Macrodata Labs获400万美元种子轮融资，为机器人AI打造数据基础设施

曾将整个开放互联网转化为高质量数据集、并驱动了当今许多顶尖大语言模型（LLM）发展的团队，如今将同样的数据专长应用到了一个新的挑战上：清理机器人领域混乱的数据世界。

Macrodata Labs于2026年6月正式走出隐身模式，其使命清晰明确——为物理AI构建缺失的数据基础设施层。该公司完成了400万美元的种子轮融资，并同步发布了用于处理机器人训练数据的开源框架Refiner 。

问题所在：物理世界数据远比文本数据复杂

Macrodata Labs瞄准的是机器人领域一个根本性的瓶颈：与现实世界打交道的数据，比处理文本数据要困难得多。视频文件体积巨大，不同的传感器运行速率各异，数据格式变化频繁，而且整个行业至今没有就“最佳训练信号”应该是什么样子达成共识 。目前，机器人研发团队花费大量时间编写脆弱的脚本，仅仅是为了让收集到的数据能够被使用 。

公司的核心理念是：高质量的数据对于物理AI的进步至关重要，而机器人领域迫切需要能够将混乱的现实世界机器人数据精炼成有用训练数据集的基础设施 。这与高质量网络规模数据集在推动语言模型发展中所扮演的角色如出一辙——现在，同一个团队正将类似的数据精炼理念带到了机器人领域 。

创始团队：FineWeb双人组

Macrodata Labs由Guilherme Penedo和Hynek Kydlíček联合创立 。两人此前均在Hugging Face从事FineWeb项目的工作，并被列为FineWeb数据集的论文作者 。他们的背景是大规模数据策展和精炼，专门为语言模型训练提供数据，如今他们将这套方法论应用于机器人的物理世界数据 。

Penedo在LinkedIn上发布的一则公告中写道：“过去几年在Hugging Face，Hynek和我参与构建了一些最广泛使用的开放LLM预训练数据集，包括FineWeb和FinePDFs。那段工作让我们得以近距离观察，计算规模和数据的增长是如何驱动LLM取得进步的。现在我们看到机器人领域正经历着类似的起飞。”

Refiner：面向机器人数据的开源框架

Refiner是Macrodata Labs推出的第一款产品——一个开源的机器人数据处理框架 。它被定位为一套工具包，用于将混乱的机器人视频及其他物理世界数据清理为更干净的机器人训练数据 。

该框架能够读取机器人团队实际使用的各种格式——包括LeRobot、HDF5（ALOHA、robomimic、LIBERO）、Zarr、MCAP、原始视频文件以及Hugging Face数据集——并提供用于处理演示数据、画面帧、运动轨迹、注释和传感器数据流的各种工具 。

Refiner设计为可以在本地进行开发，并支持一条命令扩展至弹性的无服务器云端运行 。公司将其定位为物理AI的“数据精炼厂” 。

400万美元种子轮融资，由Air Street Capital领投

Macrodata Labs的400万美元种子轮融资由Air Street Capital领投，这是一家专注于AI初创公司的伦敦风投机构，由Nathan Benaich创立 。参与本轮融资的还包括Drysdale Ventures、OPRTRS CLUB、Kima Ventures、YG Ventures (Alex Yazdi)、>commit、Hugging Face联合创始人Thomas Wolf，以及来自各大顶尖AI实验室和科技公司的天使投资人 。

Air Street Capital在2026年早些时候完成了其规模达2.32亿美元的Fund III的募资，其投资组合包括Synthesia、Black Forest Labs、Wayve、Poolside等众多AI优先的公司 。

欧洲在机器人领域的定位

Macrodata Labs的对外宣传重点始终是构建机器人领域的数据层，而不是阐述一个针对欧洲的明确机器人战略 。根据现有资料，最有力的论据是该公司获得了总部位于伦敦、专注于AI领域的风投机构Air Street Capital的支持 。这一投资者背景表明欧洲资本正在积极押注机器人数据基础设施，但公司本身并未就欧洲在机器人领域的角色发表正式声明 。