内容来源：https://techcrunch.com/2026/09/04/xdof-just-three-months-out-of-stealth-is-in-talks-for-a-series-b-at-a-1-2b-valuation/

内容总结：

刚刚结束隐身模式不到三个月，一家名为XDOF的初创公司便传出融资消息。据多位知情人士透露，该公司正就B轮融资进行后期谈判，本轮由8VC领投，估值约为12亿美元。XDOF专注于采集真实世界遥操作数据，用于训练通用机器人。

XDOF由加州大学伯克利分校研究员Philipp Wu（CEO）和Fred Shentu（CTO）于2024年共同创立。今年6月，TechCrunch曾报道该公司完成7000万美元A轮融资，参投方包括Thrive Capital、Andreessen Horowitz、Lux和Spark Capital。原本XDOF并不打算这么快再次融资，但其业务增长迅猛——年化收入已接近5000万美元——这促使风投机构主动接洽，希望推动新一轮融资。

目前尚不清楚本轮融资总额，以及估值是否包含新增资金。交易条款尚未最终敲定，仍有调整可能。

截至发稿，XDOF和8VC均未回应置评请求。

该公司的定位，是为前沿AI实验室和机器人企业提供难以自行搭建的数据管线、采集工具和标注系统，实质上充当机器人行业的“数据供应链外包方”。

攻读博士期间，Wu的研究方向是机器人如何从大数据集中学习，而最大的障碍在于缺乏“可用的规模化数据”，他今年6月曾这样告诉TechCrunch。于是，他与Shentu合作开发了名为GELLO的低成本遥操作系统，让操作员远程操控机械臂以生成训练数据。这项研究成果最终发表为机器人领域的一篇有影响力的论文。

这一研究成为XDOF的根基。如今，投资人将其形容为“实体机器人领域的Scale AI或Mercor”——后两者是为AI热潮提供数据标注服务的巨头。与大语言模型最初依靠整个互联网数据进行训练不同，实体机器人并没有现成的真实世界数据集可用，因此数据采集成为打造通用机器人的关键瓶颈。

XDOF正与加州大学伯克利分校AI研究实验室合作，发布其认为迄今为止规模最大的高质量机器人训练数据集，名为ABC。

为获取这些数据，XDOF结合了远程机器人遥操作与佩戴传感器的人类采集员，记录诸如叠衣服、压平纸箱等日常动作。

该公司计划在全球招募并培训多支数据采集团队，包括远程操控机器人的遥操作员，以及佩戴身体传感器捕捉动作数据的第一视角操作员。

XDOF此前曾向TechCrunch透露，其已与20家客户开展合作，其中包括数家前沿AI实验室。

其他尝试采集真实世界数据用于机器人训练的初创公司还包括Mecka AI，以及从大语言模型领域拓展至更广范围的人类数据平台，如Scale AI和Micro1。

中文翻译：

从隐身模式亮相不到三个月，XDOF——一家为训练通用机器人收集真实世界远程操作数据的初创公司——正处于由8VC领投的B轮融资后期谈判阶段，估值约为12亿美元，多位知情人士透露。

XDOF由加州大学伯克利分校研究员Philipp Wu（首席执行官）和Fred Shentu（首席技术官）于2024年共同创立。TechCrunch曾在6月报道过这家初创公司7000万美元的A轮融资，参投方包括Thrive Capital、Andreessen Horowitz、Lux和Spark Capital。XDOF原本并未打算在那一轮融资后这么快再次募资。但据知情人士称，公司的高速增长——年化收入接近5000万美元——促使风投主动接洽其开展新一轮融资。

