一句话看懂：专注物理 AI 数据采集的 Axis Robotics 已积累 210 万条机器人训练轨迹，并完成 1200 万美元种子轮融资。它用“网页遥控机器人+链上记账”的方式，试图解决具身智能领域高质量真实数据缺口超 99% 的难题。
事件核心：发生了什么
Axis Robotics 定位为“物理 AI 复合数据引擎”，不造机器人，也不做基础大模型，只解决数据瓶颈。其平台允许全球用户通过浏览器、键盘或手机远程操控虚拟机械臂完成抓取、分拣等任务，每次操作都会生成包含关节状态、物体位姿和时间戳的完整轨迹，经自动验证后用于模型训练。
据其官方披露，截至 2026 年 7 月底，平台已有超过 9.4 万名贡献者，累计收集 210 万条轨迹，链上同步记录超过 210 万条，发布任务 1600 多个。早期实验中，使用 Axis 数据持续预训练后，π0.5 模型在 LIBERO-Plus 基准上的成功率从 83.9% 提升至 88.8%。2026 年 7 月，Axis 完成 1200 万美元种子轮融资，由 Hack VC 领投，Nomad Capital、Pi Network Ventures 等机构及多位天使投资人跟投。
为什么重要
大语言模型可以靠互联网文本训练，但具身智能和世界模型需要动作轨迹、空间交互和失败纠正等真实物理数据，这部分数据无法通过爬虫获取，只能逐个生产。公开信息显示，全球高质量真实物理交互数据目前仅约 50 万小时，而训练通用具身模型需要千万甚至上亿小时量级，缺口超过 99%。传统实验室遥操作成本高、场景有限，数据已成为具身智能产业链上最先被卡住、也最可能先商业化的环节。
Axis 的差异化在于引入 Web3 机制：贡献者完成轨迹验证后签名上链，生成唯一 Data ID 记录在 Base 网络，部分联盟任务走 Solana。数据权属、贡献记录和质量评分都可公开验证，配合代币或积分激励，将数据生产从中心化工厂变成开放市场。解决的是分布式数据采集中的协作与信任问题，而非简单“区块链+AI”的概念叠加。
对用户/开发者/创作者的影响
对普通用户，参与门槛几乎为零——打开网页用键盘、手柄或手机即可完成任务并获取激励，部分合作任务还能获得双重代币奖励。对机器人公司和 AI 实验室，Axis 提供的是结构化、可直接训练的数据集，可以按需定制，省去自建采集团队的硬件与人力成本。对关注 Web3 与 AI 交叉领域的开发者，Axis 展示了链上数据确权在物理世界数据生产中的实际应用场景，其数据飞轮模式值得跟进观察。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是资金落地后的实际扩张速度，1200 万美元能否支撑其任务生成能力和贡献者网络的持续扩大；二是数据质量验证机制是否足够严格，随着数据量增长，劣质或重复轨迹的过滤成本可能上升；三是竞品动向——Scale AI 等传统数据服务商若切入物理世界数据采集，可能改变市场竞争格局。此外，其与 BitRobot 子网等合作方的双重激励模式能否持续吸引贡献者，也是检验飞轮是否成立的关键指标。
来源：@Meta888_hk
