Macrodata Labs: los creadores de FineWeb ponen 4 millones de dólares en la infraestructura de datos para la robótica

El equipo que convirtió la web abierta en los conjuntos de datos que impulsan muchos de los grandes modelos de lenguaje actuales está aplicando ahora su experiencia en datos a un nuevo desafío: limpiar el desordenado mundo de los datos robóticos.

Macrodata Labs salió del sigilo en junio de 2026 con una misión clara: construir la capa de infraestructura de datos que falta para la IA física. La empresa recaudó 4 millones de dólares en una ronda pre-seed y, simultáneamente, lanzó Refiner, un framework open source para procesar datos de entrenamiento robótico .

El problema: los datos físicos son más desordenados que el texto

Macrodata Labs aborda un cuello de botella fundamental en robótica: los datos del mundo físico son más difíciles de manejar que los datos de texto. Los videos pesan mucho, los sensores funcionan a diferentes velocidades, los formatos cambian constantemente y el campo aún no se ha puesto de acuerdo sobre cuál debería ser la mejor señal de entrenamiento . Actualmente, los equipos de robótica pasan demasiado tiempo escribiendo scripts frágiles solo para hacer que sus datos sean utilizables .

La tesis central de la empresa es que los datos de alta calidad son críticos para el progreso en la IA física, y que la robótica necesita infraestructura para refinar los datos desordenados del mundo real en conjuntos de datos de entrenamiento útiles . Esto refleja el papel que jugaron los conjuntos de datos web de alta calidad en la mejora de los modelos de lenguaje, con el mismo equipo aplicando ahora ideas similares de refinamiento de datos a la robótica .

Fundadores: el dúo de FineWeb

Macrodata Labs fue fundada por Guilherme Penedo e Hynek Kydlíček . Ambos trabajaron anteriormente en FineWeb en Hugging Face y figuran como autores del artículo sobre el conjunto de datos FineWeb . Su experiencia está en la curación y el refinamiento de datos a gran escala para el entrenamiento de modelos de lenguaje, que ahora están aplicando a los datos del mundo físico para robots .

"En los últimos años en Hugging Face, Hynek y yo trabajamos en algunos de los conjuntos de datos de preentrenamiento de LLM abiertos más utilizados, incluidos FineWeb y FinePDFs. Ese trabajo nos dio un asiento de primera fila para ver cómo la escalabilidad del cómputo y los datos impulsó el progreso en los LLM. Estamos empezando a ver un despegue similar en robótica", escribió Penedo en un anuncio en LinkedIn .

Refiner: un framework open source para datos de robótica

Refiner es el primer producto de Macrodata Labs: un framework open source para procesamiento de datos robóticos . Se describe como un conjunto de herramientas para convertir videos de robots y otros datos del mundo físico en datos de entrenamiento de robótica más limpios .

El framework lee los formatos que realmente utilizan los equipos de robótica: LeRobot, HDF5 (ALOHA, robomimic, LIBERO), Zarr, MCAP, video sin procesar y conjuntos de datos de Hugging Face, y proporciona herramientas para procesar demostraciones, fotogramas, trayectorias, anotaciones y flujos de sensores .

Refiner está diseñado para funcionar localmente durante el desarrollo y escalar a una nube serverless elástica con un solo comando . La empresa lo posiciona como una "refinería de datos" para la IA física .

4 millones de dólares en pre-seed liderados por Air Street Capital

Macrodata Labs recaudó 4 millones de dólares en una ronda pre-seed liderada por Air Street Capital, una firma con sede en Londres centrada en empresas de IA fundada por Nathan Benaich . La ronda incluyó la participación de Drysdale Ventures, OPRTRS CLUB, Kima Ventures, YG Ventures (Alex Yazdi), >commit, Thomas Wolf (cofundador de Hugging Face) y business angels de los principales laboratorios de IA y empresas tecnológicas .

Air Street Capital, que cerró un Fondo III de 232 millones de dólares a principios de 2026, tiene una cartera que incluye Synthesia, Black Forest Labs, Wayve, Poolside y otras empresas centradas en IA .

La posición de Europa en robótica

La comunicación pública de Macrodata Labs se centra en construir la capa de datos para la robótica, más que en una estrategia explícita específica para Europa . La afirmación más sólida respaldada es que la empresa cuenta con el respaldo de Air Street Capital, una firma de capital de riesgo centrada en IA con sede en Londres . Este contexto inversor sugiere que el capital europeo está respaldando activamente la infraestructura de datos robóticos, pero la empresa no ha emitido una declaración formal sobre el papel de Europa en robótica .