Exklusiv auf 36Kr | Ein Startup im Bereich der physischen KI-Infrastruktur mit Wurzeln an der Tsinghua-Universität hat weitere mehrere zehn Millionen US-Dollar eingesammelt, und seine Datenausrüstungen befinden sich nun im Stadium der globalen großskaligen Auslieferung.

Bildquelle / Unternehmen

Dieser Artikel umfasst etwa 3100 Wörter und hat eine empfohlene Lesezeit von 6 Minuten

Autor | Ou Xue

Redakteur | Yuan Silai

Laut Hard Krypton hat Ropedia, ein Anbieter von Physical AI-Dateninfrastruktur, kürzlich eine Angel-Finanzierung in Höhe von mehreren zehn Millionen US-Dollar abgeschlossen. Diese Finanzierungsrunde wird von mehreren führenden Risikokapitalinstituten angeführt, die tief im südostasiatischen Markt verwurzelt sind, und mehrere erstklassige US-Dollar-Fonds sowie Partner aus der intelligenten Fertigungs- und Large-Model-Industrie beteiligen sich gemeinsam an der Investition. In der vorherigen Finanzierungsrunde haben auch Investoren, die mit Google, a16z, NVIDIA und Amazon verbunden sind, teilgenommen, wobei Shendu Capital als langjähriger exklusiver Finanzberater fungiert. Die Mittel werden hauptsächlich für die Erweiterung des Kerntechnikteams, die skalierte Massenproduktion der Hardware-Produktlinie sowie die skalierte Herstellung der Datenproduktlinie verwendet.

Ropedia wurde in der zweiten Jahreshälfte 2025 gegründet, hat seinen Hauptsitz in Singapur und ein Büro im Silicon Valley in den USA. Es ist eines der weltweit ersten Unternehmen, das systematisch eine Physical AI-Dateninfrastruktur aufbaut. Das Unternehmen wurde gemeinsam von Chen Zhaoxi (CEO), Hong Fangzhou (CTO) und Liu Ziwei, außerordentlicher Professor an der Nanyang Technological University (Chefwissenschaftler), gegründet. Das Kernteam stammt von der Tsinghua-Universität, dem MMLab der Nanyang Technological University, Meta Reality Labs und Google.

Von der selbst entwickelten Erfassungshardware und Daten-Engine bis hin zu großen Datensätzen mit Erfahrungen aus der realen Welt baut Ropedia die entscheidende Datenschicht auf, die menschliche Erfahrungen und maschinelle Intelligenz verbindet, und bietet die Datenbasis der realen Welt für die nächste Generation von Robotern und Embodied-Intelligence-Systemen.

Gegenwärtig stößt die Physical AI-Branche auf einen Datenengpass in der realen Welt. Mit der rasanten Iteration von Robotik-Basismodellen, VLA und Weltmodellen können herkömmliche Videos sowie Bild-Text-Paare die Anforderungen nicht mehr erfüllen. Für das Modelltraining werden dringend hochwertige Daten mit realen physikalischen Größen, dynamischen Interaktionen, Hand-Objekt-Beziehungen und Szenensemantik benötigt.

Diese Art von Daten steht jedoch seit langem vor zwei großen Problemen: Die Erfassung hängt von teuren Geräten und komplexen Bereitstellungen ab, was die Kosten in die Höhe treibt; und zwischen den Rohsignalen und den strukturierbaren, trainierbaren Daten liegt noch eine lange Verarbeitungskette. Ein Stück Roherfassungsdaten muss in der Regel durch Prozesse wie Zeitsynchronisation, räumliche Ausrichtung, 3D- und 4D-Rekonstruktion, Wiederherstellung von Bewegungen von Körper und Händen, Aktionssegmentierung, semantische Annotation und Qualitätskontrolle verarbeitet werden, bevor sie in Trainingsdaten umgewandelt werden kann, die das Modell direkt verwenden kann.