TechCrunch未能获悉此次融资的总额，也不确定该估值是否包含新注入的资金。交易条款尚未最终确定，仍有可能变动。

XDOF和8VC未回应我们的置评请求。

这家初创公司旨在构建前沿AI实验室和机器人公司难以自行搭建的数据管线、采集工具和标注系统，本质上充当机器人行业的外包数据供应链。

作为博士生时，Wu研究的是机器人如何从大型数据集中学习。他研究的一大障碍是缺乏“可供使用的大规模数据”，他在6月接受TechCrunch采访时这样表示。

于是他联手Shentu开展了一个名为GELLO的项目，这是一套低成本的远程操作系统，允许人类操作员远程控制机械臂以生成训练数据。他们的研究成果催生了一篇在机器人领域颇具影响力的论文。

这项研究构成了XDOF的基础，投资者如今将其描述为“面向实体机器人的Scale AI或Mercor”，意指那些推动了AI热潮的数据标注巨头。与大语言模型最初依靠整个互联网数据进行训练不同，实体机器人没有可借鉴的等效现实世界数据集，这使得数据采集成为构建通用机器的关键瓶颈。

XDOF正与加州大学伯克利分校的AI研究实验室合作，发布其认为有史以来规模最大的高质量机器人训练数据集，名为ABC。

为了采集这些数据，XDOF将远程机器人操作与佩戴传感器记录日常任务（如叠衣服、压平纸箱）的人类采集员相结合。

这家初创公司计划在全球范围内招聘并培训多支数据采集团队，包括远程操控机器人的遥操作员，以及佩戴身体传感器捕捉动作数据的以自我为中心的操作员。

XDOF此前曾告诉TechCrunch，它已在与20家客户合作，其中包括多个前沿AI实验室。

其他尝试为机器人训练收集真实世界数据的初创公司包括Mecka AI，以及从大语言模型领域向外扩展的人类数据平台，如Scale AI和Micro1。

英文来源：

Less than three months after emerging from stealth, XDOF, a startup that collects real-world teleoperation data for training general-purpose robots, is in late-stage talks to raise a Series B at a valuation of about $1.2 billion valuation led by 8VC, several people with knowledge of the deal said.
XDOF was co-founded by UC Berkeley researchers Philipp Wu (CEO) and Fred Shentu (CTO) in 2024. TechCrunch reported on the startup’s $70 million Series A in June, with participation from Thrive Capital, Andreessen Horowitz, Lux, and Spark Capital. XDOF wasn’t planning to raise again so soon after that round. But the company’s rapid growth — with annualized revenue approaching $50 million — prompted VCs to approach it about a new round, the people said.
TechCrunch was unable to learn the total capital being raised or whether the valuation includes the new funding. The terms of the deal are not final and could still change.
XDOF and 8VC didn’t respond to our request for comment.
The startup aims to build the data pipelines, collection tools, and annotation systems that frontier AI labs and robotics companies can’t easily build themselves, essentially acting as an outsourced data-supply chain for the robotics industry.
As a PhD student, Wu was studying how robots learn from large datasets. One big impediment to his research was the lack of “large-scale data to work with,” he told TechCrunch in June.
So he teamed up with Shentu on a project called GELLO, a low-cost teleoperation system that allows a human operator to control a robotic arm remotely in order to generate training data. Their work led to an influential paper in robotics.
That research formed the foundation for XDOF, which investors now describe as the Scale AI or Mercor for physical robotics, a reference to the data-labeling giants that helped fuel the AI boom. Unlike LLMs, which initially trained on the entirety of the internet, physical robots don’t have an equivalent real-world dataset to draw from, making data collection a critical bottleneck to building general-purpose machines.
XDOF is partnering with UC Berkeley’s AI Research lab to release what it believes is the largest collection of high-quality robot training data ever assembled, dubbed ABC.
To capture this data, XDOF combines remote robot teleoperation with human collectors who wear sensors to record everyday tasks like folding clothes and flattening boxes.
The startup plans to hire and train teams of data collectors worldwide, including teleoperators who steer robots remotely and egocentric operators who wear body sensors to capture movement data.
XDOF previously told TechCrunch that it is already working with 20 customers, including several frontier AI labs.
Other startups attempting to collect real-world data for robot training include Mecka AI, as well as human-data platforms expanding beyond LLMs, such as Scale AI and Micro1.