XDOF 募得 7,000 萬美元，為人工智慧實驗室打造機器人資料管線

XDOF，一家為實體人工智慧打造資料管線的新創公司，已從 Thrive Capital、Spark Capital、a16z、Lux 及 WndrCo 募得 7000 萬美元，以擴大其全球遠端操作員與自我中心資料收集網路。該公司目前約有 60 名員工，服務 20 家客戶，包括前沿人工智慧實驗室，計劃在全球招募並訓練操作員，以捕捉機器人模型訓練所需的真實世界資料。執行長 Philipp Wu 表示，實體人工智慧代表下一個前沿領域，而 XDOF 正將自身定位為此轉型的關鍵基礎設施層。此募資輪顯示，主要投資者看好這項不起眼但至關重要的工作——收集驅動自主系統的高品質、標註資料——所帶來的豐厚機會。隨著人工智慧實驗室競相打造能於實體空間導航、操作物體並執行複雜任務的機器人，瓶頸正從運算資源轉向資料。XDOF 押注，將這項骯髒工作外包將成為人工智慧供應鏈的常態。此事之所以重要，在於實體人工智慧市場預期將於未來十年爆炸性成長，而掌控資料管線的公司將對哪些模型勝出握有重大槓桿。

以 7000 萬美元募資打造全球遠端操作員團隊

XDOF 的核心業務是僱用並訓練遠端操作員與自我中心資料操作員，他們負責蒐集機器人訓練所需的原始素材。遠端操作員遠端控制機器人執行任務，產生人工智慧模型學習所需的示範資料。自我中心資料操作員則配戴攝影機與感測器，捕捉人類活動的第一人稱視角，提供教導機器人如何與世界互動的視覺與動作資料。這筆 7,000 萬美元的募資將用於擴展此勞動力至多個地區，使 XDOF 能擴大其資料蒐集能力，以滿足客戶群日益增長的需求。該公司的 20 家客戶包括開發通用機器人模型的前沿人工智慧實驗室，以及為物流、製造與醫療照護建置系統的專業機器人公司。透過集中化資料蒐集，XDOF 為這些實驗室提供了一種方式，避免自行管理遠端操作團隊的營運複雜性。此模式呼應了軟體人工智慧領域發生的轉變，當時規模 AI 與 Labelbox 等公司崛起，專門處理電腦視覺與自然語言模型的資料標註。XDOF 將同樣的邏輯應用於實體人工智慧，押注資料蒐集這類繁重工作將外包給專業廠商，而非留在公司內部。該公司計劃在具備雄厚技術人才庫的地區招募操作員，包括東南亞與東歐部分地區，這些地方勞動成本較低，且英語流利的人力充足。每位新進人員在分派至客戶專案前，須接受為期兩週的訓練課程，涵蓋安全規範、硬體操作與資料品質標準。據熟悉該公司計畫的人士透露，該公司目前約有 60 名員工，新資金將使其在未來 18 個月內將勞動力擴充至數百名操作員。

資料蒐集即服務：資金如何流經損益表

XDOF 的營收模式按遠端操作時數或每筆標註資料點向客戶收費，形成與實驗室開發週期一致的變動成本結構。對訓練新型機器人模型的前沿人工智慧實驗室而言，每次訓練的資料收集成本可能高達數百萬美元，取決於任務複雜度及所需示範次數。XDOF 的定價反映此工作的勞力密集特性：遠端操作員須經訓練、監督並配備必要硬體，且資料在進入訓練流程前須通過品質驗證。公司利潤率取決於其優化勞動力效率的能力，運用軟體工具管理排程、品質控制及資料標註。7,000 萬美元募資提供數年營運資金，假設公司維持目前每年約 1,500 萬至 2,000 萬美元的資金消耗速度。隨著客戶需求成長，XDOF 可在不等比增加管理費用的情況下擴大人力規模，隨時間改善單位經濟效益。公司投資人押注實體人工智慧市場將循軟體人工智慧相同軌跡發展，即資料基礎設施公司達到顯著規模與估值倍數。XDOF 的內部軟體平台自動化部分品質保證流程，標記低品質示範並轉交人工審查，隨人力擴張降低每筆驗證資料點的成本。公司已與兩家最大前沿實驗室簽訂多年合約，鎖定經常性營收，並在獨家資料收集安排協商中取得先行者優勢。

