Pi Network投资物理人工智能：Axis Robotics是什么？_新闻

免责声明：内容不构成买卖依据，投资有风险，入市需谨慎！

Pi Network投资物理人工智能：Axis Robotics是什么？

2026-07-28 23:12:01

Axis Robotics 完成1200万美元种子轮融资

Axis Robotics（@axisrobotics）是一家总部位于旧金山的初创公司，通过浏览器模拟和移动应用众包机器人训练数据，并在Base上记录经过验证的贡献。7月27日，该公司宣布完成由Hack VC（@hack_vc）领投的1200万美元种子轮融资，参投方包括Nomad Capital（@NomadCapital_io）、Pi Network Ventures（@PiCoreTeam）、10K Ventures（@10kventure）以及多位天使投资人。

对关注Pi Network的人而言，这笔交易延续了一个模式。该生态系统的1亿美元风险投资部门在2025年参与Pantera Capital领投的OpenMind 2000万美元融资后，此次又披露了对机器人和人工智能领域的第二笔投资。加上对CiDi Games的战略投资，可以看到一个基金正在积极布局远超原生加密项目的领域。

Axis Robotics 是什么？

Axis Robotics成立于2025年，总部位于旧金山，自称是“加速物理人工智能的复合数据引擎”。公司规模较小，本轮融资时约有11名员工，但背景深厚：团队成员包括来自加州大学伯克利分校、卡内基梅隆大学、佐治亚理工学院、南洋理工大学和上海交通大学的AI及机器人研究员，以及曾将消费产品用户规模推至3000万以上的增长运营专家。

创始人Chris Feng（@chris_anm01）此前担任Chainbase的首席运营官，并拥有咨询和风险投资背景，曾在贝恩公司工作。

公司的核心论点是数据问题。大型语言模型有数十年的互联网文本可供训练，而机器人则没有。感知并在物理世界中行动的机器面临三个障碍：严重的数据稀缺、泛化差距以及具身碎片化——即在一台机器人上收集的数据很难直接迁移到另一台机器人上。

数据引擎如何运作？

Axis构建了一个人机协同的流程，包含四个主要组件：

任务生成引擎：通过随机化物体、布局、视觉效果和机器人类型，程序化生成多样化的机器人任务。

基于浏览器的远程操控：贡献者从网页页面控制模拟机器人，无需硬件，产生的运动轨迹据称吞吐量约为传统实验室采集的10倍。

自我捕捉应用：一款移动应用利用实时手部姿态追踪，从全球劳动力中收集第一人称的真实世界数据。

处理流程：自动清洗、领域随机化和语言标注，将原始贡献转化为可供模型使用的数据集。

该方法以“模拟优先”为原则。贡献者通过远程操控模拟机械臂完成拾取和放置等任务，轨迹在IsaacSim等高保真后端进行清洗和增强，结果用于训练视觉-语言-动作模型和模仿学习策略，这些策略可迁移到实体机器人上。当模型失败时，人工修正会反馈到下一轮训练中——公司将其定义为复合智能，而非静态数据集。

加密层位于底层。被接受的轨迹会获得唯一的Data ID，记录在Base上以验证所有权和来源，并封装在“训练即赚取”激励模型中。Axis经过两轮早期测试后，于2026年3月在Base上发布了主要产品。第一轮测试名为“小王子玫瑰”，在3天内收集了超过10000条有效轨迹，并训练出一个策略，在实体Franka机械臂上运行，自主完成浇花任务，初步验证了模拟到现实的迁移。随后进行的测试版吸引了超过20000名用户，在10天内产生了约18万条轨迹，涵盖47种任务类型。该公司还曾是Base Batches 003的决赛入围者，并参与了Base Founders Residency Batch 002。

Axis 声称取得了哪些进展？

对于一家2025年成立的初创公司而言，融资材料中的数字相当可观：

超过10万名活跃贡献者，平均每天提交3到4次；每月生成超过1200小时的模拟数据和超过2万小时的真实世界自我中心数据；平台上积累了90多个任务类别、2000多种数字资产和超过20万条经过验证的轨迹。

其中的基准测试结果令人瞩目。在Axis的多样化模拟数据集V1上对π0.5机器人模型（由Physical Intelligence构建，与Pi Network无关，尽管符号相同）进行预训练，在LIBERO-Plus上整体成功率提升了4.9个百分点。这比同等规模的RoboCasa365基准高出31.3个百分点，在布局泛化、传感器噪声鲁棒性和机器人姿态鲁棒性方面均有提升。

在商业方面，Axis向机器人硬件制造商、物理人工智能模型公司和工业自动化企业销售定制化任务包。已公开的合作伙伴包括Booster Robotics、Manycore Tech、Feagine Robotics、Dexmal、Lotus、吉利汽车和SomaStacks等。

下一步计划是什么？

所获资金将用于扩展程序化生成能力，并将贡献者网络拓展至新区域，短期路线图包括付费试点项目以及100万美元以上的年度经常性收入目标。两个数据集版本已计划发布：模拟数据集V2将于9月发布，DAgger后训练数据集将于11月发布。

Feng用数据而非模型来定义竞争，他认为物理人工智能的竞争力取决于训练数据积累和改进的速度。在融资公告中，他直言不讳：“物理人工智能需要数十亿条人类与物理世界的交互运动轨迹。”

一个众包网络能否达到这一规模，正是这1200万美元需要回答的问题。但随着Hack VC领投、Pi Network Ventures深化其机器人领域布局，以及年底前两个数据集的发布，Axis已经为市场提供了具体的里程碑来检验其说法。

免责声明：

本网站、超链接、相关应用程序、论坛、博客等媒体账户以及其他平台和用户发布的所有内容均来源于第三方平台及平台用户。百亿财经对于网站及其内容不作任何类型的保证，网站所有区块链相关数据以及其他内容资料仅供用户学习及研究之用，不构成任何投资、法律等其他领域的建议和依据。百亿财经用户以及其他第三方平台在本网站发布的任何内容均由其个人负责，与百亿财经无关。百亿财经不对任何因使用本网站信息而导致的任何损失负责。您需谨慎使用相关数据及内容，并自行承担所带来的一切风险。强烈建议您独自对内容进行研究、审查、分析和验证。

展开阅读全文