Macrodata Labs: Pasukan FineWeb Labur $4 Juta untuk Infrastruktur Data Robotik

Pasukan yang mengubah web terbuka menjadi set data yang menjana banyak model bahasa besar terkemuka kini menggunakan kepakaran data-centric yang sama untuk cabaran baharu: membersihkan dunia data robotik yang tidak teratur.

Macrodata Labs muncul dari persembunyian pada Jun 2026 dengan misi yang jelas — membina lapisan infrastruktur data yang hilang untuk AI fizikal. Syarikat ini mengumpul dana pra-benih sebanyak $4 juta dan pada masa yang sama melancarkan Refiner, rangka kerja sumber terbuka untuk memproses data latihan robotik .

Masalah: Data Fizikal Lebih Tidak Teratur Daripada Teks

Macrodata Labs menangani masalah asas dalam robotik: data dunia fizikal lebih sukar untuk diurus berbanding data teks. Video adalah berat, sensor beroperasi pada kadar yang berbeza, format sentiasa berubah, dan bidang ini belum lagi memuktamadkan rupa isyarat latihan terbaik . Pasukan robotik kini menghabiskan terlalu banyak masa menulis skrip rapuh hanya untuk menjadikan data mereka boleh digunakan .

Tesis utama syarikat ini ialah data berkualiti tinggi adalah kritikal untuk kemajuan dalam AI fizikal, dan robotik memerlukan infrastruktur untuk memperhalusi data dunia nyata yang tidak teratur menjadi set data latihan yang berguna . Ini mencerminkan peranan yang dimainkan oleh set data berskala web berkualiti tinggi dalam menambah baik model bahasa — dengan pasukan yang sama kini menggunakan idea penghalusan data yang serupa untuk robotik .

Pengasas: Duo FineWeb

Macrodata Labs diasaskan oleh Guilherme Penedo dan Hynek Kydlíček . Kedua-duanya pernah bekerja pada FineWeb di Hugging Face dan disenaraikan sebagai pengarang kertas dataset FineWeb . Latar belakang mereka adalah dalam kurasi data berskala besar dan penghalusan untuk latihan model bahasa, yang kini mereka gunakan untuk data dunia fizikal untuk robot .

"Sepanjang beberapa tahun lepas di Hugging Face, Hynek dan saya bekerja pada beberapa set data pra-latihan LLM sumber terbuka yang paling banyak digunakan, termasuk FineWeb dan FinePDFs. Kerja itu memberi kami tempat duduk hadapan untuk melihat bagaimana peningkatan pengiraan dan data mendorong kemajuan dalam LLM. Kami mula melihat perkembangan serupa dalam robotik," tulis Penedo dalam pengumuman LinkedIn .

Refiner: Rangka Kerja Sumber Terbuka untuk Data Robotik

Refiner ialah produk pertama Macrodata Labs — rangka kerja pemprosesan data robotik sumber terbuka . Ia digambarkan sebagai kit alat untuk menukar video robot yang tidak teratur dan data dunia fizikal lain menjadi data latihan robotik yang lebih bersih .

Rangka kerja ini membaca format yang benar-benar digunakan oleh pasukan robotik — LeRobot, HDF5 (ALOHA, robomimic, LIBERO), Zarr, MCAP, video mentah, dan set data Hugging Face — dan menyediakan alat untuk memproses demonstrasi, bingkai, trajektori, anotasi, dan strim sensor .

Refiner direka untuk berfungsi secara tempatan untuk pembangunan dan boleh ditingkatkan ke awan tanpa pelayan yang elastik dengan satu arahan . Syarikat itu meletakkannya sebagai 'penapis data' untuk AI fizikal .

$4 Juta Pra-Benih Diterajui Air Street Capital

Macrodata Labs mengumpul dana pra-benih $4 juta yang diterajui oleh Air Street Capital, sebuah firma yang berpangkalan di London yang memberi tumpuan kepada syarikat AI-first dan diasaskan oleh Nathan Benaich . Pusingan ini termasuk penyertaan daripada Drysdale Ventures, OPRTRS CLUB, Kima Ventures, YG Ventures (Alex Yazdi), >commit, Thomas Wolf (pengasas bersama Hugging Face), dan pelabur malaikat dari makmal AI terkemuka dan syarikat teknologi .

Air Street Capital, yang menutup Dana III bernilai $232 juta pada awal 2026, mempunyai portfolio yang merangkumi Synthesia, Black Forest Labs, Wayve, Poolside, dan syarikat AI-first yang lain .

Kedudukan Eropah dalam Robotik

Mesej awam Macrodata Labs kekal tertumpu pada membina lapisan data untuk robotik dan bukannya pada strategi robotik khusus Eropah yang jelas . Tuntutan paling kukuh yang disokong ialah syarikat itu disokong oleh Air Street Capital, sebuah firma modal teroka yang berpangkalan di London yang memberi tumpuan kepada AI . Konteks pelabur ini menunjukkan bahawa modal Eropah secara aktif menyokong infrastruktur data robotik, tetapi syarikat itu sendiri tidak mengeluarkan kenyataan rasmi mengenai peranan Eropah dalam robotik .