Если передовые большие языковые модели масштабировались за счет парсинга открытого интернета, то воплощенный ИИ (embodied AI) уперся в жесткий физический барьер: для манипуляций в реальном мире просто не существует цифрового следа. Этот структурный дефицит превратил данные телеуправления в самое узкое горлышко инфраструктуры машинного обучения. Стартап XDOF, основанный в 2024 году робототехниками из Калифорнийского университета в Беркли Филиппом Ву и Фредом Шенту для сбора реальных операционных датасетов, закрывает раунд серии B с оценкой около $1,2 млрд под руководством фонда 8VC.
Инвестиции следуют за раундом серии A на $70 млн, закрытым в июне при участии Thrive Capital, Andreessen Horowitz, Lux Capital и Spark Capital. Руководство не планировало спешить с новым фандрейзингом, но стремительный рост годовой регулярной выручки (ARR), приблизившейся к $50 млн, вызвал волну предложений от венчурных фондов, стремящихся занять позицию в цепочке поставок данных из физического мира.
Академические корни и глобальные операции
Ву столкнулся с нехваткой данных во время работы над докторской диссертацией по алгоритмам обучения роботов: прогресс постоянно буксовал из-за отсутствия масштабных демонстраций в реальности. Это привело к партнерству с Шенту (ныне технический директор) и созданию GELLO — недорогого телеоперационного интерфейса с открытым исходным кодом, который позволяет людям-операторам управлять манипуляторами и записывать точные траектории движений.
«Крупномасштабных данных о физических манипуляциях просто не существовало».
Сегодня эта исследовательская база легла в основу аутсорсингового пайплайна данных для разработчиков робототехники и создателей базовых моделей. XDOF собирает данные о движениях, комбинируя телеуправляемые манипуляторы и работу операторов в нательных сенсорных костюмах, выполняющих рутинные задачи — от складывания текстиля до упаковки на складах. Операционная модель держится на глобальной сети распределенных хабов, где живые операторы работают в тандеме с эгоцентрическими сенсорными комплексами.
Масштаб датасетов и рыночная конкуренция
Совместно с исследовательской лабораторией BAIR стартап готовит к релизу проект ABC, который позиционируется как крупнейший на сегодняшний день высокоточный датасет манипуляций. Инвесторы уже называют XDOF «Scale AI в сфере воплощенной автономии».
Тем не менее оценка операционно тяжелого бизнеса, завязанного на ручной труд, по мультипликаторам софтверных компаний несет серьезные риски исполнения. В отличие от синтетических симуляций, масштабируемых вычислительными мощностями, физический сбор данных упирается в стоимость рабочей силы и закупки оборудования. Для корпоративных клиентов высокая стоимость таких датасетов неизбежно окажет давление на юнит-экономику, заставляя сопоставлять капитальные затраты на данные с долгосрочной окупаемостью автоматизации.