币圈界报道：

Axis Robotics完成1200万美元种子轮融资，构建全球众包物理数据网络

总部位于旧金山的Axis Robotics宣布完成由Hack VC领投的1200万美元种子轮融资，参投方包括Nomad Capital、Pi Network Ventures、10K Ventures及多位天使投资人。该笔资金将用于扩展其人机协同的数据生成体系，并推进核心产品在真实世界中的部署。

数据驱动的物理智能新范式：从模拟到现实的闭环

公司自2025年创立以来，聚焦解决机器人领域长期存在的数据瓶颈问题。其核心挑战在于：相较于语言模型可依赖海量文本，物理交互仍受限于稀缺的真实操作数据、泛化能力不足以及不同硬件平台间的迁移障碍。

四层架构支撑的众包数据流水线

Axis设计了一套融合程序化任务生成、远程浏览器操控、移动端第一人称采集与自动化清洗处理的全流程系统。用户可通过网页界面远程控制高保真模拟机械臂，或使用移动应用上传手部姿态轨迹，所有原始贡献经自动标注与领域随机化处理后转化为高质量训练数据集。

模拟优先策略实现有效迁移，验证路径清晰

该系统采用“模拟先行”原则，所有任务在IsaacSim等仿真环境中执行并优化，最终输出可用于训练视觉-语言-动作模型的策略。当实体机器人运行失败时，人工干预会反馈至下一轮训练，形成动态迭代机制。平台已成功在实体Franka机械臂上实现自主浇花任务，初步验证了从虚拟到物理的可行性。

截至当前，平台累计吸引超10万名活跃参与者，日均提交量达3至4次；每月生成超过1200小时模拟数据及逾2万小时的第一人称真实世界数据。已有90余类任务、2000多种数字资产和超过20万条经过验证的轨迹被沉淀。

在针对π0.5机器人模型的预训练测试中，使用其多样化模拟数据集V1，LIBERO-Plus任务整体成功率提升4.9个百分点，相较RoboCasa365基准高出31.3%。在布局泛化、噪声鲁棒性及姿态适应性方面均有显著优势。

商业化路径明确，合作伙伴逐步落地

Axis已向多家工业自动化企业、机器人硬件制造商及物理人工智能模型公司提供定制化任务包服务。公开合作方涵盖Booster Robotics、Manycore Tech、Feagine Robotics、Dexmal、Lotus、吉利汽车与SomaStacks等，覆盖从消费级到产线级的应用场景。

未来规划聚焦数据版本迭代与收入增长

融资所得将用于增强程序化任务生成能力，并拓展全球贡献者网络。短期目标包括推出付费试点项目，达成年度经常性收入超百万美元。计划于9月发布模拟数据集V2，11月推出DAgger后训练数据集，进一步夯实技术护城河。

创始人强调：数据速度决定竞争格局

创始人Chris Feng指出，物理人工智能的核心竞争力不在于模型架构，而在于数据积累的速度与质量。他直言：“要实现真正通用的物理智能，需要数十亿条人类与环境互动的运动轨迹。”这一愿景正面临市场检验——随着关键数据集陆续发布，投资者与行业将共同观察其规模化潜力。