Стартап XDOF, который собирает данные для роботов через телеуправление и датчики движения, обсуждает новый раунд при оценке около $1,2 млрд. Важно не только число с девятью нулями: рынок снова показывает, что в AI дефицит смещается от моделей к данным, а в робототехнике этот дефицит особенно физический, дорогой и плохо масштабируемый.
Переговоры о Series B находятся на поздней стадии, сообщает TechCrunch со ссылкой на несколько источников, знакомых со сделкой. Лидировать раунд может 8VC. Размер привлекаемого капитала неизвестен, как и то, идет ли речь об оценке до или после новых денег. Условия еще не финальные, XDOF и 8VC комментариев изданию не дали.
Скорость здесь почти важнее самой оценки. XDOF вышла из stealth-режима меньше трех месяцев назад, а в июне уже привлекла $70 млн в Series A. В том раунде участвовали Thrive Capital, Andreessen Horowitz, Lux и Spark Capital. По данным источников TechCrunch, сама компания не планировала снова идти за деньгами так быстро, но рост бизнеса заставил инвесторов прийти первыми: годовая выручка в пересчете на текущий темп приближается к $50 млн.
XDOF основали в 2024 году исследователи UC Berkeley Филипп Ву и Фред Шенту. Ву занимает пост CEO, Шенту — CTO. До стартапа они работали над GELLO, недорогой системой телеуправления, которая позволяет человеку удаленно контролировать роботизированную руку и записывать действия как обучающие примеры. Для лабораторной робототехники это не игрушка, а способ добывать то, чего почти нет в открытом доступе: качественные данные о том, как физический агент должен действовать в реальной среде.
У больших языковых моделей на старте был интернет: шумный, спорный, местами токсичный, зато огромный. У роботов такого аналога нет. Нельзя просто скачать из сети триллионы примеров того, как манипулятор аккуратно складывает футболку, берет коробку с нестандартным весом или расплющивает картон без лишнего пафоса и с приемлемой точностью. Поэтому данные для роботов становятся отдельной инфраструктурной категорией: их надо собирать, проверять, размечать, нормализовать и поставлять тем, кто обучает модели управления.
XDOF пытается занять именно это место в цепочке. Компания строит пайплайны сбора данных, инструменты для операторов и системы аннотации, которые AI-лабораториям и робототехническим компаниям сложно быстро развернуть внутри. Инвесторы, по словам TechCrunch, сравнивают ее со Scale AI или Mercor для физической робототехники. Сравнение не идеальное, но понятное: если LLM-буму понадобились фабрики разметки и человеческой обратной связи, то роботам нужны фабрики действий.
Сейчас XDOF работает с UC Berkeley AI Research над выпуском ABC — набора данных, который компания считает крупнейшей коллекцией высококачественных обучающих данных для роботов. Для сбора используются два подхода. Первый — удаленное телеуправление роботами. Второй — люди с датчиками на теле, которые выполняют бытовые и складские действия: складывают одежду, работают с коробками, записывают движения от первого лица. XDOF планирует нанимать и обучать команды таких сборщиков по всему миру, включая телеоператоров и так называемых egocentric operators — людей, чьи движения становятся материалом для обучения моделей.
По словам компании, ранее приведенным TechCrunch, у XDOF уже есть 20 клиентов, включая несколько frontier AI labs. Названия этих лабораторий не раскрываются, и это как раз тот случай, где лучше не додумывать за рынок. Но сам профиль клиентов объясняет интерес венчурных фондов: если ведущие AI-команды всерьез идут в embodied AI и универсальных роботов, им понадобится не только GPU-кластер, но и стабильный поток физически собранных данных.
Для разработчиков это означает расширение стека вокруг робототехники. Помимо классического perception, motion planning и reinforcement learning, растет спрос на инструменты управления датасетами, контроль качества траекторий, симуляционно-реальные пайплайны, интерфейсы телеоператоров и инфраструктуру аннотации. Для бизнеса сигнал еще проще: если роботы должны выполнять не одну жестко запрограммированную операцию, а широкий набор задач, данные становятся закупаемым ресурсом, почти как облачные вычисления или разметка для LLM несколько лет назад.
Конкуренция уже есть. TechCrunch называет среди игроков Mecka AI, а также платформы человеческих данных, которые выходят за пределы LLM, включая Scale AI и Micro1. Это логичный поворот: рынок понял, что «человеческие данные» — не только текстовые ответы и рейтинги, но и движения рук, позы тела, сенсорные трассы и записи управления устройствами. Вопрос в том, кто сможет превратить хаотичную физическую активность людей в достаточно чистый, повторяемый и юридически корректный датасет.
Оценка $1,2 млрд для компании, вышедшей из тени меньше квартала назад, выглядит агрессивно даже по меркам AI-рынка. Но ставка понятна: если универсальные роботы станут следующим большим интерфейсом AI с реальным миром, победит не только тот, кто напишет лучшую модель, но и тот, кто первым построит надежную промышленную систему сбора данных для роботов. Пока XDOF продает рынку именно эту идею — и инвесторы, судя по переговорам, готовы платить за нее заранее.