隐身不到三月估值飙至12亿美元，XDOF欲做机器人界的“数据基建商”

【科技24时区】当人形机器人在真实的半程马拉松赛道上与人类选手并肩奔跑，并且最终以超越人类世界纪录的50分26秒完赛，这已经不是科幻电影中的场景了。而在一年前的同样比赛中，我们还在嘲笑机器人跑步像“醉汉”，短短一年时间机器人进步速度之快，令人咋舌。其背后所展现的技术突破，远比比赛本身更具深远意义。尤其值得关注的是，2026北京人形机器人半程马拉松比赛，参赛队伍总数超过100支，近四成队伍搭载自主导航技术，智能化水平显著提升，这更是5G-A（5G-Advanced）网络技术在高速移动、高并发、高可靠场景下，对具身智能产业提供支撑的一次关键性验证。5G-A网络：具身智能的“云端运动神经”具身智能机器人要实现真正的自主化，其核心瓶颈往往不在于本体的机械结构，而在于数据流的实时性与可靠性。一台人形机器人在奔跑过程中，需要实时处理海量的激光雷达、视觉摄像头、IMU等传感器数据，并进行毫秒级的决策。这对于本体的算力与能耗是巨大的挑战，因此云、端协同是当下的最优选择。

这种对底层基础设施的渴求，正在资本市场上引发连锁反应。据多位知情人士透露，专注于收集真实世界遥操作数据以训练通用机器人的初创公司XDOF，在结束隐身模式不到三个月后，正由8VC领投进行B轮融资谈判，估值已达约12亿美元。这一消息若属实，意味着这家成立于2024年的年轻公司，正以惊人的速度跻身独角兽行列。

XDOF由加州大学伯克利分校的研究人员Philipp Wu（现任CEO）和Fred Shentu（现任CTO）联合创立。早在今年6月，TechCrunch曾报道该公司完成了7000万美元的A轮融资，投资方阵容豪华，包括Thrive Capital、Andreessen Horowitz、Lux以及Spark Capital。按理说，刚完成大额融资的公司通常会有一段消化期，但XDOF显然打破了常规。

为何如此急切？答案藏在业绩里。知情人士指出，尽管XDOF原本并未计划在A轮后迅速启动新一轮融资，但其年化收入已逼近5000万美元的高速增长态势，让风险投资机构主动找上门来。不过，目前尚不清楚本轮具体融资金额，也不确定12亿美元的估值是否包含新注入的资金。交易条款尚未最终敲定，仍存在变数。截至发稿，XDOF和8VC均未回应置评请求。

从某种角度看，XDOF的商业逻辑并不复杂，却直击行业痛点。它旨在构建前沿AI实验室和机器人公司难以独立搭建的数据管道、采集工具及标注系统，实质上充当了机器人行业的“外包数据供应链”。这与Scale AI或Mercor在语言模型领域的角色类似——后者通过数据标注巨头身份助推了AI热潮，而XDOF则试图成为物理世界机器人的“数据基建商”。

与大语言模型（LLM）初期可以抓取整个互联网文本不同，物理机器人缺乏现成的、大规模的真实世界数据集可供训练。这使得数据采集成为打造通用型机器的关键瓶颈。Philipp Wu在攻读博士期间研究机器人如何从大数据集中学习时，就曾深受“缺乏大规模可用数据”之苦。为此，他与Shentu合作开发了名为GELLO的低成本遥操作系统，允许人类操作员远程控制机械臂以生成训练数据。这项研究成果后来发表了一篇极具影响力的机器人学论文，也构成了XDOF的技术基石。

为了填补这一空白，XDOF正与加州大学伯克利分校AI研究实验室合作，发布其认为有史以来规模最大的高质量机器人训练数据集——ABC。数据采集方式颇具匠心：结合远程机器人遥操作与佩戴传感器的人类采集员，记录折叠衣物、压平纸箱等日常任务。未来，XDOF计划在全球范围内招聘并培训数据采集团队，包括远程操控机器人的操作员，以及佩戴身体传感器捕捉动作数据的“自我中心视角”操作员。

目前，XDOF已与20家客户展开合作，其中不乏几家前沿AI实验室。当然，赛道并非只有XDOF一家独大。Mecka AI等初创公司也在尝试为机器人训练收集真实世界数据；与此同时，Scale AI和Micro1等原本服务于LLM的人类数据平台，也正将业务触角延伸至物理机器人领域。在这场关于“谁能为机器人提供最好教材”的竞争中，XDOF凭借先发优势和学术背景，似乎已抢占了有利身位。