Physical AI正进入经验工程时代，Ropedia聚焦全链路数据基建，完成数千万美元融资

天使轮由一线美元基金，智能制造与大模型产业方共同领投；数据集 Xperience-10M 位列全平台数据集榜第 2 名，具身赛道第一名，目前已被多款具身基础模型 Qwen-VLA、MolmoMotion 等采用；多模态采集系统 HOMIE 进入规模化量产交付，新一代系统将于 2026 年 8 月发布。

过去几个月，Physical AI 领域正在发生一个值得关注的变化。

机器人模型的竞争不再局限于模型架构、参数规模和算力。

Qwen-VLA 将机器人操作、导航、轨迹预测和人类第一视角示范纳入统一训练框架；ACE-Ego-0 将人类第一视角视频转换为机器人可使用的伪动作轨迹；τ₀-WM 则在超过 2.7 万小时异构交互数据上联合学习视频预测与动作生成。这一趋势表明，Physical AI 正在从单纯依赖昂贵的机器人遥操作数据，转向利用更广泛的真实世界经验进行预训练。

模型仍然重要，但决定模型能否理解并进入现实世界的关键问题，正在向更底层移动：

如何持续获取真实世界中的交互经验？如何将不同设备、场景和模态的数据统一起来？又如何证明这些数据最终能够提升模型能力？

近日，总部位于新加坡的 Physical AI 公司 Ropedia 宣布完成新一轮数千万美元融资。据机器之心了解，本轮融资将重点投入于下一代多模态感知硬件、真实世界数据生产引擎、全球采集与交付能力，以及面向机器人基础模型和世界模型的数据验证体系建设。

机器之心获悉，本轮融资由多家深耕东南亚市场的头部风险投资机构领投，多家一线美元基金及智能制造、大模型产业方共同参与投资。在此前一轮融资中，与 Google、a16z、NVIDIA、Amazon 相关的投资人亦有参与。

与传统意义上的数据公司不同，Ropedia 希望建设的是位于现实世界与基础模型之间的一层基础设施：Real-World Experience Engine，真实世界经验基础设施。

「大家买的是结果，而不是半成品」：Ropedia 的核心竞争力不在于采集本身，而在于把原始数据变成模型输入

行业里并不缺能够跑通的答案。过去一年，市场上出现了不少展示效果亮眼的 Demo，但真正困难的是：这些方案能否从单点验证走向规模化部署，能否持续、稳定地生产大规模数据，并将技术方案转化为可量产、可扩展的基础设施。

对于具身智能而言，实验室中的一次成功，并不等同于产业中的可复制能力。Ropedia 试图解决的，是从「能够采集」到「能够规模化生产模型可用数据」的工程问题。

真实世界数据的生产，远不只是按下录制按钮。

不同传感器具有不同的采样频率、坐标体系和噪声特征；在开放环境中，还可能出现遮挡、漂移、动作中断、设备异常和语义缺失等问题。因此，一段原始采集数据通常需要经过时间同步、空间对齐、相机定位、三维与四维重建、人体及手部运动恢复、动作切分、语义标注和质量控制，才能转化为模型可以直接使用的训练数据。

传统数据服务往往围绕人工采集和人工标注展开，而 Physical AI 所需要的并不是一次性交付的数据包，而是一套能够持续运行和迭代的数据生产系统。

Ropedia 联合创始人兼 CEO 陈昭熹将其概括为：

「我们不是在做一个更大的视频库，而是在建设真实世界进入模型之前的基础设施。采集设备决定我们能够看到什么，Experience Engine 决定这些信息能否被模型使用，而模型验证决定下一轮应该采什么。」

这也构成了 Ropedia 与传统数据供应商之间的区别：客户最终购买的不是原始视频的数量，而是能够直接进入训练流程，具有稳定质量和明确数据结构，并可围绕特定模型目标持续迭代、规模化生产的数据资产。

