XDOF, основанный исследователями UC Berkeley Филиппом Ву и Фредом Шэню в 2024 году, ведёт финальные переговоры о привлечении Series B при валюации около $1,2 млрд. Раунд возглавляет фонд 8VC. Это происходит менее чем через три месяца после того, как стартап объявил о Series A в $70 млн (в котором участвовали Thrive Capital, Andreessen Horowitz, Lux и Spark Capital). Темп действительно впечатляет: компанию никто не ждал снова на рынке так скоро, но её рост — годовая выручка приближается к $50 млн — привлёк внимание новых инвесторов.
Суть стартапа прозрачна: XDOF строит инфраструктуру для сбора, обработки и аннотирования данных телеоперации, которая нужна компаниям, работающим с роботами и фронтиерными ИИ-лабораториями. По сути, это аутсорс-снабжение данных для робототехники. Ву изначально изучал, как роботы учатся на больших датасетах, и столкнулся с классической проблемой: данных просто нет в нужном объёме. Вместе с Шэню он создал GELLO — недорогую систему телеоперации для управления робототехнической рукой оператором, которая позволяет генерировать тренировочные данные. Их работа легла в основу влиятельной статьи в робототехнике и теперь в основу компании.
Инвесторы позиционируют XDOF как Scale AI или Mercor для физических роботов — имея в виду компании, которые превратили разметку данных в фундамент для ИИ-бума. Ключевое отличие: если LLM изначально обучались на интернете, у физических роботов нет эквивалента этого универсального датасета реального мира. Сбор такого датасета — это не просто приятный добавок, а критический узкий момент для создания машин общего назначения. XDOF уже работает с 20 клиентов, включая несколько крупных ИИ-лабораторий.
Компания использует комбинацию удалённого управления роботами и операторов в теле (люди в специальных датчиках) для записи повседневных задач вроде складывания одежды или выравнивания коробок. Вместе с UC Berkeley XDOF готовит релиз датасета ABC, который позиционируется как крупнейшая коллекция высокого качества тренировочных данных для роботов. Компания планирует нанимать и обучать команды сборщиков данных по всему миру. В пространстве конкурируют и другие: Mecka AI, Scale AI, Micro1 — все видят ту же проблему и пытаются её решить.
Вот что здесь важно: это не очередное раздутое оценивание на ажиотаже. Число $1,2 млрд выглядит амбициозно для трёхмесячного стартапа, но он заявляет $50 млн annualized revenue — это реальная выручка, не сделанные на воде обещания. Растут потому, что продукт нужен и сейчас. Ранее казалось, что робототехника — это вечное «в скором времени», но последние два года показывают, что инвесторы и крупные лабораториях действительно готовы платить за инструменты, которые это ускорят. И без качественных данных никакой ИИ здесь не поможет — только сбор и разметка.
В российском бизнесе ценность XDOF как модели видна в нишах, где уже есть попытки автоматизации физических процессов: логистика, производство, лабораторная автоматизация. Локально компании могут использовать похожий подход к сбору данных телеоперации для своих задач — например, в AI Studio можно автоматизировать создание датасетов для обучения моделей, но первичные данные нужно собирать отдельно. Для российских производителей, которые начинают экспериментировать с промышленной робототехникой, модель аутсорс-сбора данных может быть дешевле, чем создавать эту инфраструктуру внутри. Хотя пока это остаётся нишевым рынком — на уровне крупных фабрик и R&D-центров.
Условия раунда еще не финализированы и могут измениться. Размер всего привлекаемого капитала TechCrunch не удалось выяснить, а также остаётся вопрос, включена ли текущая оценка в только что поднимаемые деньги. Обе стороны — и XDOF, и 8VC — на запрос комментария не ответили. Но сама история показывает, что инвесторы не ищут в робототехнике фундаментально новые идеи — они ищут инструменты, которые уберут уже известные преграды.