Pi Network 投资物理人工智能：什么是 Axis Robotics？

安讯士机器人（@轴机器人）是一家旧金山初创公司，通过浏览器模拟和移动应用程序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，宣布获得由 Hack VC 领投的 1200 万美元种子轮融资（@hack_vc），Nomad Capital 参与（@NomadCapital_io）、Pi Network Ventures（@PiCore团队）、10K 创投（@10k冒险）和天使投资人。

对于 Pi Network 观察者来说，这笔交易扩展了一种模式。继 2025 年加入由 Pantera Capital 牵头的 OpenMind 2000 万美元融资后，该生态系统的 1 亿美元风险投资部门现在已对机器人和人工智能堆栈进行了第二次披露的投资。加上对 CiDi Games 的战略投资，一幅基金的前景远远超出了加密原生项目。

什么是安讯士机器人？

Axis Robotics 成立于 2025 年，总部位于旧金山，将自己描述为“加速物理人工智能的复合数据引擎”。该公司规模较小，本轮融资时约有 11 名员工，但资历深厚：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人工智能和机器人研究人员，以及将消费产品用户规模扩大到超过 3000 万的成长型运营商。

创始人冯先生（@chris_anm01）此前曾担任 Chainbase 的首席运营官，拥有咨询和风险投资背景，包括在 Bain & Co. 工作过。公司。

该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。机器人没有同等的东西。在物理世界中感知和行动的机器面临着安讯士所说的三大障碍：严重的数据稀缺、泛化差距和体现碎片化，这意味着在一个机器人身体上收集的数据很少能干净地传输到另一个机器人身体上。

数据引擎如何工作？

安讯士构建了一个包含四个主要组件的人机交互管道：

• 任务生成引擎：通过随机化对象、布局、视觉效果和机器人类型，按程序生成不同的机器人任务。
• 基于浏览器的远程操作：贡献者从网页控制模拟机器人，无需任何硬件，产生的运动轨迹该公司声称达到了传统实验室收集吞吐量的大约 10 倍。
• 自我捕捉应用程序：一款移动应用程序使用实时手势跟踪从全球员工那里收集第一人称、真实世界的数据。
• 加工流水线：自动清理、域随机化和语言注释将原始贡献转化为模型就绪的数据集。

该方法是“模拟第一”。贡献者通过拾放等任务远程操作模拟手臂，轨迹在 IsaacSim 等高保真后端中得到清理和增强，结果训练视觉-语言-动作模型和模仿学习策略，并转移到物理机器人上。当模型失败时，人工修正将进入下一轮训练，该公司将这一循环视为复合智能而不是静态数据集。

加密层位于下面。接受的轨迹接收记录在上的唯一数据 ID根据为了可验证的所有权和出处，包含在“Train-to-Earn”激励模型中。经过两轮早期测试后，Axis 于 2026 年 3 月在 Base 上推出了其主要产品。第一个“小王子的玫瑰”在 3 天内收集了 10,000 多个有效轨迹，并训练了一个在弗兰卡实体手臂上运行的策略，自动完成了浇花任务，这是模拟到真实迁移的早期证明。随后推出了产品测试版，吸引了 20,000 多名用户，他们在 10 天内针对 47 种任务类型生成了大约 180,000 条轨迹。该公司还是 Base Batches 003 的决赛入围者和 Base Founders Residency Batch 002 的一部分。

安讯士声称有什么牵引力？

• 超过 100,000 名活跃贡献者，平均每天提交 3 至 4 次
• 每月生成超过 1,200 小时的模拟数据和 20,000 多个小时的现实世界自我中心数据
• 平台累计90+任务类别、2000+数字资产、20万+验证轨迹

基准声明很突出。在 Axis 多元化 Sim 数据集 V1 上预训练 π0.5 机器人模型（该模型由 Physical Intelligence 构建，与 Pi Network 无关，尽管具有共享符号），将 LIBERO-Plus 上的总体成功率提高了 4.9 分。这比体积匹配的 RoboCasa365 基线高出 31.3 个点，在布局泛化、传感器噪声弹性和机器人姿势稳健性方面都有所提高。

在商业方面，安讯士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公司销售定制任务包。指定合作伙伴包括 Booster Robotics、Manycore Tech、Feagine Robotics、Dexmal、Lotus、吉利汽车和 SomaStacks 等。

接下来会发生什么？

所得收益将扩大程序生成能力，并将贡献者网络扩展到新区域，并在近期路线图上提供付费试点和 100 万美元以上的 ARR 目标。两个数据集已计划发布：9 月发布 Sim Dataset V2，11 月发布 DAgger 训练后数据集。

Feng 用数据术语而不是模型术语来描述这场竞赛，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：“物理AI需要数十亿条人机交互运动轨迹。”

众包网络能否达到这样的规模是 1200 万美元必须回答的问题。但随着 Hack VC 的领先、Pi Network Ventures 深化其机器人技术曝光，以及年底前发布的两个数据集，Axis 已经向市场提供了具体的里程碑来检验其主张。

资料来源：

• 安讯士机器人X 上正式宣布 1200 万美元种子轮融资。
• 隐城新闻稿详细介绍了本轮融资、投资者和数据引擎架构。
• 布卢明比特覆盖范围包括数据集路线图和创始人评论。
• 安讯士机器人网站有关平台和指标的公司网站和文档。