「任何的智能一定是来源于人类经验」：模型开始从互联网数据转向真实世界

将视线从 Ropedia 回到整个行业，在过去十年，大语言模型和多模态模型对世界的认知，主要建立在网页、文本、图像和视频等互联网数据之上。

Ropedia 联合创始人兼 CTO 洪方舟表示：

「机器人不仅需要识别一只杯子，还要理解杯子在三维空间中的位置、手应该从什么方向接近、抓取时会发生怎样的接触、施加多大的力量，以及动作失败之后应该如何调整。」

Ropedia 将这些连续的感知、动作和物理反馈统称为 Human Experience— 人类真实世界经验。

Ropedia 联合创始人、首席科学家刘子纬则把这场转变，比作一次能源结构的切换：

「语言大模型有点类似于化石燃料：我们人类创造语言、记录语言，把丰富的语言沉淀在整个互联网上，但化石燃料终归是有限的。多模态是 AI 脱虚向实的必经之路，有点像我们从化石燃料走向新能源的过程。」

这也对应 Ropedia 的产品起点：把人类的五感信息转化为机器可识别的结构化数据，支撑多代际模型的长期复用：一次采集，具身智能、世界模型、多模态模型都能长期使用。

因此，Physical AI 所缺少的不只是更多视频，而是一套能够捕获、结构化并验证真实世界经验的完整工程体系。

「我们做一条面向量产的数据管线」：硬件只是入口，真正的产品是 Experience Engine

Ropedia 最早以头戴式采集系统 HOMIE 进入行业视野。

HOMIE 采用轻量化第一视角设计，可以在家庭、办公室、工厂、商场等开放环境中持续记录人类自然完成任务的过程。但在 Ropedia 当前的产品体系中，HOMIE 只是 Experience Engine 的入口，而不是公司的全部能力。

据了解，Ropedia 正在建立由三层组成的 HumanExperience Engine：一套端到端（end-to-end）的真实世界经验基础设施。

第一层 Sense 是覆盖不同交互场景的感知硬件，包括头戴式第一视角采集设备 HOMIE，以及面向手部动作、触觉和空间运动的感知系统。

第二层是 Experience Engine，将原始传感器数据转换为模型可训练数据的自动化数据生产引擎。

第三层为 Deliver，包括数据集、模型训练与验证体系，用于判断不同数据对 VLA、世界模型和空间智能模型究竟产生了什么作用，并反向指导下一轮采集。

三层之中，最重的工程投入在第二层。在这条管线上，最能体现差异的一环是标注。陈昭熹把整条数据管线类比为硬件量产线「整个数据平台和管线，就是一个面向量产的东西」，它的价值在于让不同批次的数据保持一致：所有采集数据先上云完成人工预筛选清洗，再进入自动化标注管线，先后经过自动化指标质检、人工终检后入库，全流程留痕可查。

据悉，截止 2026 年上半年，公司已完成服务超过 20 家全球机器人及基础模型公司。

「我们最后要的是模型结果」：用三个硬信号判断一家数据公司的价值

早在 2026 年 3 月，Ropedia 发布了旗舰数据集 Xperience-10M。

该数据集包含约 1000 万个真实世界交互片段、1 万小时第一视角视频和音频、超过 10 种同步模态，总数据规模接近 1PB。

怎么衡量「实际使用」？一个比下载量更难造假的框架，是看三个硬信号：数据进了谁的训练集、消融实验提升了多少、客户是否复购迭代。

信号一：数据进了谁的训练集

目前，Xperience-10M 已进入 Qwen-VLA、MolmoMotion、ACE-Ego-0 和 τ₀-WM 等具身基础模型、运动预测模型和世界模型的研究与训练体系。

公开渠道的数字可以交叉核对：Xperience-10M 在 Hugging Face 的累计下载量已超过 270 万次，位列全平台数据集榜第 2 名，共有 1,569 个独立账号与机构下载使用，并被 AI2、Qwen 等实验室引用采用。

信号二：消融实验提升了多少

ACE-Ego-0 使用了 435.7 小时来自 Xperience-10M 的第一视角人类视频。其消融实验显示：在相同框架下，同时使用机器人数据与人类视频的模型取得了 72.8% 的任务成功率，高于仅使用机器人数据时的 68.3%。这 4.5 个百分点的差距，不来自更大的模型或更多的算力，而直接来自训练数据本身。

