作者：Zen，PANews
过去一年，机器人/Physical AI数据从一个相对隐蔽的基础设施环节，迅速变成战情焦灼新赛道，资本正以惊人的速度涌入这个被称为具身智能“卖铲人”的赛道。
这种升温在国内尤其明显。仅2026年上半年，25家中国具身智能数据创业公司就合计获得超过170亿元融资。其中，光轮智能年内连续完成多轮大额融资；由智元机器人孵化的数据公司觅蜂科技也在成立后迅速筹集到数亿元资金。
在海外市场，一批专门围绕机器人训练数据成立的初创公司也开始露头。XDOF在今年6月宣布完成7000万美元融资；7月底，Axis Robotics完成由Hack VC领投的1200万美元种子轮融资。
Axis将自身定位为“Physical AI数据引擎”，目前以分布式贡献者网络和网页端仿真数据采集为重要切入点，并继续向第一人称视角、模型后训练等数据形态扩展，已经通过浏览器遥操作收集超220万条机器人轨迹数据，累计数据时长达28000小时。
不过，尽管资本已经充分进入，机器人数据仍是一个快速变化且远未定型的市场。从数据需求最终会达到怎样的规模，到真机、仿真和第一人称视角等不同路线如何取舍，再到数据公司能否形成可持续的商业模式，许多关键问题仍处于探索阶段。
围绕这些问题，以及Axis自身的数据生产模式、技术路线和未来发展规划，PANews与Axis Robotics创始人Chris Feng展开了一次对话。
Physical AI时代的数据缺口
Chris并非从机器人本体或算法起家，而是从咨询、投资和数据基础设施一路进入机器人数据赛道。
真正让他决定进入机器人领域的，是进入Physical AI时代后显现的巨量数据缺口。
“以GPT-3为参照，其训练需要约为1500万小时的人类互联网数据。”Chris表示，而机器人需要处理的物理世界远比数字世界复杂，不仅需要识别和逻辑的能力，还要理解空间、动作、物体状态以及动作之后会发生什么变化。
因此，如果机器人领域要迎来自己的“GPT时刻”，所需要的数据可能达到1亿小时甚至更高量级。而除了数据规模的明显差异外，两者的数据基础更是完全不能相提并论。
在大语言模型出现以前，互联网已经发展了数十年。各种网页、书籍、论坛、代码库以及大量数字内容，在长期积累中形成了天然的数据资源。
而现实世界中的人类行为却没有经历类似的系统记录过程，人们每天都在做饭、整理物品、操作工具，但这些行为很少被连续记录，更没有被大规模转化为能够直接用于机器人训练的标准化数据。
随着VLA模型、世界模型等技术发展，机器人模型公司开始成为这类数据最直接的需求方，一些机器人本体公司也在同步建设模型和数据能力。与此同时，机器人形态本身也在快速分化，从人形机器人、机械臂到针对工业和服务场景设计的专用设备，不同模型和本体又进一步产生了差异化的数据需求。
当需求规模不断扩大后，传统的数据生产方式很快暴露出局限性。
早期机器人公司通常依靠真机遥操作，由人工直接控制机器人完成任务，再记录动作轨迹。这类数据与真实机器人最为接近，但生产速度慢、成本高，同时受到机器人数量、场地和操作人员规模的限制。
更重要的是，真实世界具有高度复杂性和多样性，仅依靠企业内部有限的机器人和采集场景，很难覆盖模型未来可能遇到的环境。如果机器人基础模型最终需要千万小时级别甚至更多的数据，仅靠持续增加机器人、场地和遥操作人员，难以实现经济有效的线性扩张。
因此，如何以可控成本、可扩展的方式持续生产足够多样且真正能够改善模型表现的数据，成为了Physical AI数据行业面临的核心问题之一，也构成了独立机器人数据公司正在争夺的商业机会。
机器人数据的“金字塔”：精度、规模与泛化之间的权衡
机器人数据还有一个更复杂的问题，不同来源的数据在真实性、成本、可扩展性以及跨本体复用能力上存在明显差异。
