Startup dữ liệu robot XDOF đàm phán gọi vốn Series B với định giá 1,2 tỷ USD chỉ sau 3 tháng lộ diện

Chưa đầy ba tháng sau khi thoát khỏi chế độ "ẩn mình" (stealth mode), XDOF, một startup chuyên thu thập dữ liệu điều khiển từ xa trong thế giới thực để huấn luyện robot đa năng, đang trong giai đoạn đàm phán cuối cùng để gọi vốn Series B với mức định giá khoảng 1,2 tỷ USD do 8VC dẫn dắt, theo một số nguồn tin am hiểu về thương vụ này cho biết.

XDOF được đồng sáng lập bởi các nhà nghiên cứu tại UC Berkeley là Philipp Wu (CEO) và Fred Shentu (CTO) vào năm 2024. TechCrunch từng đưa tin về vòng gọi vốn Series A trị giá 70 triệu USD của startup này vào tháng 6, với sự tham gia của Thrive Capital, Andreessen Horowitz, Lux và Spark Capital. XDOF vốn không có kế hoạch gọi vốn sớm như vậy sau vòng đó. Tuy nhiên, sự tăng trưởng nhanh chóng của công ty — với doanh thu hàng năm đạt gần 50 triệu USD — đã khiến các quỹ đầu tư mạo hiểm chủ động tiếp cận để đề xuất một vòng gọi vốn mới, theo các nguồn tin này.

TechCrunch chưa thể xác định tổng số vốn được huy động hoặc liệu mức định giá trên đã bao gồm khoản đầu tư mới hay chưa. Các điều khoản của thương vụ vẫn chưa phải là cuối cùng và vẫn có thể thay đổi.

XDOF và 8VC đã không phản hồi yêu cầu bình luận của chúng tôi.

Startup này đặt mục tiêu xây dựng các đường ống dữ liệu, công cụ thu thập và hệ thống chú thích mà các phòng thí nghiệm AI tiên phong và các công ty robot khó có thể tự xây dựng, về cơ bản đóng vai trò như một chuỗi cung ứng dữ liệu thuê ngoài cho ngành công nghiệp robot.

Khi còn là nghiên cứu sinh tiến sĩ, Wu đã nghiên cứu cách robot học hỏi từ các tập dữ liệu lớn. Một trở ngại lớn đối với nghiên cứu của anh là sự thiếu hụt "dữ liệu quy mô lớn để làm việc", anh chia sẻ với TechCrunch vào tháng 6.

Vì vậy, anh đã hợp tác với Shentu trong một dự án có tên là GELLO, một hệ thống điều khiển từ xa chi phí thấp cho phép người vận hành điều khiển cánh tay robot từ xa để tạo ra dữ liệu huấn luyện. Công trình của họ đã dẫn đến một bài báo có tầm ảnh hưởng lớn trong lĩnh vực robot.

Nghiên cứu đó đã tạo nền tảng cho XDOF, công ty mà các nhà đầu tư hiện mô tả là Scale AI hoặc Mercor của ngành robot vật lý, một sự so sánh với những "gã khổng lồ" gắn nhãn dữ liệu đã góp phần thúc đẩy sự bùng nổ của AI. Không giống như các mô hình ngôn ngữ lớn (LLM) vốn được huấn luyện trên toàn bộ internet ngay từ đầu, robot vật lý không có một tập dữ liệu tương đương trong thế giới thực để khai thác, khiến việc thu thập dữ liệu trở thành nút thắt cổ chai quan trọng trong việc chế tạo các cỗ máy đa năng.

XDOF đang hợp tác với phòng thí nghiệm nghiên cứu AI của UC Berkeley để công bố thứ mà họ tin là bộ sưu tập dữ liệu huấn luyện robot chất lượng cao lớn nhất từng được tập hợp, có tên là ABC.

Để thu thập dữ liệu này, XDOF kết hợp việc điều khiển robot từ xa với những người thu thập dữ liệu là con người, những người đeo cảm biến để ghi lại các công việc hàng ngày như gấp quần áo và làm phẳng hộp giấy.

Startup này có kế hoạch tuyển dụng và đào tạo các đội ngũ thu thập dữ liệu trên toàn thế giới, bao gồm các nhân viên điều khiển từ xa để vận hành robot và các nhân viên đeo cảm biến cơ thể để ghi lại dữ liệu chuyển động.

XDOF trước đó đã nói với TechCrunch rằng họ hiện đang làm việc với 20 khách hàng, bao gồm một số phòng thí nghiệm AI tiên phong.

Các startup khác đang cố gắng thu thập dữ liệu thế giới thực để huấn luyện robot bao gồm Mecka AI, cũng như các nền tảng dữ liệu con người đang mở rộng ra ngoài phạm vi LLM như Scale AI và Micro1.

Khi bạn mua hàng thông qua các liên kết trong bài viết của chúng tôi, chúng tôi có thể nhận được một khoản hoa hồng nhỏ. Điều này không ảnh hưởng đến tính độc lập trong biên tập của chúng tôi.

Marina Temkin là phóng viên mảng đầu tư mạo hiểm và startup tại TechCrunch. Trước khi gia nhập TechCrunch, cô viết về đầu tư mạo hiểm cho PitchBook và Venture Capital Journal. Trước đó trong sự nghiệp, Marina từng là chuyên gia phân tích tài chính và đạt chứng chỉ CFA.

Bạn có thể liên hệ hoặc xác minh thông tin từ Marina qua email [email protected] hoặc qua tin nhắn mã hóa tại số +1 347-683-3909 trên Signal.

Xem tiểu sử