logo
    • Krypto kaufen
    • Märkte
    • Futures
    • Spot
    • Earn
    • Affiliates & KI
    • Mehr
    1. WEEX
    2. Krypto-News
    3. Interview mit dem Gründer von Axis Robotics: Roboter-Daten werden zur neuen Kapitalliebe, wie „Schaufelverkäufer“ Geld verdienen?

    Interview mit dem Gründer von Axis Robotics: Roboter-Daten werden zur neuen Kapitalliebe, wie „Schaufelverkäufer“ Geld verdienen?

    By: rootdata|2026/08/12 07:39:00
    0
    Teilen
    copy
    Auf Google bewertenAuf Google bewerten
    UNITREEUNITREE
    00.00%--
    TAGTAG
    00.00%--
    STOSTO
    00.00%--
    ZIGZIG
    00.00%--
     

    Autor: Zen, PANews

    Im vergangenen Jahr haben sich Roboter-/Physical AI-Daten von einem relativ versteckten Infrastruktursegment schnell zu einem neuen, spannenden Bereich entwickelt, in den Kapital mit erstaunlicher Geschwindigkeit strömt. Dieser Bereich wird als "embodied intelligence" oder "Schaufelverkäufer" bezeichnet.

    Diese Erwärmung ist im Inland besonders deutlich. Allein im ersten Halbjahr 2026 haben 25 chinesische Start-ups im Bereich der embodied intelligence-Daten insgesamt über 17 Milliarden Yuan an Finanzierungen erhalten. Unter ihnen hat Guanglun Intelligent in diesem Jahr mehrere große Finanzierungsrunden abgeschlossen; das von Zhiyuan Robotics gegründete Datenunternehmen Mifeng Technology hat ebenfalls schnell mehrere hundert Millionen Yuan an Mitteln gesammelt.

    Auf dem internationalen Markt haben auch eine Reihe von Start-ups, die sich auf Roboter-Trainingsdaten spezialisiert haben, begonnen, sich zu zeigen. XDOF gab im Juni dieses Jahres bekannt, dass es 70 Millionen US-Dollar an Finanzierungen abgeschlossen hat; Ende Juli schloss Axis Robotics eine Seed-Finanzierungsrunde in Höhe von 12 Millionen US-Dollar ab, angeführt von Hack VC.

    Axis positioniert sich als "Physical AI-Daten-Engine" und nutzt derzeit ein Netzwerk von verteilten Mitwirkenden und die Datensammlung über Web-Simulationen als wichtige Einstiegspunkte. Das Unternehmen erweitert weiterhin die Datenformen in Richtung First-Person-Perspektive und Modell-Nachtraining und hat bereits über den Browser mehr als 2,2 Millionen Robotertrajektorien gesammelt, mit einer kumulierten Datenzeit von 28.000 Stunden.

    Allerdings ist der Markt für Roboter-Daten trotz des umfangreichen Kapitaleinstiegs nach wie vor schnelllebig und noch lange nicht festgelegt. Von der endgültigen Größe der Datenanforderungen bis hin zu den unterschiedlichen Routen von echten Maschinen, Simulationen und First-Person-Perspektiven sowie der Frage, ob Datenunternehmen ein nachhaltiges Geschäftsmodell entwickeln können, befinden sich viele Schlüsselfragen noch in der Erkundungsphase.

    In Bezug auf diese Fragen sowie Axis' eigene Datenproduktionsmodelle, technische Routen und zukünftige Entwicklungspläne führte PANews ein Gespräch mit Chris Feng, dem Gründer von Axis Robotics.

    Datenlücke im Zeitalter der Physical AI

    Chris hat nicht mit Robotern oder Algorithmen begonnen, sondern ist über Beratung, Investitionen und Dateninfrastruktur in den Bereich der Roboter-Daten eingestiegen.

    Was ihn wirklich dazu brachte, in den Robotikbereich einzutreten, war die riesige Datenlücke, die sich nach dem Eintritt in das Zeitalter der Physical AI zeigte.

