Physical AI 数据基础设施服务商 Ropedia 近期完成数千万美元天使轮融资。本轮由多家深耕东南亚市场的头部风投领投，多家一线美元基金和智能制造、大模型产业方参与。此前一轮的投资方里能看到 Google、a16z、NVIDIA、Amazon 相关机构的身影。
Ropedia 成立不到一年，总部新加坡，硅谷设办公室，创始团队来自清华大学、南洋理工大学 MMLab、Meta Reality Labs 与 Google。CEO 陈昭熹、CTO 洪方舟、首席科学家刘子纬（南洋理工大学副教授）三人联合组队。
为什么 Physical AI 急需数据基础设施
机器人基础模型、VLA、世界模型在快速迭代，传统视频与图文对已经喂不饱这些模型了。训练数据必须具备真实物理尺度、动态交互、手-物关系和场景语义。但这类数据有两道门槛：采集依赖昂贵设备和复杂部署，成本高企；原始信号距离可训练的结构化数据隔着漫长处理链路。
Ropedia 的差异化在数据引擎（Data Engine）——围绕数据生产构建完整体系，通过模型驱动数据生产，实现高质量真实世界经验数据的规模化供给。CEO 陈昭熹的原话是：「数据不是越贵越好，关键要看成本、质量、规模、任务相关性，以及它到底能不能真正提升模型效果、进入可评测的训练闭环。」
三层架构：Sense、Experience Engine、Deliver
第一层 Sense 是覆盖不同交互场景的感知硬件。已经上市的 HOMIE 是头戴式便携采集系统，可轻量化采集第一视角下人体运动、场景变化和物体交互的多模态信号。第二层 Experience Engine 把原始传感器数据转成可训练数据——人工预筛清洗、自动化标注、指标质检、人工终检后入库，全流程留痕可查。第三层 Deliver 是数据集与模型训练验证体系，用于判断数据对 VLA、世界模型的实际作用，并反向指导下一轮采集。
新一代多模态数据采集系统计划 2026 年 8 月正式发布，核心升级不是加传感器，而是统一第一视角视觉、手部动作、人体运动、空间位置等多模态信息到同一时间、同一坐标系。
开源数据集 Xperience-10M 已经跑通商业闭环
Ropedia 2026 年 3 月开源的人类经验数据集 Xperience-10M 收录约 1000 万个真实世界交互片段、超过 10 种同步模态、总规模接近 1PB。该数据集已被 Qwen-VLA、MolmoMotion、ACE-Ego-0、τ₀-WM 等具身基础模型采用，位列 Hugging Face 全品类数据集下载量 Top2、具身智能数据集 Top1，累计下载 270 万次。
公司已服务约 1800 家数据使用机构，其中 500 余家签署数据使用协议，客户覆盖全球 20 余家头部具身智能企业和互联网科技公司。
数据价值的硬验证已经跑出来：ACE-Ego-0 用了 435.7 小时来自 Xperience-10M 的第一视角人类视频，消融实验显示同时使用机器人数据与人类视频的模型任务成功率 72.8%，高于仅用机器人数据的 68.3%——4.5 个百分点的提升直接来自训练数据。
出海启示：把数据当基础设施工
陈昭熹透露公司过去六个月营业额增长约 4.1 倍，其中北美市场贡献约六至七成营收。这家清华背景的团队选择新加坡总部、硅谷办公室、东南亚资金加北美客户的组合，本身就是一套把「数据合规 + 跨境算力 + 出海客户」串起来的样板。
对国内做 Physical AI 的小团队，Ropedia 的路径有借鉴价值：先把数据集做成全球开源标准，再围绕数据生产体系做商业化——而不是反过来。
来源：36氪