Macrodata Labs: Startup của đội ngũ FineWeb gọi vốn 4 triệu USD xây dựng hạ tầng dữ liệu cho robot

Đội ngũ từng biến kho dữ liệu web mở thành bộ dữ liệu đào tạo cho nhiều mô hình ngôn ngữ lớn (LLM) hàng đầu hiện nay đang áp dụng chuyên môn về dữ liệu của mình vào một thử thách mới: dọn dẹp thế giới dữ liệu robot hỗn độn.

Macrodata Labs chính thức rời khỏi chế độ 'tàng hình' vào tháng 6 năm 2026 với một sứ mệnh rõ ràng — xây dựng lớp hạ tầng dữ liệu còn thiếu cho AI vật lý (Physical AI). Công ty đã huy động thành công 4 triệu USD trong vòng gọi vốn pre-seed và đồng thời ra mắt Refiner, một framework mã nguồn mở để xử lý dữ liệu huấn luyện robot .

Vấn Đề: Dữ Liệu Vật Lý Hỗn Độn Hơn Văn Bản

Macrodata Labs giải quyết một nút thắt cơ bản trong ngành robot: dữ liệu từ thế giới vật lý khó xử lý hơn nhiều so với dữ liệu dạng văn bản. Video có dung lượng lớn, các cảm biến chạy ở tốc độ khác nhau, định dạng liên tục thay đổi, và lĩnh vực này vẫn chưa thống nhất được tín hiệu huấn luyện tốt nhất nên trông như thế nào . Hiện tại, các đội ngũ phát triển robot phải dành quá nhiều thời gian để viết những đoạn script 'mong manh' chỉ để làm cho dữ liệu của họ có thể sử dụng được .

Luận điểm cốt lõi của công ty là dữ liệu chất lượng cao đóng vai trò then chốt cho sự tiến bộ của AI vật lý, và ngành robot cần một hạ tầng chuyên dụng để tinh chỉnh dữ liệu robot thô từ thế giới thực thành các bộ dữ liệu huấn luyện hữu ích . Điều này cũng tương tự như vai trò của các bộ dữ liệu web quy mô lớn chất lượng cao trong việc cải thiện các mô hình ngôn ngữ — và chính nhóm kỹ sư đó nay đang áp dụng những ý tưởng tinh chế dữ liệu tương tự cho lĩnh vực robot .

Nhà Sáng Lập: Bộ Đôi Đứng Sau FineWeb

Macrodata Labs được thành lập bởi Guilherme Penedo và Hynek Kydlíček . Cả hai từng làm việc trong dự án FineWeb tại Hugging Face và là đồng tác giả của bài báo khoa học về bộ dữ liệu FineWeb . Nền tảng của họ là về quản lý và tinh chế dữ liệu quy mô lớn cho việc huấn luyện mô hình ngôn ngữ, và giờ đây họ đang áp dụng chuyên môn này cho dữ liệu thế giới vật lý dành cho robot .

"Trong vài năm qua tại Hugging Face, Hynek và tôi đã làm việc trên một số bộ dữ liệu tiền huấn luyện LLM mã nguồn mở được sử dụng rộng rãi nhất, bao gồm FineWeb và FinePDFs. Công việc đó cho chúng tôi cái nhìn sâu sắc về cách việc mở rộng quy mô tính toán và dữ liệu đã thúc đẩy sự tiến bộ của các LLM. Chúng tôi đang bắt đầu thấy một sự cất cánh tương tự trong lĩnh vực robot," Penedo viết trong một bài đăng trên LinkedIn .

Refiner: Framework Mã Nguồn Mở Cho Dữ Liệu Robot

Refiner là sản phẩm đầu tiên của Macrodata Labs — một framework mã nguồn mở để xử lý dữ liệu robot . Nó được mô tả như một bộ công cụ giúp biến các video robot thô và các dữ liệu thế giới vật lý khác thành dữ liệu huấn luyện robot sạch hơn .

Framework này có khả năng đọc các định dạng mà các đội ngũ robot thực sự sử dụng — LeRobot, HDF5 (ALOHA, robomimic, LIBERO), Zarr, MCAP, video thô, và các bộ dữ liệu từ Hugging Face — đồng thời cung cấp công cụ để xử lý các bản trình diễn (demonstrations), khung hình (frames), quỹ đạo (trajectories), chú thích (annotations) và luồng cảm biến (sensor streams) .

Refiner được thiết kế để hoạt động cục bộ trong quá trình phát triển và có thể mở rộng lên đám mây serverless linh hoạt chỉ với một lệnh duy nhất . Công ty định vị nó như một 'nhà máy lọc dữ liệu' (data refinery) cho AI vật lý .

4 Triệu Đô La Pre-Seed Dẫn Đầu Bởi Air Street Capital

Macrodata Labs đã huy động được 4 triệu USD trong vòng gọi vốn pre-seed do Air Street Capital dẫn đầu. Air Street Capital là một công ty đầu tư mạo hiểm có trụ sở tại London, tập trung vào các công ty AI, do Nathan Benaich sáng lập . Vòng gọi vốn có sự tham gia của Drysdale Ventures, OPRTRS CLUB, Kima Ventures, YG Ventures (Alex Yazdi), >commit, Thomas Wolf (đồng sáng lập Hugging Face), và các nhà đầu tư thiên thần đến từ các phòng thí nghiệm AI và công ty công nghệ hàng đầu .

Air Street Capital, đã hoàn tất quỹ Fund III trị giá 232 triệu USD vào đầu năm 2026, có một danh mục đầu tư bao gồm Synthesia, Black Forest Labs, Wayve, Poolside và nhiều công ty AI khác .

Vị Thế Của Châu Âu Trong Lĩnh Vực Robot

Các thông điệp công khai của Macrodata Labs tập trung vào việc xây dựng lớp dữ liệu cho robot hơn là một chiến lược robot rõ ràng dành riêng cho châu Âu . Bằng chứng rõ ràng nhất là công ty được hậu thuẫn bởi Air Street Capital, một công ty đầu tư mạo hiểm tập trung vào AI có trụ sở tại London . Bối cảnh nhà đầu tư này cho thấy nguồn vốn châu Âu đang tích cực hỗ trợ hạ tầng dữ liệu robot, nhưng bản thân công ty chưa đưa ra tuyên bố chính thức nào về vai trò của châu Âu trong lĩnh vực này .