Im Gegensatz zu herkömmlichen Datenerfassungsunternehmen liegt die Kernkompetenz von Ropedia nicht in der Hardware, sondern in dem Aufbau eines vollständigen Datenproduktionssystems rund um die Data Engine, das die datengetriebene Produktion durch Modelle ermöglicht und so die skalierte Bereitstellung hochwertiger Erfahrungsdaten aus der realen Welt realisiert.

„Daten sind nicht umso besser, je teurer sie sind. Entscheidend sind Kosten, Qualität, Umfang, Aufgabenrelevanz und vor allem, ob sie die Modellleistung tatsächlich verbessern und in einen bewertbaren Trainingskreislauf eintreten können“, sagte Chen Zhaoxi.

Derzeit befinden sich die meisten Datenerfassungsunternehmen auf dem Markt noch im Stadium des punktuellen Hardwareverkaufs oder manueller Annotierungsdienste, während Ropedia in der Lage ist, mithilfe der selbst entwickelten Daten-Engine Experience Engine massenhaft Roh-Erfassungssignale automatisch in strukturierte Experience-Daten umzuwandeln, die direkt für das Modelltraining und die Leistungsüberprüfung verwendet werden können. Diese decken multidimensionale Informationen wie Körperhaltung, Hand-Objekt-Interaktionen, Raumstruktur und Bewegungstrajektorien ab, wodurch die Datenerstellungseffizienz erheblich gesteigert und die Datenerstellungskosten gesenkt werden, während die Datenqualität gewährleistet bleibt.

Struktur der multimodalen Experience Engine von Ropedia (Bildquelle / Unternehmen)

Aus Sicht von Chen Zhaoxi beschreiben Daten und Modelle im Wesentlichen dieselbe Verteilung der realen Welt: Daten zeichnen die Welt diskret anhand realer Stichproben auf, während Modelle diese Verteilung durch stetige Funktionen annähern. Daher ist der künftige Wettbewerb im Bereich Physical AI nicht nur ein Wettbewerb um die Modellfähigkeiten, sondern auch um die Fähigkeiten der Daten-Engine.

Liu Ziwei, Mitbegründer und Chefwissenschaftler, vergleicht diesen Wandel mit einer Umstellung der Energiestruktur: „Große Sprachmodelle ähneln einigermaßen fossilen Brennstoffen: Wir Menschen schaffen und dokumentieren Sprachen und reichern umfangreiche Sprachdaten im gesamten Internet an, aber fossile Brennstoffe sind letztlich begrenzt. Multimodalität ist der notwendige Weg für die KI, aus der Virtualität in die Realität zu wechseln, ähnlich wie wir von fossilen Brennstoffen zu neuen Energien übergehen.“

Das Unternehmen hat das tragbare Kopf-Erfassungssystem HOMIE auf den Markt gebracht, das multimodale Signale wie menschliche Bewegungen, Szenenänderungen und Objektinteraktionen aus der Egoperspektive leichtgewichtig erfassen kann und kontinuierlich Erfahrungsdaten aus der realen Welt für die Daten-Engine bereitstellt, wodurch ein Daten-Flywheel entsteht, das Datenerfassung, Datenproduktion, Modelltraining und -validierung abdeckt.

Teilnehmer, die das tragbare Kopf-Erfassungssystem HOMIE von Ropedia tragen (Bildquelle / Unternehmen)

Im Produktportfolio von Ropedia ist HOMIE nur der Eingang. Das Unternehmen baut eine dreischichtige End-to-End-Erfahrungsinfrastruktur für die reale Welt auf: Die erste Schicht Sense umfasst Wahrnehmungshardware für verschiedene Interaktionsszenarien, einschließlich HOMIE sowie Wahrnehmungssysteme für Handbewegungen, Tastsinn und räumliche Bewegungen. Die zweite Schicht ist die automatisierte Produktions-Engine Experience Engine, die Roh-Sensordaten in trainierbare Daten umwandelt. Alle Daten werden nach manueller Vorauswahl und Bereinigung, automatischer Annotation, Indikator-Qualitätskontrolle und manueller Endprüfung in die Datenbank aufgenommen, wobei der gesamte Prozess nachvollziehbar ist. Die dritte Schicht Deliver ist das Datensatz- und Modell-Trainingsvalidierungssystem, das die tatsächliche Wirkung von Daten auf VLA und Weltmodelle bewertet und die nächste Erfassungsrunde rückwirkend steuert.