競爭格局重組：資料管線中的贏家與輸家

XDOF 的崛起在人工智慧基礎設施堆疊中創造了新的競爭動態。既有的資料標註公司如規模 AI 和 Labelbox，主要聚焦於軟體人工智慧，包括影像分類、自然語言處理及自駕車資料。XDOF 則鎖定實體人工智慧領域，此領域需要不同類型的資料：遠端操作示範、第一人稱視角影片、觸覺回饋以及多模態感測器串流。這項專業化使 XDOF 在服務那些正在建構通用型機器人模型的前沿人工智慧實驗室時具備優勢，但也意味著該公司必須在領域專業知識和硬體基礎設施上投入大量資源。對既有業者的競爭威脅確實存在：隨著實體人工智慧日益重要，資料標註巨頭將需要透過收購或自行建構能力來進入此領域。對前沿人工智慧實驗室本身而言，XDOF 提供了另一種選擇，無需自行建立內部資料收集團隊，因為這將需要龐大的資本支出和營運複雜度。實驗室反而可以將資源集中於模型架構和訓練演算法，將資料管線交給專業業者處理。這種分工呼應了人工智慧領域的更廣泛趨勢，即企業日益將基礎設施外包給專業供應商。XDOF 已與兩家最大的前沿實驗室簽訂多年期合約，鎖定經常性營收，並在協商獨家資料收集安排方面取得先行者優勢。

下游效應：超大規模雲端業者、硬體與企業買家

XDOF 及類似資料管線公司的崛起，對人工智慧生態系產生二階效應。Google 與亞馬遜網路服務等超大規模雲端業者，因遠端操作員所蒐集的資料必須經過處理、儲存並供給訓練叢集使用，而受惠於運算資源與儲存需求增加。硬體供應鏈同樣感受到衝擊：輝達與超微等公司因 GPU 及專用人工智慧加速器需求攀升而受益，機器人硬體製造商則受惠於遠端作業系統的部署。對企業買家而言，來自 XDOF 等供應商的高品質訓練資料，加速了物流、製造與醫療領域實體人工智慧應用的開發。原本可能需等待多年才能讓機器人模型成熟的企業，如今可取得處理特定任務的預訓練系統。監管環境亦扮演關鍵角色：隨著各國政府日益聚焦人工智慧監管與主權人工智慧能力，資料管線成為戰略性資產。欲發展國內實體人工智慧能力的國家，將需要取得資料蒐集基礎設施，這為 XDOF 等公司創造了國際擴張的機會。XDOF 已與日本及德國政府機構就工業機器人資料蒐集試點計畫展開討論，藉此切入優先重視訓練資料國內掌控權的主權人工智慧倡議。

政策與策略訊號：資料管線作為戰略性資產

XDOF 的募資輪與商業模式，標誌著人工智慧產業對資料思維的根本轉變。多年來，主流的論述聚焦於運算資源為主要瓶頸，像輝達這類公司因繪圖處理器短缺而大獲其利。然而，隨著前沿模型逼近可用訓練資料的極限，資料的品質與多樣性成為關鍵的差異化因素。實體人工智慧所需的資料昂貴且難以收集，這為能夠建立並維護基礎設施的公司創造了天然的獨占地位。Thrive Capital 與 a16z 這兩家人工智慧領域最知名的創投公司參與其中，驗證了此一論點。他們的投資顯示，資料管線將成為人工智慧下一階段發展中價值創造的主要來源。其戰略意涵超越個別公司：隨著人工智慧實驗室競相打造實體人工智慧系統，對資料管線的控制成為一種槓桿。希望確保取得高品質訓練資料的政府與企業，將需要透過合作或直接持有來投資此基礎設施。七大工業國集團近期關於可信賴夥伴與主權人工智慧能力的討論，凸顯了此趨勢的地緣政治面向。XDOF 已在英國與新加坡註冊子公司以符合當地資料落地要求，將自身定位為希望將敏感訓練資料留在境內的政府的可信賴夥伴。

實體人工智慧市場仍處於早期階段，但今日所建立的基礎設施將塑造未來多年的競爭格局。XDOF 的 7,000 萬美元募資提供了擴充人力規模、開發軟體平台及拓展客戶基礎的資金。公司面臨挑戰：大規模招募與訓練遠端操作員相當困難，品質控管成本高昂，且技術演進迅速。但隨著前沿人工智慧實驗室不斷突破機器人的能力極限，對高品質訓練資料的需求只會持續增加。若 XDOF 能落實其願景，將成為人工智慧供應鏈中不可或缺的一環，從全球最具價值的科技公司身上產生經常性營收。公司的成功將取決於其維持品質、控管成本及領先競爭對手的能力。對於關注人工智慧產業的投資人與策略分析師而言，XDOF 代表了一項押注：在實體人工智慧時代，資料基礎設施將與運算基礎設施同等重要。