Chris把目前几条主要路线大致分成真机遥操作、仿真和人类第一人称视角数据。如果以数据与机器人本体之间的直接匹配程度来看，可以大致形成一个“金字塔”。
位于金字塔顶部的是真机遥操作。
操作者直接控制真实机器人完成抓取、放置、移动等任务，传感器同步记录机器人关节、末端执行器、视觉和动作信号。这类数据最大的优势在于，其训练数据本身就来自真实机器人，因此物理信息最完整，与目标本体之间的差异也最小。
但真机数据的成本和规模问题同样突出。根据行业数据，一小时高质量真机遥操作数据的综合成本可达200美元。更重要的是，这类数据通常与具体机器人本体高度绑定，跨本体复用能力有限。例如，在Unitree G1上采集的动作轨迹，就不能直接适配不同形态的机器人。
处在金字塔中间位置的，是仿真数据。
机器人仿真是将真实机器人的尺寸、关节、动作范围以及任务环境尽可能还原到虚拟空间中，再让操作者或程序控制虚拟机器人完成任务。目前机器人研究和开发中常用的仿真平台包括Isaac Sim、MuJoCo等。
相比真实世界，仿真的突出优势是规模化和可控性。现实中不可能为了采集数据重复搭建成千上万个厨房、仓库或工厂，但在虚拟环境中，同类场景可以被快速复制和并行运行。已有轨迹还可以通过改变光照、材质、摄像机位置、物体类型和空间布局等参数，扩展到更多不同环境。
与此同时，仿真环境中的任务状态也更容易被精确读取。例如任务是否完成、机械臂是否发生碰撞、物体最终处于什么位置，都可以直接从环境中获得，这使得数据验证和自动筛选更加容易。
不过，仿真数据的局限同样明确：虚拟环境始终难以完整还原真实世界。摩擦、物体形变、接触状态、传感器噪声以及大量不可控因素，都可能导致模型在仿真中表现良好，却在迁移到真实机器人后出现性能下降。如何缩小这种“仿真到现实”的差距，也一直是机器人研究中的核心问题之一。
另一条近两年明显升温的路线，是人类第一人称视角数据，其处在金字塔的底端。
这类方法试图减少对昂贵机器人本体的依赖，让数据贡献者佩戴头部相机、GoPro，或者直接使用手机，记录做饭、叠衣服、整理房间和操作工具等真实行为。
其基本逻辑是，如果未来机器人的视觉和动作逻辑与人具有较高相似性，那么大规模记录“人类如何与世界交互”，理论上可以为机器人基础模型提供极其丰富的数据。
第一人称视角数据最吸引人的地方在于潜在的规模和环境多样性。相比部署大量机器人进行遥操作，让普通人在家庭、工厂、商场等真实场景中记录行为，采集成本和参与门槛都更低，也更容易覆盖大量不同环境。
不过，Chris也指出，人类第一人称数据存在一个很大的不确定性：它的训练价值很大程度上取决于未来机器人的本体形态。
如果机器人采用轮式底盘、机械臂、专用夹爪等非人形设计，人类操作数据在动作层面的直接迁移价值就会明显降低。即使未来人形机器人成为主流，人类动作也不能直接被机器人复制，手部和身体运动仍需要经过动作重定向，转换成机器人关节和机械手能够执行的轨迹。
还有一个经常被忽略的问题是视觉视角。第一人称数据理想情况下应尽量接近人的视觉位置，但不同采集设备可能被安装在头部、胸前或其他位置。而视角变化，会明显改变手、物体和摄像头之间的空间关系，这些差异对于需要学习三维空间和操作关系的机器人模型而言是很大的挑战。
因此，在Chris看来，真机、仿真和第一人称数据并不存在简单的替代关系。它们各自解决不同问题，真机保证了精度，仿真负责放大规模，人类视频提供真实世界的场景多样性。未来的机器人数据体系，更可能是不同数据来源之间的组合与互补。
此外，近期一些研究也开始弱化对“最优数据”的单一追求。Dyna Robotics最新发布的Dyna-2仅依靠超过100万小时人类第一人称视频进行预训练，就观察到了从人类行为数据向机器人能力迁移的规模效应。Axis的研究也表明，经过筛选和处理的仿真轨迹同样能随着数据规模扩大持续改善模型表现。