    "Im Vergleich zu GPT-3 benötigt dessen Training etwa 15 Millionen Stunden menschlicher Internetdaten", erklärte Chris. "Die physische Welt, mit der Roboter umgehen müssen, ist jedoch viel komplexer als die digitale Welt. Sie müssen nicht nur erkennen und logisch denken, sondern auch Raum, Bewegung, den Zustand von Objekten und die Veränderungen nach Bewegungen verstehen."

    Daher könnte die Datenmenge, die benötigt wird, um im Robotikbereich einen eigenen "GPT-Moment" zu erreichen, möglicherweise 100 Millionen Stunden oder sogar mehr betragen. Abgesehen von den offensichtlichen Unterschieden in der Datenmenge sind die Datenbasen beider Bereiche auch völlig unvergleichbar.

    Vor dem Aufkommen großer Sprachmodelle hatte das Internet bereits mehrere Jahrzehnte Entwicklung hinter sich. Verschiedene Webseiten, Bücher, Foren, Codebibliotheken und eine große Menge digitaler Inhalte haben über lange Zeiträume hinweg natürliche Datenressourcen gebildet.

    Im Gegensatz dazu haben menschliche Verhaltensweisen in der realen Welt jedoch keinen ähnlichen systematischen Aufzeichnungsprozess durchlaufen. Menschen kochen, organisieren Dinge und bedienen Werkzeuge, aber diese Verhaltensweisen werden selten kontinuierlich aufgezeichnet und noch seltener in standardisierte Daten umgewandelt, die direkt für das Training von Robotern verwendet werden können.

    Mit der Entwicklung von Technologien wie VLA-Modellen und Weltmodellen beginnen Roboter-Modellunternehmen, die direktesten Nachfrager dieser Daten zu werden, während einige Roboterhersteller gleichzeitig ihre Modell- und Datenfähigkeiten aufbauen. Gleichzeitig differenziert sich die Form der Roboter schnell, von humanoiden Robotern und Robotergreifern bis hin zu spezialisierten Geräten, die für industrielle und Dienstleistungsanwendungen entwickelt wurden, was zu unterschiedlichen Datenanforderungen führt.

    Wenn die Nachfrage weiter wächst, zeigen die traditionellen Datenproduktionsmethoden schnell ihre Grenzen auf.

    Frühere Roboterunternehmen haben in der Regel auf echte Maschinen und Fernsteuerung gesetzt, wobei Menschen die Roboter direkt steuern, um Aufgaben zu erledigen und Bewegungsbahnen aufzuzeichnen. Diese Art von Daten ist am nächsten an echten Robotern, aber die Produktionsgeschwindigkeit ist langsam, die Kosten hoch und sie sind durch die Anzahl der Roboter, den Platz und die Anzahl der Bediener begrenzt.

    Wichtiger ist, dass die reale Welt eine hohe Komplexität und Vielfalt aufweist. Es ist schwierig, nur mit den begrenzten Robotern und Erfassungsumgebungen innerhalb eines Unternehmens die möglichen Umgebungen abzudecken, denen ein Modell in der Zukunft begegnen könnte. Wenn das Grundmodell eines Roboters letztendlich Millionen von Stunden an Daten benötigt, ist es wirtschaftlich und effektiv kaum möglich, nur durch die kontinuierliche Erhöhung der Anzahl von Robotern, Standorten und Fernbedienungspersonal linear zu expandieren.

    Daher wird es zu einer der zentralen Herausforderungen der Physical AI-Datenbranche, wie man eine ausreichende Vielfalt an Daten zu kontrollierbaren Kosten und in skalierbarer Weise kontinuierlich produzieren kann, um die Modellleistung tatsächlich zu verbessern. Dies stellt auch die geschäftlichen Chancen dar, um die unabhängigen Roboter-Datenunternehmen zu konkurrieren.

