XDOF 成立僅三月，正洽談 12 亿美元估值 B 轮融資

XDOF 的業務模式與市場定位

XDOF 由加州大學伯克利分校研究人員 Philipp Wu（CEO）與 Fred Shentu（CTO）於 2024 年共同創立，核心業務是為前沿 AI 實驗室與機器人公司提供真實世界远程操作資料，並搭建配套的資料流水線、採集工具與標註體系。公司將自己定位為機器人產業的外包資料供應鏈，本質上承接了客戶自己難以高效搭建的基礎設施環節。

在融資節奏上，XDOF 於 2026 年 6 月披露 7000 萬美元 A 轮，參與方包含 Thrive Capital、Andreessen Horowitz、Lux 與 Spark Capital。僅僅數月後，公司年化营收接近 5000 萬美元，並已開始與 8VC 洽談 B 轮，估值約 12 亿美元。公司原本並未計畫如此密集地再次融資，是增長曲線吸引了新的投資方主動接洽。截至目前，該轮的具體募資總額與估值口径均未最終敲定。

投資人常用「機器人领域的 Scale AI 或 Mercor」來形容 XDOF，意指其在資料標註與供給環節的角色可與當年推動大模型浪潮的資料服務商相提並論。其商業客戶已擴充至 20 家，其中包含多家前沿 AI 實驗室。XDOF 還與伯克利 AI Research 實驗室合作，發布了名為 ABC 的機器人訓練資料集，公司方面称之為目前規模最大的高品質機器人訓練資料集合。

機器人資料收集的挑戰與機遇

機器人领域的核心瓶颈並非模型本身，而是真實世界訓練資料的匮乏。大語言模型可以直接吸收互聯網上的海量文字，而面向通用智慧的物理機器人缺乏可類比的現成資料集，使得資料採整合為研發鏈條中最難替代的一環。Wu 在讀博期間研究機器人如何從大規模資料中學習時，正是被這一供給缺口所阻碍。

圍繞該痛點，XDOF 的技術路径源自其聯合創始人開發的 GELLO，這是一套低成本远程操作系統，允許操作員远程控制機械臂以產生訓練資料，相關論文在機器人领域產生了持續影響。在此基礎上，公司將远程遥操作與佩戴传感器的採集員相結合，讓操作員一邊折叠衣物、压平纸箱等日常任務，一邊由機器人同步紀錄運動轨迹與狀態資訊。

公司計畫在全球範圍內招募並培訓两類團隊，一類是远程操控機器人的遥操作員，另一類是佩戴體感設備、以第一人称視角捕捉動作資料的採集員。這種「人 + 機器人 + 传感器」的多模態方案旨在同時獲取操作意圖與執行细節，為後續策略學習提供更完整的監督信號。競争對手包含 Mecka AI，以及由大模型資料標註领域横向擴张的 Scale AI 與 Micro1 等。從產業角度看，機器人資料供給仍處於供給紧张、需求快速放大的早期階段，先行建立採集網络與標註管線的公司有機會在未來的通用機器人研發中占據關鍵位置。

XDOF 的技術基礎與研究背景

XDOF 的核心方法論起源於加州大學伯克利分校的一項學術專案 GELLO，由 Philipp Wu 與 Fred Shentu 在讀博期間聯合發起。該專案旨在用低成本方案解決機器人领域長期存在的資料匮乏問題：人類操作員可以通過一個簡化外設远程控制機械臂，進而產生可用於訓練的真實世界動作資料。這套思路最終沉淀為一篇具有影響力的機器人學論文，也直接構成了 XDOF 目前远程操控資料採集系統的技術雏形。

在此基礎上，XDOF 進一步整合了帶在操作員身體上的可穿戴传感器，用以採集第一人称視角下的日常動作，例如折叠衣物、展平纸箱等。两類信號在時間轴上對齊後，能夠同時紀錄機械臂末端轨迹和操作者全身運動模式，從而為下游策略學習提供更丰富的監督信號。XDOF 還計畫在全球範圍內招募並培訓两類採集人員，一類是远程操控機械臂的遥操作員，另一類是佩戴身體传感器完成自然任務的第一人称操作員，這两類岗位的設定直接對應着公司同時向市場提供两類不同模態資料的業務結構。

