Macrodata Labs: Teamet bakom FineWeb satsar 4 miljoner dollar på robotikens datainfrastruktur

Teamet som förvandlade den öppna webben till dataseten som driver många av dagens ledande stora språkmodeller (LLM) riktar nu sin dataexpertis mot en ny utmaning: att städa upp den röriga världen av robotikdata.

Macrodata Labs kliver ur stealth-läge i juni 2026 med ett tydligt uppdrag – att bygga den saknade datainfrastrukturen för fysisk AI. Startupen har tagit in 4 miljoner dollar i en försådd finansieringsrunda (pre-seed) och lanserar samtidigt Refiner, ett ramverk med öppen källkod för att bearbeta robotikens träningsdata .

Problemet: Fysisk data är rörigare än text

Macrodata Labs angriper en grundläggande flaskhals inom robotik: data från den fysiska världen är mycket svårare att arbeta med än text. Videor är tunga, sensorer körs i olika hastigheter, formaten ändras hela tiden och området har ännu inte enats om vad den bästa träningssignalen bör vara . Robotikteam lägger för närvarande alltför mycket tid på att skriva bräckliga skript för att överhuvudtaget göra sin data användbar .

Företagets kärntes är att högkvalitativ data är avgörande för framsteg inom fysisk AI, och att robotik behöver infrastruktur för att förädla rörig verklig data till användbara träningsdataset . Detta speglar den roll som högkvalitativa webbdataset spelade för att förbättra språkmodeller – samma team tillämpar nu liknande idéer om dataförädling på robotik .

Grundarna: FineWeb-duon

Macrodata Labs grundades av Guilherme Penedo och Hynek Kydlíček . Båda arbetade tidigare med FineWeb på Hugging Face och är listade som författare till FineWeb-datasetets vetenskapliga artikel . Deras bakgrund ligger i storskalig datakuration och förädling för träning av språkmodeller, vilket de nu tillämpar på fysisk data för robotar .

"Under de senaste åren på Hugging Face arbetade Hynek och jag med några av de mest använda öppna förträningsdataseten för LLM, inklusive FineWeb och FinePDFs. Det arbetet gav oss en plats på första raden till hur skalning av beräkning och data drev framsteg inom LLM. Vi börjar se en liknande utveckling inom robotik," skrev Penedo i ett inlägg på LinkedIn .

Refiner: Ett ramverk med öppen källkod för robotikdata

Refiner är Macrodata Labs första produkt – ett ramverk med öppen källkod för bearbetning av robotikdata . Det beskrivs som en verktygslåda för att omvandla röriga robotvideor och annan fysisk data till renare träningsdata för robotar .

Ramverket läser de format som robotikteam faktiskt använder – LeRobot, HDF5 (ALOHA, robomimic, LIBERO), Zarr, MCAP, rå video och Hugging Face-dataset – och tillhandahåller verktyg för att bearbeta demonstrationer, bildrutor, banor, annoteringar och sensorströmmar .

Refiner är utformat för att fungera lokalt under utveckling och skalas till ett elastiskt serverlöst moln med ett enda kommando . Företaget positionerar det som ett "dataförädlingsverk" (data refinery) för fysisk AI .

4 miljoner dollar i försådd finansiering lett av Air Street Capital

Macrodata Labs tog in 4 miljoner dollar i en försådd finansieringsrunda ledd av Air Street Capital, ett London-baserat investmentbolag som fokuserar på AI-först-företag och grundades av Nathan Benaich . I rundan deltog även Drysdale Ventures, OPRTRS CLUB, Kima Ventures, YG Ventures (Alex Yazdi), >commit, Thomas Wolf (medgrundare av Hugging Face) samt affärsänglar från ledande AI-labb och teknikföretag .

Air Street Capital, som avslutade en fond på 232 miljoner dollar (Fund III) tidigare under 2026, har en portfölj som inkluderar Synthesia, Black Forest Labs, Wayve, Poolside och andra AI-först-företag .

Europas position inom robotik

Macrodata Labs offentliga budskap fokuserar på att bygga datalagret för robotik snarare än på en explicit Europa-specifik robotikstrategi . Det starkaste belagda påståendet är att företaget backas upp av Air Street Capital, ett London-baserat riskkapitalbolag med AI-fokus . Denna investerarkontext antyder att europeiskt kapital aktivt stödjer robotikens datainfrastruktur, men företaget självt har inte utfärdat något formellt uttalande om Europas roll inom robotik .