挤进全球Physical AI核心供应链
梦瑶 发自 凹非寺
量子位 | 公众号 QbitAI
在通用人工智能(AGI)与递归自我改进(RSI)备受瞩目的当下,即便山姆·奥特曼(Sam Altman)已将自家大模型推向新的极限,但不可否认的是——在物理AI(Physical AI)这一赛道上,OpenAI所走过的弯路,并不比头部具身智能厂商少。
回顾2020至2021年,雄心未泯的OpenAI机器人团队曾经历过一轮解散风波,当时被反复提及的核心瓶颈之一,正是高质量训练数据的极度匮乏。
然而数年之后,GPT系列大模型持续演进,不仅语言理解能力突飞猛进,更展现出令人瞩目的跨模态能力:一个通用大语言模型,已经能够直接控制机械臂完成抓取、放置等一系列具身操作任务。

△ 图源:美国独立评测机构 RoboCurve
当年一度受制于数据瓶颈的OpenAI,究竟是如何在机器人赛道上卷土重来的?
沿着公开报道与业内线索深入探寻,一条关键脉络逐渐清晰:当前在Physical AI领域备受关注的Egocentric(第一人称视角)数据集,OpenAI早已展开了规模化采购。
尽管OpenAI从未公开披露其数据供应商的具体身份,但伴随Physical AI赛道的持续升温,一家初创企业开始频繁出现在行业核心圈层的讨论中——它并非传统科技巨头,而是一家成立仅两三年的硅谷公司:Maxinsights。

进一步梳理客户名单可以发现,这家初创企业已深度融入全球Physical AI头部阵营的供应链:Google DeepMind、Figure、1X…… 一众明星玩家皆在其合作名录之中。
更为瞩目的是,该公司的年化经常性收入(ARR)已连续数月站上或逼近1亿美元大关。一家成立仅数年的硅谷初创企业,成功将全球数千名真实人员的操作经验,转化成了一门跨越中美市场的规模化产业。
这门看似门槛极高的数据生意,究竟是如何跑通的?
交付超200万小时,切入全球Physical AI核心供应链
近年来,Physical AI领域对大规模第一人称视角数据(Egocentric Data)的需求迎来爆发式增长,背后的驱动力十分现实:依靠实体机器人自主采集操作数据,不仅硬件成本高昂、采集周期漫长,所能覆盖的现实场景也非常有限。
而第一人称视角数据的出现,恰好补齐了具身智能训练数据体系的核心短板——采集人员只需佩戴头戴式相机,即可实时记录日常生活中的手部精细动作以及人与物体的物理交互过程。
这种模式采集成本更低、场景多样性更强,且不依赖昂贵脆弱的机器人本体硬件,具备了构建数万乃至百万小时级别超大规模数据集的基础。

但在该赛道中,涉足第一人称数据采集的公司并不在少数,能真正跻身顶尖模型厂商核心供应链的初创企业却屈指可数。Maxinsights所建立的数据壁垒,显著拉开了与行业常规玩家的差距。
在最核心的数据资产储备上,该公司已达到百万小时量级:
- 累计向客户交付的数据量已突破200万小时;
- 拥有超过150万小时带有手部高精追踪和多模态语言标注的高质量数据;
- 单月数据采集产能达45万小时,采集网络遍及全球2000多个真实物理环境,覆盖超过50000个具体场景。
这家年轻的公司,逐步将散落在全球各地的真实人类操作行为,汇聚为一座规模庞大的机器人训练数据底座。

当然,数据规模的庞大只是基础,真正的检验标准在于下游客户的采购意愿,以及数据在模型实际能力跃升中所兑现的价值。
依托数万类场景的数据沉淀,Maxinsights的业务网络已覆盖包括北美在内的全球六大洲,其客户名单囊括了全球具身智能领域的顶尖力量:Google DeepMind、Figure AI、Dyna Robotics、Genesis AI…… 均为机器人领域的标杆企业。今年3月,该公司进一步拓展至中国市场,全面跑通了全球化业务闭环。

