机器人数据新贵XDOF：隐身三个月估值12亿美元，AI数据供应链成投资热点

在人工智能领域，数据的重要性早已不言而喻。当大语言模型（LLM）通过互联网海量文本完成训练后，一个关键瓶颈浮出水面：物理世界的机器人，缺乏类似互联网规模的现实数据可供学习。这一空白正催生出一条全新的数据供应链赛道，而刚从隐身模式中走出不到三个月的初创公司XDOF，正成为这条赛道上最炙手可热的玩家。

从实验室研究到数据基础设施的跨越

XDOF的故事始于加州大学伯克利分校（UC Berkeley）的实验室。联合创始人兼CEO Philipp Wu在攻读博士学位期间，主要研究机器人如何从大型数据集中学习。他很快意识到，阻碍研究进展的最大障碍并非算法，而是缺乏大规模的现实世界数据。为此，他与CTO Fred Shentu合作开发了GELLO系统，一个低成本的远程操作平台，允许人类操作员远程操控机械臂，以此生成训练数据。这项研究工作最终发表了一篇颇具影响力的机器人学论文，也为XDOF的创立奠定了技术根基。

从技术路径来看，XDOF并非直接制造机器人，而是为前沿AI实验室和机器人公司构建难以自行搭建的数据管道、采集工具和标注系统。其角色类似于机器人产业的"数据外包供应链"，这种定位让投资者将其视为"物理机器人领域的Scale AI"。Scale AI等数据标注巨头曾为AI热潮提供了关键燃料，而XDOF希望将这种模式复制到具身智能（Embodied AI）领域。

资本追逐下的快速成长

据多位知情人士透露，XDOF目前正与风险投资公司8VC领投的机构进行B轮融资的后期谈判，估值约为12亿美元。值得注意的是，该公司在2024年6月才完成由Thrive Capital、Andreessen Horowitz、Lux和Spark Capital参与的7000万美元A轮融资。按常理，如此短的时间内再次融资并不常见，但XDOF的年化收入已接近5000万美元，这种爆发式增长吸引了VC主动接触。需要指出的是，本轮融资的具体金额以及估值是否包含新增资金尚不明确，交易条款也可能发生变化。截至发稿，XDOF和8VC均未回应置评请求。

数据采集的双轨模式与ABC数据集

为了解决机器人训练数据稀缺的难题，XDOF采用了双轨数据采集模式。一方面，通过远程机器人遥操作技术，让操作员在远端控制机器人执行任务；另一方面，雇佣佩戴传感器的采集人员，记录折叠衣物、压平纸箱等日常活动的人类动作数据。这种"遥操作+第一人称穿戴传感"的组合，能够捕捉到更丰富、更贴近真实世界的操作细节。

在数据规模上，XDOF正与UC Berkeley的AI研究实验室合作，计划发布据称是迄今最大规模的高质量机器人训练数据集，名为ABC。该数据集有望成为具身智能研究社区的重要公共资源。公司还计划在全球范围内招募和培训数据采集团队，包括远程操控机器人的遥操作员和佩戴身体传感器捕捉动作数据的操作员。此前，XDOF曾向TechCrunch披露，其已与20个客户展开合作，其中不乏几家前沿AI实验室。

竞争格局与数据瓶颈的突围

XDOF所处的赛道正变得日益拥挤。其他尝试为机器人训练采集现实世界数据的初创公司包括Mecka AI，以及从LLM领域扩张到人类数据平台的Scale AI和Micro1。这些玩家的共同逻辑是：通用机器人的发展速度，将在很大程度上取决于能否建立起高效、高质量的现实数据供给体系。

与大语言模型最初可以利用整个互联网作为训练语料不同，物理机器人没有现成的"现实世界数据集"可供下载。每一组机器人操作数据都需要通过真实的传感器、真实的机械臂和真实的人类演示来获取，这使得数据采集成为构建通用机器人的关键瓶颈。XDOF及其竞争对手的探索，本质上是在为即将到来的具身智能时代铺设"数据铁路"。

