Axis Robotics宣布完成1200万美元种子轮融资，由Hack VC领投，Nomad Capital、Pi Network Ventures、10K Ventures及多位天使投资人参投。公司定位为“加速物理智能（Physical AI）的复利数据引擎”，本轮资金将用于加速搭建其大规模并行、人机协同的全球数据引擎。
这套数据引擎直指物理智能发展中的“最大痛点”——如何以可扩展方式持续生产结构化、高多样性的机器人训练数据。
破解物理智能的数据瓶颈
相比可依托互联网海量文本训练、规模可达万亿级token的大语言模型，物理智能（Physical AI）面临三大先天劣势：高质量数据极度稀缺、跨场景泛化能力不足，以及机器人硬件形态高度碎片化导致的“具身差异”。
Axis Robotics创始人Chris表示：“物理智能需要的不只是几百万条，而是数十亿级的人与物理世界交互运动轨迹。过去行业一直缺乏一套高效、可无限扩展的混合数据生产体系，来支撑模型快速、持续迭代——这正是Axis所构建的：一套复利式数据引擎。”
Axis如何赋能通用机器人智能
Axis自研的“复利数据引擎”提供了一条端到端数据生产与训练流水线，打通了任务生成、数据采集、持续训练与优化四个关键环节：
Task Gen Engine任务生成引擎：通过对物体、空间布局、视觉元素、机器人形态及语义目标等多维度随机化，自动生成指数级丰富的“原子级”机器人任务，将多样性嵌入每一条数据轨迹。
浏览器端仿真远程操控平台：号称业内首个完全基于Web的机器人仿真遥操作界面，使任何人都可远程生成高质量机器人运动轨迹。相较传统实验室采集方式，Axis平台吞吐量提升约10倍，并无缝集成人类门控的DAgger（Dataset Aggregation）干预闭环，持续修正和优化机器人策略。
Ego Data移动端采集App：将现实世界数据获取从昂贵、重硬件配置的实验装置，迁移到零门槛的手机应用。通过将最新实时手部姿态追踪技术与全球众包劳动力结合，Axis能够在全球范围内把人类视觉与灵巧度转化为可用于机器人学习的运动数据。
数据处理管线：自动完成轨迹清洗、域随机化及密集语言标注，生成可直接用于训练的多模态数据集，数据质量相较传统流程提升逾10倍。
在这一统一架构下，Axis形成了自我增强的“飞轮效应”：真实或仿真环境中失败的机器人轨迹会触发人类纠偏介入，相关修正再反馈进训练体系，逐步扩大对长尾边界场景的覆盖，使智能水平随数据体量增长呈复利积累。
结构性护城河：纵向一体化多样性引擎与全球贡献者网络
Axis的核心优势在于：以统一平台覆盖整个物理智能生命周期。与传统割裂式工具链不同，Axis自下而上搭建了一套纵向一体化引擎，将大规模分布式预训练数据采集，与训练后阶段实时、由人类门控的DAgger式数据聚合紧密联通。
针对“多样性”这一基础能力，Axis自研的任务生成引擎可对物体布局、光照、相机位姿、物理属性、机器人形态等进行系统性随机化，自动生成近乎无穷的独特场景与操作任务，输出具备强泛化能力的训练数据。
为在“基础模型”级别上供给多样化数据，Axis已搭建起一套全球机器人数据基础设施，拥有逾10万名活跃贡献者，人均日均提交频次在3至4次之间，在确保产能的同时最大化覆盖度与多样性。目前，公司每月可生成超过1200小时的仿真数据，以及2万小时以上、涵盖多元场景的真实世界“ego-centric”数据。
Axis近期发布了Sim Dataset V1，基准测试验证“工程化多样性”带来的可量化性能提升。在LIBERO-Plus基准上，使用Axis全量多样化数据预训练的π0.5模型，整体成功率提升4.9个百分点，相较数据量匹配的RoboCasa365基线高出31.3个百分点，在布局泛化、传感器噪声鲁棒性及机器人姿态鲁棒性方面均取得显著优势。这一差距说明，Axis的优势并非简单来自数据规模，而是源于其独有的多样性生产管线。
商业化落地与生态合作
Axis Robotics正加速推动高质量训练数据在真实业务场景中的商业化应用。公司向机器人本体厂商、物理智能模型公司以及工业自动化龙头提供高度订制化的“任务包”（Task Packages），以匹配不同硬件形态与业务需求。
目前，Axis已与多家企业建立首批商业合作关系，其中包括Booster Robotics、Manycore Tech、Feagine Robotics、Dexmal、Lotus Car、Geely Auto、SomaStacks等，充分反映出市场对可扩展、高保真机器人训练数据的迫切需求。
重塑“通用物理智能”的数据底座
Chris指出：“物理智能的未来取决于模型与数据之间的深度共生。静态数据集无法支撑通用机器人智能，真正的解法是一台‘复利数据引擎’——一套将全球贡献者网络与模型持续迭代深度耦合的纵向一体化系统。每一条多样化轨迹、每一次人类纠偏，都会加速模型进化，驱动智能飞轮越转越快。”
Axis团队由来自UC Berkeley、卡内基梅隆大学（Carnegie Mellon University）、佐治亚理工（Georgia Tech）、南洋理工大学（NTU）、上海交通大学（SJTU）等顶尖院校的AI与机器人研究者，以及曾将消费级产品用户规模推高至3000万以上的增长专家组成，技术与增长基因兼具。
随着本轮由Hack VC领投的1200万美元资金到位，Axis Robotics计划进一步增强其程序化任务与场景生成能力，扩张全球分布式贡献者网络，巩固其作为“物理智能时代关键数据引擎”的市场地位。