XDOF成立仅三个月即启动B轮融资,估值达12亿美元

XDOF成立仅三个月即启动B轮融资,估值达12亿美元。这家由加州大学伯克利分校研究员创办的机器人训练数据初创公司正在进行后期融资谈判。

Share
Editorial illustration: A stark contract or term sheet laid flat on a desk, partially signed, with a pen positioned at the e — MonstarX

XDOF成立仅三个月即启动B轮融资,估值达12亿美元

三个月。这就是XDOF从隐身模式跃升到独角兽阵营所用的时间。这家由两位加州大学伯克利分校研究员创办的机器人训练数据初创公司,目前正在进行B轮融资的后期谈判,融资规模约为12亿美元,由8VC领投。对于那些关注AI基础设施投资步伐的人来说,XDOF成立仅三个月即启动B轮融资,正在成为近年来最快的从隐身到独角兽的故事之一。其影响远超硅谷范围。

注:原始文章在撰写时因Cloudflare验证墙而部分无法访问。以下事实来自Marina Temkin在TechCrunch上的报道中可获取的部分。如有推断或额外分析,我们会明确标注。

发生了什么

XDOF由Philipp Wu(首席执行官)和Fred Shentu(首席技术官)在2024年共同创办,两人都是加州大学伯克利分校的研究员。公司的核心业务是收集真实世界的遥操作数据——这是那种混乱、物理性强、难以伪造的训练数据,正是通用机器人学习如何在现实世界中运作所需的。这不是光鲜的工作。它涉及人类操作员手动引导机械臂完成任务,生成AI模型随后学习的标记运动数据。但事实证明,这种不起眼的工作正是机器人行业目前急需的。

2026年6月,TechCrunch报道了XDOF的7000万美元A轮融资,投资方包括一众顶级风险投资机构:Thrive Capital、Andreessen Horowitz、Lux Capital和Spark Capital。那一轮本身就很值得关注。现在,仅仅不到三个月后,该公司据报正在进行由8VC领投、估值约为12亿美元的B轮融资后期谈判。

从时间线来看:大多数初创公司在A轮和B轮之间需要12到18个月。XDOF似乎在不到一个季度内完成了这一过程。这种速度清楚地传递了一个信号——投资者相信机器人训练数据市场不是未来的机遇。这是当下的机遇,而拥有基础设施层的窗口正在迅速关闭。

该公司的模式本质上是一个物理世界的数据工厂。随着类人机器人和通用机器人从实验室演示转向在亚洲及其他地区的仓库、医院和制造车间的实际部署,瓶颈已不再是硬件。而是训练数据。XDOF正在定位自己为大规模解决这一瓶颈的公司。

为什么这对亚洲很重要

亚洲在这个故事中不是被动的旁观者。它可以说是XDOF正在构建的内容最重要的市场。

中国、日本、韩国以及越来越多的东南亚国家都在以工业规模加速机器人采用。仅中国就已宣布到2030年成为全球领先机器人制造商的国家雄心,并有重大政府投资支持这一目标。日本老龄化的劳动力使自动化不仅在经济上具有吸引力,而且在社会上也很必要。韩国的大企业集团正在物流和半导体制造领域部署机器人,其速度即使在五年前也会显得激进。

所有这些部署都有一个共同点:它们对训练数据的需求旺盛。在德国汽车制造厂运行的机械臂不会自动适用于台湾电子工厂或越南服装设施。物理环境、被操纵的物体、光照条件、任务序列——所有这些都不同。这意味着对本地化、真实世界遥操作数据的需求巨大,且在很大程度上未被满足。

分析:XDOF的12亿美元估值(如果确认)发出了一个市场信号,即物理AI的数据基础设施被估值与软件AI基础设施相当。这是一个重大转变。对于硬件制造、机器人供应链和AI研究已深度交织的亚洲科技生态系统来说,这既创造了竞争机遇,也提出了战略问题:谁拥有亚洲机器人部署的数据层?

XDOF的支持者包括在亚洲有深厚业务的公司(Andreessen Horowitz在日本和东南亚很活跃;Thrive正在扩展其亚洲战略),这一事实表明投资者已经看到了这一投资中蕴含的地理机遇。一家能够在多样化的亚洲工业环境中收集和标准化遥操作数据的初创公司将拥有一条很难快速复制的防护壕沟。

对于亚洲关注这一轮融资的创始人和开发者来说:为物理AI构建数据基础设施层的竞赛已经开始。而现在,它似乎主要由美国成立的公司和美国风险投资支持运行。这一差距值得注意。

这对开发者意味着什么

如果你是亚洲的开发者或技术创始人,XDOF的轨迹揭示了一些值得关注的具体事项。

1. 物理-数字界面是AI工具的下一个前沿。今天的大多数开发者工具围绕软件构建——API、语言模型、代码生成、结构化和非结构化文本的数据管道。XDOF提醒我们,下一波AI基础设施是关于物理世界的:传感器融合、动作捕捉、实时遥操作,以及将所有这些转化为可用训练数据的管道。如果你在构建开发者工具,这是白空扩展的地方。

2. 数据收集是一个工程问题,而不仅仅是物流问题。XDOF的核心技术挑战不仅仅是"让人类操作机器人"。它是构建软件系统,以AI训练管道实际能够使用的方式捕获、标记、验证和格式化该数据。这涉及实时流架构、低延迟控制系统和强大的数据质量工具。理解AI训练端和硬件集成端的开发者将极其宝贵。

3. 融资速度改变了亚洲初创公司的可能性。一家成立三个月的公司获得12亿美元B轮融资是一个市场信号,表明投资者愿意在基础设施投资上迅速行动。在相邻领域构建的亚洲创始人——机器人模拟、物理环境合成数据生成、硬件-软件集成平台——应该立即积极融资。资本胃口显然很大。

在MonstarX,我们一直密切关注AI和物理系统的融合,因为它直接影响开发者从AI原生开发平台需要什么。集成硬件数据流、管理实时推理管道以及将物理传感器连接到AI后端的复杂性正是需要不仅仅是好的IDE的那类问题。它需要从头开始为这类应用设计的基础设施。

XDOF的故事也是一个提醒,速度很重要。该公司在不到一年的时间内从隐身模式转向A轮再到B轮融资讨论。对于技术创始人来说:最快交付、最快在真实数据上迭代、以及构建硬件和软件之间最紧密反馈循环的团队将获胜。这不是融资策略——这是工程策略。

关键要点

  • XDOF正在进行B轮融资,估值约12亿美元,由8VC领投
  • 融资速度非同寻常——从A轮到B轮谈判不到三个月
  • 市场信号很清晰:物理AI数据基础设施被视为关键基础设施层
  • 亚洲是关键市场,但目前由美国初创公司主导
  • 对开发者的启示:物理-数字集成、实时数据管道和硬件-AI融合是下一个前沿