Darüber hinaus hat Hard Krypton exklusiv erfahren, dass Ropedia das nächste Generation multimodales Datenerfassungssystem vorantreibt und plant, es im August 2026 offiziell vorzustellen.

Laut Chen Zhaoxi besteht die Kernverbesserung des neuen Systems nicht darin, einfach die Anzahl der Sensoren zu erhöhen, sondern multimodale Informationen wie Egoperspektiv-Vision, Handbewegungen, menschliche Bewegungen und räumliche Positionen weiter zu vereinheitlichen, um eine vollständigere Darstellung der realen Welt zu erreichen. Im Gegensatz zu herkömmlichen Videos, die nur aufzeichnen können, „was der Mensch getan hat“, werden die multimodalen Daten der nächsten Generation den Interaktionsprozess zwischen Mensch und Umwelt weiter beschreiben und hochwertigere Trainingsdaten für Roboter-Basismodelle, Weltmodelle und räumliche Intelligenzsysteme bereitstellen.

„Das Endziel der Multimodalität ist nicht, so viele Sensoren wie möglich zu haben, sondern Vision, Bewegung, Kontakt und räumlichen Zustand zur selben Zeit im selben Koordinatensystem zu vereinen, um physikalische Prozesse zu bilden, die das Modell lernen kann“, führte Chen Zhaoxi als Beispiel an. Aufgaben wie Einstecken, Drehen, Drücken und Montieren hängen stark von Kontaktinformationen ab, und visuell ähnliche Aktionen können völlig unterschiedlichen Kraftzuständen und Aufgabenresultaten entsprechen.

Demo der nächsten Generation von Datenvisualisierung von Ropedia (Bildquelle / Unternehmen)

Im Bereich Datensicherheit und Compliance hat Ropedia ebenfalls ein vollständiges Bereitstellungssystem aufgebaut. Entsprechend den Anforderungen verschiedener Kunden bietet das Unternehmen mehrere Lösungen an, darunter Cloud-Bereitstellung, Bereitstellung in exklusiven Partitionen und sogar private Bereitstellung in den lokalen Rechenzentren der Kunden, um sicherzustellen, dass die strukturierten Bereitstellungen abgeschlossen werden können, ohne dass die rohen Erfassungsdaten die Umgebung des Kunden verlassen. Dies ist besonders wichtig im Bereich Physical AI, der mit Daten über das Verhalten echter Menschen arbeitet.

Im März 2026 veröffentlichte Ropedia den menschlichen Erfahrungsdatensatz Xperience-10M und machte ihn Open Source. Dieser Datensatz enthält etwa 10 Millionen Interaktionsfragmente aus der realen Welt und mehr als 10 synchronisierte Modalitäten mit einer Gesamtgröße von fast 1 PB. Der Datensatz ist bereits in die Forschungs- und Trainingssysteme von Embodied-Basismodellen, Bewegungsvorhersagemodellen und Weltmodellen wie Qwen-VLA, MolmoMotion, ACE-Ego-0 und τ₀-WM eingegangen. Derzeit gehört er zu den Top 2 der heruntergeladenen Datensätze aller Kategorien auf Hugging Face und Top 1 der Embodied-Intelligence-Datensätze (mit insgesamt über 2,7 Millionen Downloads) und wird von weltweit führenden KI-Labors wie AI2 und Qwen eingesetzt. Das Unternehmen hat inzwischen etwa 1800 datennutzende Einrichtungen bedient, von denen mehr als 500 Datenverwendungsverträge unterzeichnet haben, und die Kunden umfassen mehr als 20 führende Embodied-Intelligence-Unternehmen und Internet-Technologieunternehmen weltweit.