信号三：客户是否复购迭代

前文提到，截止 2026 年上半年，Ropedia 已服务超过 20 家全球机器人及基础模型公司。据机器之心了解，在已进入交付的合作中，客户通常会先采购一批高精细度的多模态数据用于训练验证，再根据模型训练反馈决定是否扩大规模。在 Ropedia 看来，复购的前提是数据可以被反复使用：高精细度多模态数据可以支撑客户未来 2-3 个季度的模型迭代需求，减少重复采购的流程与时间成本。

相比单纯发布数据集，更值得关注的是，其价值已经开始通过模型训练结果获得验证，而不只是被发布和下载。

「多模态决定下一代的智能」：新一代多模态，从「看见动作」到「理解物理过程」

Ropedia 计划于 2026 年 8 月发布新一代多模态系统。

公司尚未披露完整的产品形态，但机器之心获悉，其技术方向并不是简单增加摄像头或传感器数量，而是进一步统一第一视角视觉、手部动作、人体运动与空间位置。

但许多机器人任务高度依赖接触信息。例如插拔、旋拧、按压、装配和操作柔性物体时，视觉上相似的动作，可能对应完全不同的受力状态与任务结果。

陈昭熹表示：「多模态的终点不是传感器越多越好，而是让视觉、动作、接触和空间状态发生在同一时间、同一坐标系中，形成模型能够学习的物理过程。」

刘子纬教授则给出了一个更长期的判断：「在数字世界里，很多任务可以被语言模型解决；但很多高价值的任务，比如制造业，一定脱离不了多模态，而且多模态可能真的能涌现出下一代的智能。」

这意味着，Ropedia 的产品重心正在从记录人类行为，进一步走向构建可计算、可对齐、可迁移的真实世界经验。

「数据就是石油，我们做的是精炼这一层」：从数据供给走向经验飞轮

「经验飞轮」这四个字，是理解 Ropedia 下一步动作的入口。

随着模型能力提升，数据需求也会不断变化。

所以，交付给客户的并不是管线的终点：从第一天设计采集，Ropedia 就尽可能全模态、全馏分地沉淀信息：一维文本、二维视频、三维深度与空间、四维动态位姿全部保留，等待未来的模型来「分馏」出更多价值。

下一阶段的数据基础设施不仅需要规模，还需要形成持续迭代的闭环：

采集硬件进入真实环境，Experience Engine 将原始信号转换为结构化经验，数据进入模型训练与评估，模型的失败和能力缺口再反向决定下一轮采集任务。

在这一闭环中，硬件、数据和模型不再是彼此独立的产品，而是一套共同演进的系统。

所谓「经验飞轮」，指的就是这套系统。它与「数据供给」的区别在于：供给是单向的，交付即终点；而飞轮是循环的，而且越转越有力，每转一圈，数据更有方向，模型更有能力，下一圈便转得比上一圈更快。

这也是为什么他们不仅仅是一个「数据公司」。

它所试图建立的，是 Physical AI 时代现实世界经验的生产、加工、验证和流通体系：让真实世界能够以模型可以理解的方式，持续进入机器人基础模型、世界模型和空间智能系统。

事实上，早在这套体系成形之前，就有人看到了同样的方向，Ropedia 的一位天使投资人、来自 Amazon 的资深首席研究科学家，曾这样解释自己的早期下注（原话为英文）：

「我很早就选择投资 Ropedia 团队，因为他们身上有一种罕见的组合：深厚的技术功底、极快的执行速度，以及对 Physical AI 走向的清晰判断。我相信，Ropedia 有条件成为 Physical AI 生态中的一家奠基性公司。」

互联网数据决定了大语言模型的上限，真实世界经验将决定 Physical AI 的上限。

Ropedia 这轮融资押注的，正是这个判断：智能的原料正在从互联网转向物理世界，而谁能率先把人类经验规模化地转化为模型能力，谁就掌握了下一代智能的源头。

文章来自于"机器之心"，作者 "机器之心"。