Команда FineWeb отримала $4 млн на «нафтопереробний завод для даних» роботів

Команда, яка перетворила відкритий веб на датасети для найпотужніших мовних моделей, тепер береться за новий виклик — «прибирання» хаотичних даних із фізичного світу для роботів .

Стартап Macrodata Labs вийшов із режиму стелс у червні 2026 року з чіткою метою — створити інфраструктуру для роботи з даними фізичного ШІ. Компанія залучила $4 млн на pre-seed раунді та водночас запустила Refiner — відкритий фреймворк для обробки навчальних даних у робототехніці .

Чому фізичні дані — це головна проблема

Фізичні дані значно складніші за текст: відеофайли «важкі», сенсори працюють на різних частотах, формати постійно змінюються, і в галузі досі немає єдиного уявлення про те, як має виглядати якісний навчальний сигнал . Команди робототехніків витрачають забагато часу на написання крихких скриптів, щоб просто зробити свої дані придатними до використання .

Основна теза Macrodata Labs: якісні дані є критичними для прогресу у фізичному ШІ, а робототехніці потрібна інфраструктура, щоб «переробляти» неохайні реальні дані в корисні навчальні набори . Це нагадує роль, яку відіграли високоякісні веб-датасети для покращення мовних моделей — та сама команда тепер застосовує подібний підхід до робототехніки .

Засновники: дует FineWeb

Macrodata Labs заснували Guilherme Penedo та Hynek Kydlíček . Обидва раніше працювали над проєктом FineWeb у Hugging Face і є авторами наукової статті про датасет FineWeb . Їхній досвід — у масштабній курації та очищенні даних для навчання мовних моделей, що вони тепер застосовують до фізичних даних для роботів .

«Останні кілька років у Hugging Face ми з Гінеком працювали над одними з найпоширеніших відкритих датасетів для попереднього навчання LLM, зокрема FineWeb та FinePDFs. Ця робота дала нам змогу на власні очі побачити, як масштабування обчислень і даних рухало прогрес у LLM. Ми бачимо подібний зліт і в робототехніці», — написав Пенедо у LinkedIn .

Refiner: відкритий фреймворк для даних роботів

Refiner — перший продукт Macrodata Labs, відкритий фреймворк для обробки даних у робототехніці . Його описують як набір інструментів для перетворення неохайних відео та інших фізичних даних у чисті навчальні набори для роботів .

Фреймворк читає формати, які реально використовують команди: LeRobot, HDF5 (ALOHA, robomimic, LIBERO), Zarr, MCAP, сире відео та датасети Hugging Face. Він надає інструменти для обробки демонстрацій, кадрів, траєкторій, анотацій і сенсорних потоків .

Refiner розроблений для локальної роботи під час розробки та масштабування до еластичної безсерверної хмари однією командою . Компанія позиціонує його як «нафтопереробний завод для даних» фізичного ШІ .

$4 млн pre-seed від Air Street Capital

Pre-seed раунд на $4 млн очолив Air Street Capital — лондонський фонд, що спеціалізується на AI-компаніях, заснований Натаном Бенаїчем . У раунді також взяли участь Drysdale Ventures, OPRTRS CLUB, Kima Ventures, YG Ventures (Alex Yazdi), >commit, співзасновник Hugging Face Томас Вульф та бізнес-ангели з провідних AI-лабораторій .

Air Street Capital, який на початку 2026 року закрив третій фонд на $232 млн, має в портфелі Synthesia, Black Forest Labs, Wayve, Poolside та інші AI-компанії .

Позиція Європи в робототехніці

Публічні повідомлення Macrodata Labs зосереджені на створенні дата-шару для робототехніки, а не на якійсь окремій європейській стратегії . Найсильніше підтверджене твердження — що компанію підтримує Air Street Capital, лондонський AI-фонд . Це свідчить про те, що європейський капітал активно інвестує в інфраструктуру даних для робототехніки, але сама компанія не робила офіційних заяв про роль Європи .