Der Wert der Daten hat sich bereits durch die Ergebnisse des Modelltrainings bestätigt: ACE-Ego-0 verwendete 435,7 Stunden an Egoperspektiv-Videos von Menschen aus Xperience-10M. Die Ablationsstudie zeigte, dass die Erfolgsrate der Aufgaben des Modells, das sowohl Roboterdaten als auch menschliche Videos verwendete, 72,8 % erreichte, was höher ist als 68,3 % bei ausschließlicher Verwendung von Roboterdaten. Die Verbesserung um 4,5 Prozentpunkte stammt direkt von den Trainingsdaten selbst.

Chen Zhaoxi enthüllte, dass der Umsatz des Unternehmens in den letzten sechs Monaten um etwa das 4,1-fache gestiegen ist, wobei der nordamerikanische Markt etwa 60 bis 70 Prozent des Umsatzes beisteuert.

Aus Sicht von Ropedia bestimmen Internetdaten die Obergrenze großer Sprachmodelle, während Erfahrungen aus der realen Welt die Obergrenze von Physical AI bestimmen.

Unten finden Sie Auszüge aus dem Gespräch zwischen Hard Krypton und Chen Zhaoxi, CEO von Ropedia (redigiert):

Hard Krypton: Welche Art von Daten braucht der Markt derzeit wirklich? Wie definiert Ropedia den Wert von Daten?

Chen Zhaoxi: Die Branchenanforderungen sind hierarchisch. Zuerst gibt es massenhaft vielfältige Rohvideodaten, die die Basisschicht bilden. Aber im nächsten Schritt benötigen Kunden ein physikalisches CoT ähnlich dem CoT (Chain of Thought) von Sprachmodellen – keine sprachliche Schlussfolgerung, sondern kausale Fußnoten im physischen Raum. Zum Beispiel muss das Modell beim Kaffeekochen verstehen, wie sich der dreidimensionale Raum verändert, wie Hand und Objekt interagieren und welche Zustandsübergänge das Objekt durchläuft. Diese feingranularen, vollständig modalen, mit Kausalitäten versehenen strukturierten Daten sind genau das, was die Branche im nächsten Schritt wirklich benötigt.

Der Wert von Daten hängt nicht nur von Menge und Kosten ab, sondern vor allem davon, ob er die Schwachstellen des Modells ausgleichen und die Generalisierungsfähigkeit verbessern kann.

Hard Krypton: Die Kosten für die Datenerfassung waren schon immer ein Engpass in der Branche. Wie hat Ropedia die Kosten um das 50-fache gesenkt?

Chen Zhaoxi: Die Kosten lassen sich in vier Teile zerlegen: Personal, Hardware, Rechenleistung und Speicherung, Übertragung. Unsere Kostensenkung konzentriert sich ebenfalls auf diese vier Bereiche. Bei der Hardware ersetzen wir Consumer-Hardware durch selbst entwickelte Geräte, entfernen Funktionen, die nicht mit der Datenerfassung zusammenhängen, und kombinieren die Integration der Lieferkette, um die Kosten extrem zu senken. Auf der Ebene von Rechenleistung und Speicherung haben wir eine präzise Datenpipeline entworfen, die Daten wie Versionen von Code verwaltet, um Doppelproduktionen zu vermeiden. Auf der Übertragungsebene haben wir ein selbst entwickeltes Komprimierungsprotokoll – die Logistikkosten für PB-große Physical AI-Daten können nicht ignoriert werden. Insgesamt sind unsere Erfassungskosten um eine Größenordnung niedriger als der Branchendurchschnitt.

Hard Krypton: Sie gehen davon aus, dass Physical AI in den nächsten drei Jahren von 0,1 zu 1 übergehen wird. Worauf basiert diese Annahme?

Chen Zhaoxi: Das Kernmerkmal ist der Übergang von PoC zur Kleinserienbereitstellung – von einigen Robotern, die in Fabriken Pilotprojekte durchführen, hin zu 100 oder 200 Robotern, die wirklich 7×24 Stunden in Produktionsprozesse eingreifen, mehr als drei Monate lang kontinuierlich laufen und nicht ersetzt werden können.

Diese Annahme basiert auf mehreren Beobachtungen: Erstens ist der Trend, dass große Modelle nach ihrer Reife in die physische Welt vordringen, eindeutig. Zweitens haben die grundlegenden Techn