isang developer o technical founder sa Asia, ang trajectory ng XDOF ay nagpapakita ng ilang concrete na bagay na sulit na pansinin.

1. Ang physical-digital interface ay ang susunod na frontier para sa AI tooling. Karamihan ng developer tooling ngayon ay binuo sa paligid ng software — APIs, language models, code generation, data pipelines para sa structured at unstructured text. Ang XDOF ay isang reminder na ang susunod na wave ng AI infrastructure ay tungkol sa physical world: sensor fusion, motion capture, real-time teleoperation, at ang pipelines na nagiging lahat ng iyon sa usable training data. Kung ikaw ay bumubuo ng developer tools, ito ay kung saan ang whitespace ay lumalaki.

2. Ang data collection ay isang engineering problem, hindi lamang isang logistics one. Ang core technical challenge ng XDOF ay hindi lamang "makakuha ng mga tao upang gumana ang robots." Ito ay ang pagbuo ng software systems na kumukuha, nag-label, nag-validate, at nag-format ng data sa mga paraan na ang AI training pipelines ay tunay na makakagamit. Ito ay nagsasangkot ng real-time streaming architectures, low-latency control systems, at robust data quality tooling. Ang mga developers na nauunawaan ang parehong AI training side at hardware integration side ay magiging napakahalagang.

3. Ang fundraising velocity ay nagbabago kung ano ang posible para sa Asian startups. Ang $1.2 billion Series B para sa isang kumpanya na public lamang sa tatlong buwan ay isang market signal na ang mga investors ay handang mabilis na kumilos sa infrastructure bets. Ang mga Asian founders na bumubuo sa adjacent spaces — robotics simulation, synthetic data generation para sa physical environments, hardware-software integration platforms — dapat aggressively na nag-pitch ngayon. Ang capital appetite ay malinaw na nandoon.

Sa MonstarX, kami ay sumusubaybay sa convergence ng AI at physical systems nang malapit, dahil direktang nag-shape ito kung ano ang kailangan ng mga developers mula sa isang AI-native development platform. Ang complexity ng pag-integrate ng hardware data streams, pag-manage ng real-time inference pipelines, at pag-connect ng physical sensors sa AI backends ay eksaktong uri ng problema na nangangailangan ng higit pa sa isang magandang IDE. Ito ay nangangailangan ng infrastructure na dinisenyo mula sa ground up para sa class ng application na ito.

Ang XDOF story ay isa ring reminder na ang bilis ay mahalaga. Ang kumpanya ay lumipat mula sa stealth tungo sa Series A tungo sa Series B discussions sa ilalim ng isang taon. Para sa technical founders: ang mga teams na nag-ship nang pinakamabilis, nag-iterate sa real data nang pinakamabilis, at bumuo ng pinakamahigpit na feedback loops sa pagitan ng hardware at software ay magwagi. Iyan ay hindi isang fundraising strategy — ito ay isang engineering strategy.

Mga Pangunahing Takeaway

• Ang XDOF ay nagtataas ng Series B sa $1.2 billion valuation, tatlong buwan matapos ang Series A.
• Ang robot training data ay naging critical infrastructure para sa physical AI deployments sa buong mundo.
• Ang Asia ay ang pinakamahalagang market para sa localized teleoperation data, ngunit karamihan ng infrastructure ay pinamumunuan ng US-founded companies.
• Ang mga developers na nauunawaan ang hardware-AI integration ay magiging extremely valuable sa susunod na wave ng infrastructure building.
• Ang bilis ng execution — hindi lamang fundraising velocity — ay ang competitive advantage na magwagi sa physical AI era.