加速實體 AI 發展的複利數據引擎平台 Axis Robotics 宣布，已完成 1,200 萬美元種子輪融資。 是次融資由 Hack VC 領投，Nomad Capital、Pi Network Ventures、10K Ventures 及多名天使投資者參與。
是次資金將加快 Axis 推進其核心使命：搭建一個大規模並行、有人類參與的人機協作全球數據引擎， 針對實體 AI 最大痛點——如何在規模化前提下，持續生產結構化且高度多元的機械人訓練數據。
破解實體 AI 的數據瓶頸
生成式語言模型可以依賴互聯網上數以兆計的既有文字數據擴展規模， 但實體 AI 則面對三大結構性障礙：數據極度稀缺、泛化能力不足，以及不同機械人硬件之間的「具身分裂」。
Axis Robotics 創辦人 Chris 表示：「實體 AI 需要的是以十億級計的人機物理互動軌跡。 多年來行業一直欠缺一套高效、可無限擴展的混合數據生產系統，去支撐模型快速反覆迭代—— Axis 打造的，正是一套複利數據引擎，專門為此而設。」
Axis 如何賦能通用機械人智能
Axis 自主研發的「複利數據引擎」，提供由上游到下游的一體化工作流， 覆蓋任務生成、數據採集、持續模型訓練及優化：
Task Gen Engine 任務生成引擎：
透過在物件種類、空間佈局、視覺風格、機械人體態及語義等層面進行大規模隨機化，
自動生成指數級增長的「原子級」機械人任務，將多樣性嵌入每條數據軌跡。
瀏覽器端模擬遙操作平台：
全球首個純網頁界面遙操作系統，讓任何人都可遠程產出高質素機械人運動軌跡。
該平台吞吐量較傳統實驗室採集方式提升約 10 倍，並無縫整合人類把關的 DAgger
（Dataset Aggregation）干預迴圈，不斷修正及優化機械人策略。
Ego Data 手機數據採集 App：
將現實世界數據採集，從昂貴且硬件密集的場景，轉移到「零門檻」的手機應用。
App 結合業界最先進的即時手勢追蹤技術及全球勞動力，
把人類視覺與手部靈巧度，轉譯為可大規模擴展的機械人運動數據。
數據處理流水線：
自動完成運動軌跡清洗、領域隨機化及高密度語言標註，
生成可直接用於模型訓練的多模態數據集，整體數據質量提升超過 10 倍。
這套統一架構形成一個自我強化的「飛輪」：實體或模擬部署中出現的失敗軌跡， 會觸發人類即時介入修正；修正結果再回流訓練，擴展各種極端情境的覆蓋範圍， 隨著數據體量累積，智能表現呈複利增長。
Axis 的護城河：垂直整合多樣性引擎與全球貢獻者網絡
Axis 的關鍵優勢，在於其橫跨整個實體 AI 生命週期的統一平台。 不同於傳統分散式方案，Axis 打造的是一套垂直整合的數據引擎， 同時覆蓋：前期的大規模分佈式預訓練數據收集，以及後期實時人類把關的 DAgger 式數據聚合。
為原生支援數據多樣性，Axis 的專有任務生成引擎會在物件擺位、光照條件、鏡頭角度、 物理屬性及機械人形態等多個維度進行隨機化， 持續產出近乎無窮盡的獨特場景及操作任務，輸出具高泛化能力的訓練數據。
為在「基礎模型級別」上供應多元數據，Axis 已搭建一套全球機械人數據基建， 目前擁有逾 10 萬名活躍貢獻者，人均每日提交約 3 至 4 次數據， 兼顧生產效率與覆蓋廣度。現時 Axis 每月可生成超過 1,200 小時模擬數據， 以及 20,000 小時以上、涵蓋各類場景的現實世界「自我視角」數據。
Axis 早前推出 Sim Dataset V1，基準測試結果顯示， 精心設計的多樣性帶來可量化的性能提升。 在 LIBERO-Plus 任務上，以 Axis 全面多樣化數據預訓練的 π0.5 模型， 整體成功率較自身基線提升 4.9 個百分點， 比同樣數量級的 RoboCasa365 基準數據更高出 31.3 個百分點， 並在場景佈局泛化、感測器噪音抗干擾性及機械人姿態穩健性等多項指標上錄得改善。 結果顯示，Axis 的優勢源自其專有的多樣性流水線，而不只單純擴大數據規模。
商業化進程與策略合作
Axis Robotics 正加速把高質素訓練數據落地到實際應用場景， 目前已向機械人硬件製造商、實體 AI 模型公司及工業自動化龍頭， 提供按需定制的「Task Packages 任務包」。
公司已與多家企業建立初步商業合作，包括 Booster Robotics、Manycore Tech、 Feagine Robotics、Dexmal、Lotus Car、Geely Auto、SomaStacks 等， 反映市場對可規模化、高保真機械人訓練數據的即時需求。
重塑通用實體智能
Chris 指出：「實體 AI 的未來，取決於模型與數據之間能否形成深度共生關係。 靜態數據集無法支撐通用機械人智能。真正具優勢的方案， 是一套複利數據引擎——透過垂直整合系統，把全球貢獻者網絡與模型的持續迭代緊密連結。 每一條多元軌跡及每一次人類修正，都是推動模型加速進化的燃料， 構成自我增強的智能飛輪。」
Axis 團隊匯聚來自 UC Berkeley、Carnegie Mellon University、 Georgia Tech、南洋理工大學（NTU）及上海交通大學（SJTU）等頂尖院校的 AI 與機械人學術人才，同時亦吸納曾把消費級產品推向 3,000 多萬全球用戶的增長專才。
在 Hack VC 領投的今次 1,200 萬美元融資支持下， Axis Robotics 將進一步強化其程序化任務生成能力， 擴展分佈式貢獻者網絡規模，鞏固其作為「未來實體 AI 核心數據引擎」的市場定位。