更为关键的是,这些规模化交付的数据,已经在最前沿机器人模型的预训练成果中得到了系统性验证。
以今年8月发布的Dyna-2为例:Dyna Robotics利用100万小时人类第一人称操作视频进行预训练,引导模型学习真实物理世界的交互规律。实验结果验证了一条明确的缩放定律(Scaling Law)——随着人类第一人称预训练数据从1000小时扩展至100万小时,Dyna-2对人类操作动作的预测均方误差降低了约12%。更重要的是,即使面对训练集中从未出现过的全新机器人形态数据,模型的泛化预测能力依然随着人类视频规模的扩大而持续提升。而为Dyna-2提供这100万小时关键预训练数据的核心供应商,正是Maxinsights。

另一个典型案例来自硅谷明星机器人企业Genesis AI于今年5月发布的通用机器人基础模型GENE-26.5。
发布期间,该团队展示了一段高难度的连续烹饪任务:机器人在真实厨房环境中,自主完成了包含切番茄、单手磕蛋、双臂协同操作等约20个步骤的复杂料理全流程,中途无需任何人工干预。更具突破性的是,针对大量高难度复合技能,模型仅需不到1小时的特定任务机器人示范数据即可实现自主泛化执行。
这一能力突破的底层逻辑,正是让模型在预训练阶段充分吸收海量人类第一人称视频与传感器数据中蕴含的物理先验知识。

而鲜为人知的是,GENE-26.5背后的独家第一人称数据合作伙伴,同样是Maxinsights。
全球头部模型厂商的采购预算中,走出一家亿美元级公司
在技术叙事层出不穷的Physical AI赛道,能够将前沿算力与模型需求转化为持续健康的现金流,才意味着商业模式真正成熟。
Maxinsights近期的财务与经营数据,印证了其商业化的成长速度。

最新经营数据显示,2026年第三季度,Maxinsights的订单签约额(Bookings)预计环比增长48%。
在具身智能领域,订单签约额的稳步攀升具备更深层的行业指标意义:由于机器人预训练对数据质量要求极为苛刻,数据并非单纯以量取胜。客户持续追加预算,本质上意味着该供应商的数据已真正打通模型训练管线、稳定带来性能增益,并具备配合下一代更大规模基座模型迭代的交付韧性。
尤其是对于头部基础模型(Foundation Model)团队而言,单次迭代往往需要数十万乃至数百万小时级的数据供给,对数据的多样性覆盖、标注一致性与交付稳定性要求严苛。在前期已完成百万小时级交付的基础之上,订单签约额依然保持近50%的环比增速,充分体现了客户对其长期供给价值的深度认可。

另一项关键财务指标同样引人瞩目:Maxinsights已连续数月将年化经常性收入(ARR)维持在或接近1亿美元水平。
ARR衡量的是在现有合同框架下具备高续约率、可稳定复现的年化经常性现金流。连续数月保持近亿美元ARR,标志着该公司已脱离单次买断的初级阶段,建立了高确定性的收入闭环。
在软件及AI企业成长周期中,1亿美元ARR通常被视为商业模式迈向成熟的关键分水岭,表明企业已顺利跨越早期技术验证与标杆客户验证期,全面迈入规模化扩张阶段。
这一体量的背后,是其数据飞轮的成型: Physical AI数据基础设施具有极强的规模效应。服务的核心客户越多,积累的真实交互场景和工程Know-how就越丰富;数据越丰富精确,越能显著提升下游具身模型的泛化表现;而模型性能的验证反过来驱动客户持续扩大订单,从而形成自我增强的商业正循环。