做数据生产者，打造Physical AI数据引擎
相比单纯追求单条数据与目标本体的高度匹配，规模、多样性以及能否真正转化为模型能力，正在成为重要指标。因此，机器人数据公司很难只靠单一采集方式满足模型持续变化的需求。这也指向了一个更核心的问题：数据公司究竟只是按照客户要求完成采集和处理，还是应该更深入地参与模型训练所需数据的设计与生产？
Axis选择的是后者，并将自身定位为“Physical AI数据引擎”。在Chris看来，“数据标注”和“数据生产”并不是同一层次的业务。
数据标注面对的是已经存在的数据，客户决定标什么、怎么标，服务商负责按照规则执行；数据生产则需要更进一步，数据公司不仅要完成采集和处理，还要参与判断模型究竟缺什么数据，并围绕训练目标设计任务、组织采集，再根据模型表现调整下一轮数据。
例如，一个机器人模型要学习厨房操作，数据公司需要进一步判断应该设计哪些任务，抓、推、拉、开、关等基础动作如何组合，是否需要深度信息，摄像头如何布置，以及哪些失败案例值得被重点采集。
Chris表示，Axis与Booster Robotics、擎羽科技等客户的商业合作已由单纯的数据交付升级为“围绕模型训练目标定制的数据生产方案”。例如在与Booster Robotics的合作中，Axis为Booster T1量身定制了深度适配其视觉输入与动作空间的专属基础模型（Foundation Models）。这种模式支持特定任务在极少样本下的快速迁移与迭代，从而极大降低了具身智能开发的门槛与工程适配成本。
这也是Axis强调“数据引擎”而非“数据工厂”的原因。按照Chris的描述，商业客户可以先提出目标场景和能力需求，Axis再据此设计任务，并通过分布式贡献者网络完成数据采集。
“除了向客户交付数据，AXIS也在自己做数据集和模型验证的学术研究。”Chris称，Axis 团队于上半年发布的 AXIS Franka 数据集是目前针对 Franka Research 3 机械臂规模最大的开源机器人操作数据集之一，包含 207 个多样的操纵任务，超 5 万条人类演示轨迹以及逾 6 万个任务场景变体。
在训练成果评估阶段，研究团队利用该数据集对最先进的VLA模型 π 0.5 进行了持续预训练。实验结果显示，通过 AXIS-100% 数据快照训练后的模型在 LIBERO-Plus 鲁棒性基准测试中表现出色，整体成功率达到了 88.8%。
Chris还表示，AXIS Franka 数据集在提升模型应对现实干扰方面的显著效果：在传感器噪声和相机视角偏移等挑战下，模型的鲁棒性分别提升了 13.7% 和 11.3%。其研究证实，随着数据集快照从 25% 增长到 100%，模型的操纵泛化能力呈现出稳定的扩展趋势，展现了数据规模与下游任务泛化能力之间的正向扩展关系。
不押注单一数据形态，想做“机器人领域的Surge AI”
机器人数据仍然是一个快速变化、尚未形成稳定范式的市场。
过去一段时间，行业关注点从真机遥操作逐步扩展到仿真、第一人称视角等数据来源。随着基础模型进入更深入的后训练阶段，如何收集失败状态、纠错过程和恢复轨迹，也开始成为新的数据需求。
“如果今天市场最需要第一人称视角数据，我就只做第一人称视角；半年以后大家不需要了怎么办？”因此，Chris不愿意把Axis定义成一家只做某种数据的公司。
他的思路，是把相对稳定的底层能力与不断变化的数据采集方式拆开。底层由分布式贡献者网络、任务管理、数据验证、清洗、增强和处理管线等基础设施组成；上层则根据模型和客户需求，接入不同的数据产品和采集方式。
目前，Axis已经从网页端仿真数据采集切入，并逐步拓展到第一人称视角数据和模型后训练。Chris介绍，最新产品已经加入针对模型偏差和失败状态的纠错数据采集，团队已在推进 DAgger 等后训练数据采集与处理，计划年底前发布首个大规模 Human-Gated DAgger 后训练数据集。
