離開潛行模式僅三個月，XDOF 已在洽談 12 億美元估值的 B 輪融資

離開潛行模式（stealth mode）還不滿三個月，專門為通用機器人訓練收集真實世界遠端操作數據的新創公司 XDOF，據報已進入 B 輪融資的後段洽談，估值約 12 億美元，由創投公司 8VC 領投。這則消息來自 TechCrunch 於 2026 年 9 月 4 日發布的報導。

這家公司的擴張速度本身就是新聞。XDOF 在 2026 年 6 月才宣布 7,000 萬美元的 A 輪融資，投資方包括 Thrive Capital、Andreessen Horowitz（a16z）、Lux Capital 與 Spark Capital。公司原本並沒有打算這麼快再次募資，但多位知情人士向 TechCrunch 透露，由於成長速度驚人——年化營收已接近 5,000 萬美元——創投主動找上門來洽談新一輪資金。目前交易條件尚未定案，仍有可能變動；XDOF 與 8VC 都未回應置評請求。TechCrunch 也無法得知本輪募資的總金額，或 12 億美元估值是否已包含新資金。

從柏克萊的研究難題，到「機器人界的 Scale AI」

XDOF 由加州大學柏克萊分校的研究者 Philipp Wu（執行長）與 Fred Shentu（技術長）於 2024 年共同創立。Wu 在攻讀博士期間研究機器人如何從大規模數據中學習，而他遇到的最大障礙並不是算力或演算法，而是「沒有大規模數據可用」——這是他在 6 月接受 TechCrunch 採訪時的說法。於是他與 Shentu 合作開發了 GELLO，一套低成本的遙操作系統，讓人類操作員可以遠端控制機械手臂來產生訓練數據。這個計畫催生了一篇極具影響力的機器人學論文，也成為 XDOF 的技術基礎。

公司的定位是基礎設施：XDOF 打造數據管線、收集工具與標註系統，補足前沿 AI 實驗室與機器人公司難以自行建置的環節，實質上就是機器人產業的外包數據供應鏈。投資人如今把它形容為「實體機器人領域的 Scale AI 或 Mercor」——這兩家公司正是推動 LLM 熱潮的數據標註巨頭。

公司的名字本身也呼應了機器人學術語「自由度」（degrees of freedom），即機器人可執行的獨立運動數量。

為什麼機器人數據是瓶頸

與 Scale AI 的類比不只是募資話術。大型語言模型的訓練資料是整個網際網路——數兆個 token 的文字早就躺在那裡，等著被爬取與清理。實體機器人沒有對應物。世界上並不存在一個「動作的網際網路」，沒有一個網路規模的資料集收錄了機械手臂摺衣服、壓扁紙箱、在雜亂廚房裡撿東西的軌跡。每一條軌跡都得透過示範，一次一次地擷取下來。

正是這個結構性缺口，讓數據收集成為通用機器人技術的關鍵瓶頸——也讓一家以「生產這類數據」為核心業務的公司，有機會在實體 AI 時代扮演如同 Scale AI 之於 LLM 時代的基礎角色。

為了擷取這些數據，XDOF 結合了兩種管道：其一是遠端機器人遙操作，由受訓練的操作員從遠方操縱機器人；其二是「自我中心視角」收集，由人類穿戴身體感測器記錄摺衣服、壓紙箱等日常任務。公司計畫在全球各地招募並訓練數據收集團隊，同時涵蓋遙操作員與穿戴感測器的自我中心操作員。

ABC：史上最大規模的機器人訓練數據集

XDOF 同時正與 UC Berkeley 的 AI 研究實驗室合作，準備發布他們認為是有史以來最大規模的高品質機器人訓練數據集，名為 ABC。如果這個說法屬實，如此規模的公開數據集將是對這個領域的實質貢獻——就像開放語料庫之於自然語言處理，這種共享的基礎素材可望加速獨立研究。

XDOF 先前已表示，公司目前服務約 20 家客戶，其中包含多家前沿 AI 實驗室。競爭對手包括同樣收集真實世界機器人訓練數據的 Mecka AI，以及將人類數據業務從 LLM 擴展到機器人領域的 Scale AI 與 Micro1。

獨角獸估值，但仍有但書

以約 5,000 萬美元的年化營收支撐 12 億美元估值，隱含的本益比約 24 倍——以傳統 SaaS 標準而言偏高，但以 2026 年 AI 基礎設施熱潮的標準來看算是克制：不少完全沒有營收的新創，光憑團隊光環就拿到九位數美元估值。

看多者的論點是：在機器人領域，數據供給是持久護城河。操作型基礎模型的能力正在快速提升，而每一家投入的實驗室都面臨相同的真實世界軌跡稀缺問題。一家把收集管線工業化的公司——倉庫、遙操作員大軍、標註系統、品質管控——占據了一個會隨模型能力提升而愈來愈有價值的咽喉點。

看空者的論點則是：這輪融資還沒成交。「後段洽談」這四個字之前也消失過，估值可能在談判中途生變，而且 TechCrunch 的消息來源無法確認募資規模，或 12 億美元究竟是投前還是投後估值。此外還有客戶集中風險——少數幾家前沿實驗室客戶一旦需求規模夠大，可能轉而自建收集團隊，或標準化採用某家競爭對手。這個市場也還年輕到「機器人界的 Scale AI」最後可能同時有好幾家。

釋出的訊號

無論最終條件落點為何，這條成長曲線本身就是訊號。一家機器人數據公司在單一季內從潛行模式衝到準獨角獸估值，反映了產業對當前限制所在的集體判斷：瓶頸不在日趨成熟的機器人硬體，也不在日益同質化的模型架構，而在兩者都無法取代的實體互動數據。

LLM 熱潮催生了自己的十億美元「賣鏟子」經濟——標註、評測、人類回饋。機器人熱潮如今正以同樣的形態長出自己的基礎設施層，只是這次的鏟子是人類的雙手與真實物件。XDOF 的 B 輪洽談是迄今最明確的證據：投資人認為，最先沉澱出持久價值的，是這一層數據基礎設施，而不是機器人本身。