△ AI生成
这一业绩表现也从根本上重塑了行业对AI数据公司的认知。
过去,具身智能、仿真与自动驾驶等领域的模型数据采购往往带有强烈的**“项目制”属性**:客户为特定项目采购一批仿真或标注数据,一旦本轮训练收敛,订单周期便告一段落。这种按单结算模式导致许多数据初创企业收入波动剧烈,难以形成规模化资产。
能够将数据服务转化为月度持续滚动的ARR,证明Maxinsights成功突破了行业周期瓶颈,凭借多元化的客户结构、深度的管线绑定、持续的跨模态新数据供给能力以及稳健的造血机制,构建起了极高的业务护城河。
不止于数据供应:与基础模型团队共同定义下一代数据
在当前的Physical AI领域,存在一个常被狂热采购潮所掩盖的深层问题:客户当前采购的数据规格,未必能完全满足下一代智能体演进的全部诉求。
基础模型架构快速迭代,具身智能下一步需要学习何种物理规律、缺失何种模态的数据,即便是全球顶尖的模型研究团队,也往往处于边训练、边评测、边探索的状态。
面对这一产业痛点,Maxinsights的定位不仅局限于被动交付的“数据供应商”,而是深度参与到Physical AI数据基础设施的共建之中,与前沿基础模型团队协同定义行业下一阶段的数据标准。

目前,Maxinsights在全球已拥有近50家企业客户,其中包含5家公认的行业顶级机构。
其商业路径展现出独特的共研属性:团队往往率先与头部核心客户展开深度联合探索,基于最严苛的技术标准打磨新型数据管线,沉淀出高鲁棒性、相对标准化的数据产品体系,再将成熟方案向更广泛的产业生态推广复用。
以Maxinsights早期与Google DeepMind的合作为例:双方最初围绕裸手第一人称数据采集展开探索,从最初约200小时的概念验证起步,逐步打通全链路工程,将交付规模扩展至工业级水准。
这种合作早已超越了单向的供需交付:模型团队提出前瞻性假设,双方共同论证采集方案与传感方案,再由Maxinsights落地全球化采集与自动化处理管线,并根据模型下游评测的反馈结果快速迭代数据规格。
目前,这种共研模式已全面拓展至**文本与动作对齐(Text)、上半身精细协同(Upper Body)、全身运动学(Full Body)**以及通用操纵接口(UMI)等新数据维度。

△ AI生成
能够承接全球顶尖机构的严苛需求,源于Maxinsights在数据采集与空间计算底层建立的技术底座:
- 在全身运动学(Full Body)方向:团队成功实现了直接从第一人称单目视频中重建三维全身运动轨迹。系统能够在精确追踪双手动捕轨迹和物体接触状态的同时,稳定反推人体的三维运动姿态,使机器人学习对象从局部的末端操作拓展至全身协调的大型动作。
- 在上半身控制(Upper Body)方向:技术探索已深入到“动作-空间-语义”多模态联合表征层面。从制作咖啡到递送物品,每一步操作细节均能与高层自然语言指令和底层空间拓扑精确对齐,为机器人视觉-语言-动作(VLA)大模型的训练提供了高保真的教学样本。
- 在高精度空间感知方向:Maxinsights自研了空间感知模型MaxSLAM。该模型能够以毫米级精度重构操作人员视角在三维空间中的细微位移,精确还原收纳、装配、精细维修等操作背后的空间相对运动。在涵盖4类典型任务、20段高动态操作序列的基准评测中,MaxSLAM的位置轨迹误差仅为4.24毫米,姿态角误差低至0.57°。

回顾Maxinsights的发展路径,其意义已超出一家单一企业的商业成功。
在当下的产业周期中,Physical AI数据采集已成为全球科技大厂与头部资本密集下注的兵家必争之地。但在热潮之中,能够兼顾数据交付规模与前沿质量、并与全球顶级模型厂商建立起高粘性合作的企业始终凤毛麟角。
从百万小时级的交付体量,到成为OpenAI、Google DeepMind、Figure AI等头部玩家的关键数据伙伴,再到深度参与下一代数据范式的定义,Maxinsights的成长样本清晰展现了一家具身智能数据基础设施领军企业的跃升轨迹。
通用物理AI在何时全面融入现实生产生活尚无定论,但在支撑智能体进化的底层供应链上,已经有先行者凭借敏锐的技术洞察与扎实的工程交付,确立了难以替代的生态位。
识势于先,成事于实。Maxinsights的商业突围,正是这一逻辑的最佳注脚。