重點

從隱匿期亮相不到三個月，據報導 XDOF 正在為一輪 B 輪融資進行晚期談判，該輪估值約為 12 億美元。 快速的營收成長——年化接近 5,000 萬美元——在其 7,000 萬美元 A 輪後不久便吸引了投資者的注意。 這家由加州大學伯克利分校研究人員創辦的初創公司，專注於收集與標註現實世界的遠端操控數據以訓練通用機器人，將自己定位為機器人與 AI 實驗室的數據供應夥伴。

情緒分析

• 本文的語氣大致正面且樂觀，強調強勁的成長指標和投資者對 XDOF 的高度興趣。文章突顯具體成就——近期的 A 輪、快速的營收加速以及與研究實驗室的合作——顯示客戶與投資者的信心。提出可能的 12 億美元估值，將敘事框定為在解決一項緊迫產業需求（現實世界機器人訓練數據）的利基市場中的突破性成功。儘管交易條款尚未確定，談判可能改變，但整體情緒仍偏向樂觀且面向未來，關注機會多於風險。

文章內文

XDOF 是一家為機器人訓練建立數據流程與收集系統的初創公司，據報導在隱匿期結束僅數月後，正就一輪 B 輪融資進行深入討論，估值約為 12 億美元。該公司由加州大學伯克利分校研究人員 Philipp Wu（執行長）與 Fred Shentu（技術長）於 2024 年共同創立，今年早些時候憑藉一輪 7,000 萬美元的 A 輪融資吸引了關注，投資者包括 Thrive Capital、Andreessen Horowitz、Lux 與 Spark Capital。熟悉目前談判的消息人士表示，XDOF 飆升的營收軌跡——以年化計算接近 5,000 萬美元——儘管公司原本並不計畫在前一輪之後這麼快募資，仍促使新投資者展開接洽。

有關潛在募資的細節仍不完整。TechCrunch 與其他媒體報導指出，尋求的總金額以及報導中的估值是否包含新資金尚不清楚。條款仍在最終敲定中，且在達成任何協議前可能會改變。XDOF 與報導談判中的主導投資方尚未對此公開評論。

XDOF 的核心主張是建立許多機器人與前沿 AI 實驗室難以自行開發的工具、標註系統與數據收集流程。透過提供針對實體機器人的外包數據供應鏈，公司旨在填補與大型語言模型不同的數據缺口。與能夠從網路上龐大文本語料訓練的 LLM 不同，機器人需要高品質的現實世界感測數據，而此類資料集稀缺。這種稀缺性一直是推進通用機器人系統的一大障礙。

這家初創公司的起源可追溯至 Wu 的博士研究，研究主題為機器人如何從大型資料集中學習。面對大規模數據短缺，Wu 與 Shentu 開發了 GELLO，一套經濟實惠的遠端操控系統，使人類操作者能遠端控制機械手臂以蒐集訓練數據。他們的學術成果發表成為廣泛引用的論文，並為後來商業化發展成為 XDOF 奠定基礎。

投資者將 XDOF 與在實體機器人領域提供資料基礎設施以推動更廣泛 AI 發展的公司如 Scale AI 與 Mercor 相提並論。為了組建其稱為 ABC 的大型精選機器人訓練數據集，XDOF 正與加州大學伯克利分校的 AI 研究實驗室合作。公司結合遠端機器人操控與配戴感測器的人工數據收集者來擷取影像與任務數據，記錄日常活動如疊衣服或壓平紙箱。 這種親身操作的方法旨在建立目前機器人開發者在規模上缺乏的高品質資料集。

在營運面，XDOF 計畫招募並訓練全球的數據收集團隊。職務包括從遠端控制機器人的遠端操作者，以及使用身體配戴感測器來捕捉自然人體動作的自我視角收集者。該初創公司表示已為約 20 家客戶提供服務，其中包括多家從事機器人系統與具身智能研究的前沿 AI 實驗室。

尋求額外資金的舉動反映了市場需求與投資者對可加速機器人發展基礎設施的興趣。其他企業也在嘗試類似策略，包括 Mecka AI 以及擴展至實體數據收集的既有數據標註平台，如 Scale AI 與 Micro1。隨著對具身 AI 的興趣提升，能夠穩定提供大量帶註解現實世界機器人數據的公司，正逐漸成為該領域進展的核心。

對於 XDOF 而言，挑戰在於如何在維持品質與控制成本的同時擴大數據運營。如果報導中的 B 輪以傳聞的估值進行，將凸顯投資者對精選機器人資料集商業潛力的信心。結果也可能顯示出連接實驗室研究與可投入生產的機器人數據基礎設施企業的動能正在增加。

關鍵見解表