Physical AI数据基础设施领域迎来重要进展，Ropedia宣布完成数千万美元天使轮融资。本轮融资由东南亚头部风投机构领投，多家一线美元基金及智能制造、大模型领域产业方参与跟投。此前融资中，与Google、a16z、NVIDIA、Amazon相关的投资人亦曾注资，深渡资本持续担任独家财务顾问。资金将用于核心技术团队扩张、硬件量产及数据产品规模化生产。
作为全球最早系统性布局Physical AI数据基础设施的企业之一，Ropedia于2025年下半年在新加坡成立，并在硅谷设立研发中心。创始团队由清华大学、南洋理工大学MMLab、meta Reality Labs及Google背景的专家组成，首席科学家刘子纬为南洋理工大学副教授。公司通过自研采集硬件、数据引擎及真实世界数据集，构建起连接人类经验与机器智能的数据层，为机器人及具身智能系统提供训练底座。
当前行业面临的核心挑战在于高质量物理世界数据的获取。传统视频与图文数据已无法满足机器人基础模型、VLA及世界模型的迭代需求，这类数据需要具备物理尺度、动态交互、手物关系及场景语义等特征。然而，数据采集依赖昂贵设备且处理链路复杂，原始信号需经过时间同步、三维重建、语义标注等十余个环节才能转化为可用数据，导致成本居高不下。
Ropedia的突破在于通过数据引擎驱动生产体系，实现规模化供给。其自研的Experience Engine可将海量原始信号自动转化为结构化数据，覆盖人体姿态、手物交互、空间轨迹等多维度信息。相比传统人工标注模式，该系统在保证数据质量的同时，将生产效率提升数倍，成本降低一个数量级。CEO陈昭熹指出："数据价值取决于成本、质量、规模及对模型效果的提升，而非单纯追求数量。"
公司已推出头戴式便携采集系统HOMIE，可轻量化记录第一视角下的人体运动、场景变化及物体交互数据。该设备与数据引擎形成闭环，构建起"采集-生产-训练-验证"的数据飞轮。在此基础上，Ropedia正在打造三层端到端基础设施：第一层为覆盖多场景的感知硬件网络；第二层是自动化数据引擎，实现全流程留痕可查；第三层提供数据集与模型验证体系，反向指导采集策略优化。
据硬氪独家获悉，Ropedia计划于2026年8月发布下一代多模态采集系统。新系统将统一视觉、动作、接触及空间状态等多维度信息，实现更完整的物理过程表达。陈昭熹解释："传统视频只能记录行为结果，而我们需要描述人与环境的交互过程。例如插拔动作中，视觉相似的操作可能对应完全不同的受力状态，这对机器人训练至关重要。"
在数据安全领域，Ropedia建立了分级交付体系，支持上云部署、专属分区及本地私有化等多种方案，确保原始数据无需离开客户环境即可完成结构化处理。这一设计在涉及人类行为数据的Physical AI领域具有关键意义，已获得全球20余家头部企业的采用。
2026年3月开源的Xperience-10M数据集验证了技术路线可行性。该数据集包含1000万个交互片段、超10种同步模态，总规模近1PB。实验显示，使用该数据集训练的ACE-Ego-0模型任务成功率达72.8%，较仅用机器人数据提升4.5个百分点。目前该数据集在Hugging Face平台下载量位居全品类第二、具身智能领域第一，已被AI2、Qwen等实验室采用。
商业进展方面，Ropedia过去六个月营收增长4.1倍，北美市场贡献六至七成份额。公司已服务约1800家机构，其中500余家签署数据使用协议。陈昭熹认为，互联网数据决定大语言模型上限，而真实世界经验将决定Physical AI的发展边界。随着大模型能力向物理世界延伸、机器人硬件及三维视觉技术成熟，行业正从概念验证阶段迈向规模化部署。
