Macrodata Labs: Tým stojící za FineWebem sází 4 miliony dolarů na datovou infrastrukturu pro robotiku

Tým, který proměnil otevřený web v datové sady pohánějící mnoho dnešních špičkových jazykových modelů, nyní uplatňuje své zkušenosti s prací s daty na novou výzvu: uklidit chaotický svět robotických dat.

Macrodata Labs vystoupila v červnu 2026 z utajení s jasným posláním – vybudovat chybějící datovou infrastrukturní vrstvu pro tzv. physical AI (tedy inteligenci zasazenou do fyzického světa). Firma získala 4 miliony dolarů v předseedovém kole a zároveň uvedla na trh Refiner, open-source framework pro zpracování robotických tréninkových dat .

Problém: Data z reálného světa jsou chaotičtější než text

Macrodata Labs řeší zásadní úzké hrdlo v robotice: data z fyzického světa se zpracovávají mnohem hůře než text. Videa jsou objemná, senzory pracují v různých frekvencích, formáty se neustále mění a obor se stále neshodl na tom, jak by měl ideální tréninkový signál vypadat . Robotické týmy v současnosti tráví příliš mnoho času psaním křehkých skriptů jen proto, aby svá data vůbec dokázaly použít .

Jádrem jejich teze je, že kvalitní data jsou klíčem k pokroku v physical AI a že robotika potřebuje infrastrukturu, která dokáže chaotická data z reálného světa proměnit v použitelné tréninkové datasety . To připomíná roli, kterou sehrály kvalitní webové datasety při zdokonalování jazykových modelů – a stejný tým nyní aplikuje podobné myšlenky na robotiku .

Zakladatelé: Duo z FineWebu

Za Macrodata Labs stojí Guilherme Penedo a Hynek Kydlíček . Oba dříve pracovali na projektu FineWeb ve společnosti Hugging Face a jsou uvedeni jako autoři odborného článku o tomto datasetu . Jejich specializací je rozsáhlá správa a čištění dat pro trénink jazykových modelů, což nyní aplikují na data z fyzického světa pro roboty .

„Během posledních let jsme s Hynkem v Hugging Face pracovali na některých z nejpoužívanějších open-source datasetů pro předtrénink LLM, včetně FineWeb a FinePDFs. Tato práce nám poskytla místo v první řadě, odkud jsme mohli sledovat, jak škálování výpočetního výkonu a dat pohání pokrok v LLM. Nyní vidíme podobný vzestup v robotice,“ napsal Penedo v oznámení na LinkedIn .

Refiner: Open-source framework pro robotická data

Refiner je prvním produktem Macrodata Labs – open-source frameworkem pro zpracování robotických dat . Je popisován jako sada nástrojů pro přeměnu chaotických robotických videí a dalších dat z fyzického světa na čistší tréninková data pro roboty .

Framework čte formáty, které robotické týmy skutečně používají – LeRobot, HDF5 (ALOHA, robomimic, LIBERO), Zarr, MCAP, raw video a datasety z Hugging Face – a poskytuje nástroje pro zpracování demonstrací, snímků, trajektorií, anotací a dat ze senzorů .

Refiner je navržen tak, aby fungoval lokálně pro vývoj a dal se jediným příkazem škálovat do cloudového prostředí . Firma ho staví do role „datové rafinerie“ pro physical AI .

4 miliony dolarů od Air Street Capital

Macrodata Labs získala 4 miliony dolarů v předseedovém kole, které vedla Air Street Capital, londýnská firma zaměřená na AI startupy, kterou založil Nathan Benaich . Do kola se zapojily také Drysdale Ventures, OPRTRS CLUB, Kima Ventures, YG Ventures (Alex Yazdi), fond >commit, Thomas Wolf (spoluzakladatel Hugging Face) a obchodní andělé z předních AI laboratoří a technologických společností .

Air Street Capital, která dříve v roce 2026 uzavřela svůj třetí fond v objemu 232 milionů dolarů, má v portfoliu společnosti jako Synthesia, Black Forest Labs, Wayve, Poolside a další AI-first firmy .

Evropa a robotika

Veřejná komunikace Macrodata Labs se soustředí na budování datové vrstvy pro robotiku, nikoli na explicitní strategii týkající se Evropy . Nejsilnějším podloženým tvrzením je, že společnost má podporu Air Street Capital, londýnské venture kapitálové firmy zaměřené na AI . Tento investorský kontext naznačuje, že evropský kapitál aktivně podporuje datovou infrastrukturu pro robotiku, ale samotná společnost nevydala žádné formální prohlášení o roli Evropy v tomto oboru .