Macrodata Labs 籌400萬美元 為機械人AI打造數據基建

之前幫好多大型語言模型建立訓練數據集嗰條團隊，而家將佢哋嘅數據專業帶到新嘅戰場：清理機械人嗰啲亂七八糟嘅現實世界數據。

Macrodata Labs 喺2026年6月正式浮面，目標好清晰——為實體AI建立缺失咗嘅數據基建層。公司成功籌集咗400萬美元pre-seed資金，同時推出開源框架 Refiner，專門處理機械人訓練數據 。

問題所在：現實世界數據比文字複雜好多

Macrodata Labs 要解決嘅係機械人領域一個根本性樽頸：現實世界嘅數據比文字難搞好多。影片檔案好大，感應器嘅讀取頻率唔同，格式成日變，到而家業界都未有共識話乜嘢先係最好嘅訓練訊號 。機械人團隊為咗令數據用得著，要浪費好多時間去寫啲好脆弱嘅程式腳本 。

公司嘅核心諗法係：高質素數據對實體AI嘅發展至關重要，而機械人領域需要專門嘅基建，將混亂嘅現實世界數據轉化為有用嘅訓練數據集 。呢個思路同當年高質素網絡數據集點樣推動語言模型進步係異曲同工——而家同一條團隊將類似嘅數據提煉概念應用喺機械人身上 。

創辦人：FineWeb雙雄

Macrodata Labs 由 Guilherme Penedo 同 Hynek Kydlíček 共同創立 。佢哋之前喺Hugging Face負責FineWeb項目，仲係FineWeb數據集論文嘅作者之一 。佢哋嘅背景係大型語言模型訓練數據嘅大規模策劃同提煉，而家將呢方面嘅專業用喺機械人嘅現實世界數據上 。

Penedo 喺LinkedIn嘅宣布入面話：「過去幾年喺Hugging Face，Hynek同我一齊做咗一啲最廣泛使用嘅開放LLM預訓練數據集，包括FineWeb同FinePDFs。呢段經歷令我哋親眼見到，擴大計算規模同數據規模係點樣推動LLM進步。我哋開始見到機械人領域有類似嘅起飛。」

Refiner：開源機械人數據框架

Refiner 係Macrodata Labs 嘅首款產品——一個開源嘅機械人數據處理框架 。佢係一套工具，幫手將亂糟糟嘅機械人影片同其他現實世界數據，轉化為更乾淨嘅機械人訓練數據 。

呢個框架可以讀取機械人團隊實際用開嘅格式——LeRobot、HDF5（ALOHA、robomimic、LIBERO呢啲）、Zarr、MCAP、原始影片，同埋Hugging Face數據集——仲提供工具去處理示範片段、幀、軌跡、注釋同感應器數據流 。

Refiner 嘅設計係可以喺本地開發環境用，亦都可以用一條指令就擴展到彈性嘅無伺服器雲端 。公司將佢定位為實體AI嘅「數據提煉廠」。

400萬美元Pre-Seed 由Air Street Capital領投

Macrodata Labs 籌集咗400萬美元pre-seed資金，由 Air Street Capital 領投。Air Street Capital 係一間倫敦嘅創投公司，專注AI-first公司，由Nathan Benaich創立 。參與呢輪融資嘅仲有Drysdale Ventures、OPRTRS CLUB、Kima Ventures、YG Ventures（Alex Yazdi）、>commit、Hugging Face聯合創辦人Thomas Wolf，以及嚟自頂尖AI實驗室同科技公司嘅商業天使投資者 。

Air Street Capital 喺2026年頭啱啱完成咗一個2.32億美元嘅Fund III，旗下投資組合包括Synthesia、Black Forest Labs、Wayve、Poolside等AI-first公司 。

歐洲喺機械人領域嘅角色

Macrodata Labs 嘅公開訊息主要集中喺建立機械人數據層，而冇特別講到歐洲嘅機械人策略 。最有力嘅佐證係公司由倫敦嘅AI創投Air Street Capital支持 。呢個投資者背景顯示歐洲資本積極支持機械人數據基建，但公司本身冇發表過關於歐洲喺機械人領域角色嘅正式聲明 。