在他看来，随着机器人模型持续迭代，数据合作伙伴的价值也会发生变化。衡量一家数据公司的能力，不能只看一次能够交付多少数据，更要看其能否稳定生产高质量数据，是否拥有持续运转的贡献者网络和数据处理工具，以及能否根据模型表现及时调整下一轮数据的内容和结构。
这种思路在一定程度上借鉴了Scale AI和Surge AI的发展路径，其中Chris尤其关注Surge AI。他希望Axis未来能够成为“机器人领域的Surge AI”。
在Chris看来，Surge AI的优势并不只是拥有大量数据标注资源，而在于其业务始终紧跟模型需求变化，从大模型后训练进一步延伸到智能体训练环境等新环节。
这种不把自己绑定在某一种数据形态上，而是随着Physical AI模型的训练方式变化，持续调整所提供的数据和工具，正是Axis真正希望复制的能力。
将区块链用于贡献激励与数据追踪
与其它竞品不同的是，Axis身上还有一个相对特殊的标签——区块链。
机器人数据的生产过程本身并不需要区块链，仿真仍然运行在传统机器人环境中，模型训练也和其他AI公司没有区别。区块链真正发挥作用，主要出现在数据产生之后：Axis会为经过验证的数据轨迹建立数据ID，并将任务、数据和贡献者之间的关系记录到Base上。
Chris表示，区块链技术主要解决两个问题。
首先是贡献激励。当数据由全球分布式用户生产时，不同用户完成的数据数量和质量都不同。平台需要知道是谁贡献了什么，以及这些数据有没有真正达到要求。对贡献者来说，核心不在于做得多，而是谁提供了真正有效的数据。
其次来源追踪。当前AI模型的训练过程很像黑箱。外界通常只看到最终模型，却很难知道某项能力究竟来自哪些数据，这些数据又是谁生产的。如果任务、轨迹和贡献者的关系可以被持续记录，那么一条数据未来被客户采购时，至少可以保留相对完整的来源记录。
Axis目前已经上线积分体系，用于记录和衡量用户贡献。Chris还提到，如果未来发行代币，贡献积分可能成为激励依据；如果某位贡献者的数据最终实现商业化，公司也考虑未来让其参与收入分成。
不过，这些机制目前仍处于设计和完善阶段。相比先构建一套代币经济，再为其寻找应用场景，Chris更强调先确定区块链究竟能够解决哪些实际问题。
“我从来没有觉得自己是一家加密机器人公司。”
在他的定义里，Axis首先是一家机器人数据公司，区块链如果能够帮助解决贡献激励和数据来源追踪，就在这些环节使用；如果不能产生实际价值，也没有必要为了“Crypto+AI”的叙事额外引入。
下一阶段：扩大数据覆盖，进入头部模型公司供应商名单
对于未来6至12个月的发展，Axis的路线图主要集中在产品、社区增长和商业化三个方向。
产品层面，Axis计划继续扩充第一人称视角数据的采集规模，并新增 UMI 数据和面向移动操作任务的遥操作数据，进一步扩大平台覆盖的数据类型和任务范围。
除了面向普通用户的数据采集入口外，Axis还计划向企业客户和开发者提供任务生成API及数据处理工具，将部分底层的数据生产能力进一步产品化。
社区增长则是另一项重点。Chris表示，Axis希望在未来半年将社区规模扩大至目前的3倍，并进一步拓展不同区域市场。参与者也不再局限于普通数据贡献者，而是希望吸引更多开发者、研究人员和产业从业者加入，将平台逐步扩展为一个围绕Physical AI数据生产的开放生态。
商业化方面，Axis目前已在部分细分领域获得标杆客户，仿真数据和第一人称视角数据也已经产生付费订单。未来半年，公司为自己设定的目标是将年经常性收入（ARR）提升至50万至100万美元，并进入头部机器人模型公司的供应商名单。
相比收入数字本身，进入头部模型公司的供应体系或许更能检验Axis当前这套模式。