国内视角：具身智能数据赛道的追赶者

XDOF的崛起路径，与国内具身智能数据领域的发展有诸多可对照之处。国内科技巨头如百度（文心一言背后的AI布局）、阿里巴巴（通义千问的生态延伸）以及DeepSeek、智谱AI等公司，都在大模型领域投入重兵，而具身智能数据的积累也逐渐成为关注焦点。例如，智谱AI推出的CogAgent等模型已在多模态理解上取得进展，但物理世界操作数据的采集仍是短板。相比之下，国内一些创业公司如星尘智能（Stardust AI）等，也在探索通过遥操作和人类演示数据来训练机器人。值得注意的是，国内在数据采集的成本控制和制造业场景落地方面具备独特优势，未来有望形成差异化竞争路径。

投资逻辑与未来展望

从A轮到B轮仅隔数月，XDOF的估值跳跃折射出资本对具身智能基础设施的强烈兴趣。在AI投资逐步从模型层向数据层、算力层和应用层扩散的背景下，像XDOF这样卡位"数据供给"关键环节的公司，其战略价值正被重新评估。年化收入接近5000万美元的速度表明，前沿AI实验室和机器人公司对高质量现实数据的付费意愿极为强烈。

当然，这一赛道也面临显著挑战。数据采集的规模化意味着高昂的人力成本，如何通过技术手段（如更高效的遥操作界面、自动化标注工具）降低边际成本，将是决定XDOF能否持续领跑的关键。此外，随着越来越多的玩家涌入，数据质量和数据多样性将成为差异化竞争的核心壁垒。XDOF能否真正成为"机器人的Scale AI"，不仅取决于其融资速度和估值数字，更取决于其能否构建起竞争对手难以复制的数据飞轮效应。

常见问题

XDOF是做什么的公司？

XDOF是一家专注于为通用机器人训练采集现实世界遥操作数据的初创公司，由UC Berkeley研究人员于2024年创立。它不直接制造机器人，而是为前沿AI实验室和机器人公司提供数据管道、采集工具和标注系统，相当于机器人产业的数据供应链服务商。

XDOF的B轮融资情况如何？

据知情人士透露，XDOF正在与8VC领投的机构进行B轮融资后期谈判，估值约为12亿美元。该公司在2024年6月刚完成7000万美元A轮融资，但由于年化收入快速逼近5000万美元，吸引了VC主动接洽。目前交易条款尚未最终确定。

什么是ABC数据集？

ABC数据集是XDOF与UC Berkeley AI研究实验室合作发布的机器人训练数据集，据称是迄今最大规模的高质量机器人训练数据集合。该数据集旨在为具身智能研究提供关键公共资源，缓解物理机器人缺乏大规模现实世界训练数据的瓶颈。

XDOF如何采集机器人训练数据？

XDOF采用双轨模式：一是远程机器人遥操作，由操作员远程操控机械臂执行任务；二是雇佣佩戴身体传感器的采集人员记录日常活动动作数据。公司计划在全球范围内组建和培训数据采集团队。

国内有哪些类似XDOF的数据采集公司？

国内在具身智能数据领域尚处于早期阶段，但已有一些创业公司在探索类似方向，如星尘智能等。同时，百度、阿里巴巴等大厂也在布局具身智能相关技术，但在物理世界数据采集的规模化方面，国内生态与XDOF的模式仍有差异，未来可能在制造业场景落地方面形成特色。

参考TechCrunch 原文报道、UC Berkeley AI Research Lab、Scale AI 官网

关于 Bingdada

Bingdada 是一个专注 SEO、GEO（生成式引擎优化）与 AEO（答案引擎优化）的内容平台，由资深内容编辑、SEO 技术工程师与 AI 研究专家组成的团队持续运营。我们追踪搜索引擎与生成式 AI 的最新动态，为读者提供准确、实用、可落地的方法论与行业洞察。

编辑团队：内容策划 · 技术编辑 · AI 研究组
网站：bingdada.com

© 2026 Bingdada. 保留所有权利。