在資料資產的积累層面，XDOF 與伯克利人工智慧研究實驗室合作，公開了一個名為 ABC 的資料集，並將其定位為「迄今規模最大的高品質機器人訓練資料集合」。這類公開資料集的作用在於降低外部研究者複現相關實驗的門檻，也是 XDOF 在客戶之外建立生態影響的重要抓手。Wu 曾在 6 月的採訪中提到，他讀博時研究機器人如何從大資料集中學習，最大的阻碍正是缺乏可用的大規模資料，這一表述與公司目前的產品方向高度一致。

融資進展與市場估值分析

XDOF 刚刚走出隱身期不到三個月，已經進入 B 轮融資的晚期談判階段。據知情人士透露，本轮由 8VC 领投，目標估值約為 12 亿美元，融資條款尚未最終敲定，融資總額和估值是否包含新增資金均未對外披露。XDOF 和 8VC 在採訪時均未就交易進展發表評論。

在此之前，公司於 2026 年 6 月完成了 7000 萬美元的 A 轮融資，投資方包含 Thrive Capital、Andreessen Horowitz、Lux 和 Spark Capital。按照公司原定節奏，短期內並不打算再次融資，但年化营收接近 5000 萬美元的增長曲線打乱了這一節奏，多家 VC 主動上門，推動了新一轮估值討論。從 A 轮披露到 B 轮談判公開，間隔不到三個月，速度在目前機器人賽道的初創公司中較為少見。

推動估值跃升的並非單纯的預期，而是已經被驗證的現金流。據報道，XDOF 已經在為 20 家客戶供數，其中包含多家前沿 AI 實驗室，這部分收入構成了营收數位的主要支撑。在一級市場，投資者倾向於把 XDOF 與 Scale AI、Mercor 等資料標註公司做横向比較，把其定位為「物理機器人领域的 Scale AI」。這一類比的意義在於，強調 XDOF 解決的是機器人產業中資料供應鏈外包這一結構性問題，而非單纯的算法或硬件創新，因此其估值逻辑更接近資料基礎設施公司的估值框架。

横向來看，同期進入機器人資料採集賽道的玩家還包含 Mecka AI，以及正在從大語言模型資料標註向機器人資料延伸的 Scale AI 和 Micro1。Micro1 在 9 月初完成新一轮融資時估值達到 5 亿美元，Scale AI 则在更早的階段建立起了產業基準。XDOF 在成立不到两年、走出隱身期僅三個月的情況下，洽談估值已顯著超過上述部分可比公司，這一估值跳跃主要由收入兑現速度和資料規模預期共同支撑。

XDOF 的客戶與合作伙伴

XDOF 此前向 TechCrunch 表示，公司目前的合作客戶數量約為 20 家，其中包含若干前沿 AI 實驗室。這類客戶結構意味着 XDOF 的收入並非依赖單一買方，而是分散在多家對機器人訓練資料有持續需求的研究機構與企業之間。能夠同時承接多家前沿實驗室的專案，通常需要資料格式、標註規範以及交付節奏達到一定的標準化程度，否则很難在多個客戶之間重複使用基礎設施。

在合作伙伴層面，XDOF 與加州大學伯克利分校 AI Research lab 合作，共同發布名為 ABC 的資料集。該資料集被公司描述為有史以來規模最大的高品質機器人訓練資料集合之一。這一合作的两端分別是初創公司的工程化資料產線與高校研究機構在算法與評估上的能力，两者在資料規模與學術可信度上形成互補，也使 ABC 在發布時具有一定的第三方背書。

XDOF 也曾公開強調，計畫在全球範圍內招募並培养資料採集團隊，團隊成員既包含远程操控機器人的遥操作員，也包含佩戴身體传感器紀錄動作的自我中心操作員。這種以人力資源網络為核心的服務結構，與單纯的软件授權模式存在明顯差別。

