Macrodata Labs: Tim FineWeb Garap Infrastruktur Data Robotika, Kantongi Pendanaan $4 Juta

Tim yang sukses mengubah keterbukaan web menjadi dataset yang menggerakkan banyak model bahasa besar (LLM) terkemuka saat ini, kini menerapkan keahlian yang sama dalam pengelolaan data ke tantangan baru: membersihkan kekacauan data di dunia robotika.

Macrodata Labs muncul dari mode sembunyi (stealth) pada Juni 2026 dengan misi yang jelas—membangun lapisan infrastruktur data yang hilang untuk kecerdasan buatan (AI) fisik. Perusahaan ini mengumpulkan dana awal (pre-seed) sebesar $4 juta dan secara bersamaan meluncurkan Refiner, sebuah framework sumber terbuka (open-source) untuk memproses data pelatihan robotika .

Masalahnya: Data Fisik Lebih Kacau dari Data Teks

Macrodata Labs menyasar masalah mendasar dalam robotika: data dari dunia nyata jauh lebih sulit diolah dibandingkan data teks. Video berukuran besar, sensor berjalan pada kecepatan berbeda, format yang terus berubah, dan bidang ini belum sepenuhnya sepakat mengenai seperti apa sinyal pelatihan terbaik itu . Tim robotika saat ini menghabiskan terlalu banyak waktu hanya untuk menulis skrip yang rapuh (brittle scripts) sekadar untuk membuat data mereka bisa digunakan .

Tesis utama perusahaan ini adalah bahwa data berkualitas tinggi sangat penting untuk kemajuan AI fisik, dan robotika membutuhkan infrastruktur untuk menyuling data mentah robot yang berantakan menjadi dataset pelatihan yang berguna . Ini mirip dengan peran yang dimainkan dataset berskala web berkualitas tinggi dalam meningkatkan model bahasa—dengan tim yang sama kini menerapkan ide penyulingan data serupa untuk robotika .

Pendiri: Duo di Balik FineWeb

Macrodata Labs didirikan oleh Guilherme Penedo dan Hynek Kydlíček . Keduanya sebelumnya bekerja pada proyek FineWeb di Hugging Face dan tercatat sebagai penulis makalah dataset FineWeb . Latar belakang mereka adalah kurasi data berskala besar dan pemurnian untuk pelatihan model bahasa, yang kini mereka terapkan pada data dunia fisik untuk robot .

"Selama beberapa tahun terakhir di Hugging Face, Hynek dan saya mengerjakan beberapa dataset pra-pelatihan LLM sumber terbuka yang paling banyak digunakan, termasuk FineWeb dan FinePDFs. Pekerjaan itu memberi kami posisi terdepan untuk melihat bagaimana peningkatan komputasi dan data mendorong kemajuan dalam LLM. Kami mulai melihat lepas landas serupa di robotika," tulis Penedo dalam pengumuman di LinkedIn .

Refiner: Framework Open-Source untuk Data Robotika

Refiner adalah produk pertama Macrodata Labs—sebuah framework pemrosesan data robotika sumber terbuka . Produk ini digambarkan sebagai seperangkat alat (toolkit) untuk mengubah video robot yang berantakan dan data dunia fisik lainnya menjadi data pelatihan robotika yang lebih bersih .

Framework ini membaca format yang benar-benar digunakan oleh tim robotika—LeRobot, HDF5 (ALOHA, robomimic, LIBERO), Zarr, MCAP, video mentah, dan dataset Hugging Face—serta menyediakan alat untuk memproses demonstrasi, frames, lintasan (trajectories), anotasi, dan aliran sensor .

Refiner dirancang untuk bekerja secara lokal untuk pengembangan dan dapat diperluas ke komputasi cloud serverless elastis dengan satu perintah . Perusahaan memposisikannya sebagai "kilang data" (data refinery) untuk AI fisik .

Pendanaan $4 Juta Dipimpin Air Street Capital

Macrodata Labs menggalang dana awal (pre-seed) sebesar $4 juta yang dipimpin oleh Air Street Capital, sebuah firma yang berbasis di London dan berfokus pada perusahaan rintisan berbasis AI, didirikan oleh Nathan Benaich . Putaran ini juga diikuti oleh Drysdale Ventures, OPRTRS CLUB, Kima Ventures, YG Ventures (Alex Yazdi), >commit, Thomas Wolf (rekan pendiri Hugging Face), serta investor malaikat dari laboratorium AI dan perusahaan teknologi terkemuka .

Air Street Capital, yang menutup Dana III senilai $232 juta pada awal 2026, memiliki portofolio yang mencakup Synthesia, Black Forest Labs, Wayve, Poolside, dan perusahaan rintisan AI lainnya .

Posisi Eropa dalam Robotika

Pesan publik Macrodata Labs tetap berfokus pada pembangunan lapisan data untuk robotika dan bukan pada strategi robotika spesifik Eropa . Klaim yang paling kuat didukung adalah bahwa perusahaan ini didukung oleh Air Street Capital, firma modal ventura yang berfokus pada AI yang berbasis di London . Konteks investor ini menunjukkan bahwa modal Eropa secara aktif mendukung infrastruktur data robotika, namun perusahaan itu sendiri belum mengeluarkan pernyataan resmi mengenai peran Eropa dalam robotika .