競争格局與產業前景

在面向機器人訓練的真實世界資料採集领域，XDOF 並不是唯一的參與者。Mecka AI 是被點名的同類創業公司之一，業務方向同樣是面向物理機器人收集真實世界資料。除此之外，原本以大語言模型人工資料平台見称的公司也在向機器人方向擴充，Scale AI 與 Micro1 是其中两家被明確提及的代表，其中 Micro1 此前的估值約為 5 亿美元。

這種競争格局呈現出两層結構。一層是聚焦機器人的垂直資料公司，如 XDOF 與 Mecka AI；另一層是從語言模型資料標註擴张而來的綜合平台。两類玩家在客戶、採集方式和標註流程上有所重叠，但在設備投入、動作資料維度以及與機器人硬件棧的耦合度上存在差異。投資者將 XDOF 描述為物理機器人领域的 Scale AI 或 Mercor，正是基於這種類比。

從產業前景來看，物理機器人目前缺乏類似互聯網文字那樣的現成大規模真實世界資料集，這一供給缺口被普遍認為是制約通用機器人研發的關鍵瓶颈。正因為如此，能夠穩定產出高品質訓練資料的供應商在短期內具備一定的議價能力，這也解釋了 XDOF 在結束隱身模式不到三個月、年化营收接近 5000 萬美元的水平下，仍能在估值上獲得快速抬升的市場條件。

XDOF, just three months out of stealth, is in talks for a Series B at a $1.2B valuation的落地取舍

XDOF 這轮 B 轮融資的快速推進，本身就說明了資金端對資料供給環節的判斷發生了顯著變化。距离 6 月 7000 萬美元 A 轮交割僅三個月，公司並未主動開啟新一轮融資，而是由風險投資機構主動接洽，這一順序倒置反映出几件事：其一是 XDOF 在 A 轮之後的几個月內，营收口径已經接近年化 5000 萬美元；其二是資本對"物理機器人领域的 Scale AI 或 Mercor"這一標的稀缺性的認可正在加速兑現。

具體到交易層面，仍有几個尚未敲定的细節會直接影響這一轮融資的最終形態。報道裡寫明 8VC 計畫领投，但融資金額未披露，且 12 亿美元估值是否包含新增資金也不明確。XDOF 與 8VC 在媒體問詢時均未置評，交易條款仍處於可調整狀態。這些未落地的變量意味着最終交割的估值、稀釋比例以及投資人組合都存在改動空間。

從創始團隊對融資節奏的判斷來看，XDOF 此前並未將 B 轮列入短期計畫。Wu 在博士階段的研究受阻於大規模訓練資料的缺失，他和 Shentu 共同搭建了低成本遥操作系統 GELLO，並以此為基礎形成了一篇在機器人领域有影響力的論文。這段研究經歷使得團隊對"資料管道"這一環節的痛點形成了具體認知：與 LLM 可以直接消化互聯網文字不同，物理機器人缺少等價的真實世界資料集，收集環節必須從零搭建。這也解釋了 XDOF 選擇把業務定位在資料採集工具、注釋系統以及外包式資料供應鏈上的原因。

在執行層面，XDOF 的做法是把远程遥操作與佩戴身體传感器的採集員結合，前者负責远程操控機械臂，後者通過第一視角紀錄叠衣服、压平纸箱等日常任務。两類採集員都需要經過專門培訓，公司計畫在全球範圍內成建制地招聘並組建採集團隊。客戶一侧，公司此前已披露與 20 家客戶合作，其中包含若干前沿 AI 實驗室。配合 UC Berkeley AI Research Lab 發布的 ABC 資料集，XDOF 試圖把"採集規模"和"資料品質"两個維度同時推到產業裡靠前的位置。

值得指出的是，這轮融資的快速落地並不是孤立事件。競争一侧，Mecka AI 同樣在做真實世界機器人資料採集，Scale AI 與 Micro1 等原本服務於 LLM 的人類資料平台也在向物理機器人方向延伸。多方同時涌入同一個環節，反過來強化了 XDOF 的窗口期判斷，也給後續轮次留下了可比的定價锚點。