    Die "Pyramide" der Roboter-Daten: Abwägung zwischen Genauigkeit, Umfang und Verallgemeinerung

    Ein weiteres komplexes Problem bei Roboter-Daten ist, dass Daten aus verschiedenen Quellen in Bezug auf Authentizität, Kosten, Skalierbarkeit und Wiederverwendbarkeit zwischen verschiedenen Modellen erhebliche Unterschiede aufweisen.

    Chris unterteilt die derzeitigen Hauptwege grob in echte Maschinen-Fernsteuerung, Simulation und menschliche First-Person-Perspektivdaten. Wenn man die direkte Übereinstimmung zwischen Daten und Robotermodellen betrachtet, kann man grob eine "Pyramide" bilden.

    An der Spitze der Pyramide steht die echte Maschinen-Fernsteuerung.

    Der Bediener steuert direkt einen echten Roboter, um Aufgaben wie Greifen, Platzieren und Bewegen zu erledigen, während Sensoren gleichzeitig die Gelenke, Endeffektoren, visuellen und Bewegungssignale des Roboters aufzeichnen. Der größte Vorteil dieser Daten besteht darin, dass sie direkt von echten Robotern stammen, sodass die physikalischen Informationen am vollständigsten sind und die Unterschiede zum Zielmodell am geringsten sind.

    Aber auch die Kosten und das Umfangsproblem echter Daten sind offensichtlich. Laut Brancheninformationen können die Gesamtkosten für eine Stunde hochwertiger Fernsteuerungsdaten bis zu 200 US-Dollar betragen. Noch wichtiger ist, dass diese Daten normalerweise stark an spezifische Robotermodelle gebunden sind, was die Wiederverwendbarkeit zwischen verschiedenen Modellen einschränkt. Zum Beispiel können Bewegungsbahnen, die auf einem Unitree G1 erfasst wurden, nicht direkt auf Roboter anderer Formen angepasst werden.

    In der Mitte der Pyramide befindet sich die Simulationsdaten.

    Die Robotersimulation versucht, die Größe, Gelenke, Bewegungsbereiche und Aufgabenumgebungen echter Roboter so genau wie möglich in den virtuellen Raum zu übertragen, und lässt dann den Bediener oder ein Programm den virtuellen Roboter steuern, um Aufgaben zu erledigen. Zu den gängigen Simulationsplattformen in der Robotikforschung und -entwicklung gehören Isaac Sim, MuJoCo und andere.

    Im Vergleich zur realen Welt bietet die Simulation herausragende Vorteile in Bezug auf Skalierbarkeit und Kontrollierbarkeit. In der Realität ist es unmöglich, für die Datenerfassung Tausende von Küchen, Lagerräumen oder Fabriken wiederholt zu bauen, aber in einer virtuellen Umgebung können ähnliche Szenarien schnell kopiert und parallel ausgeführt werden. Bereits vorhandene Trajektorien können durch Änderungen von Licht, Material, Kameraposition, Objekttyp und Raumlayout auf viele verschiedene Umgebungen ausgeweitet werden.

    Gleichzeitig können die Aufgabenstatus in der Simulationsumgebung auch leichter genau erfasst werden. Zum Beispiel, ob eine Aufgabe abgeschlossen ist, ob der Roboterarm kollidiert ist und wo sich das Objekt letztendlich befindet, können direkt aus der Umgebung abgerufen werden, was die Datenvalidierung und automatische Filterung erleichtert.

    Allerdings sind die Einschränkungen der Simulationsdaten ebenfalls klar: Virtuelle Umgebungen können die reale Welt niemals vollständig nachbilden. Reibung, Objektverformung, Kontaktzustände, Sensorrauschen und viele unkontrollierbare Faktoren können dazu führen, dass ein Modell in der Simulation gut abschneidet, aber bei der Übertragung auf echte Roboter die Leistung sinkt. Wie man diese "Simulation-zu-Realität"-Lücke verringert, ist auch eines der zentralen Probleme in der Robotikforschung.

    Ein weiterer Weg, der in den letzten zwei Jahren deutlich an Bedeutung gewonnen hat, sind die menschlichen First-Person-Perspektivdaten, die sich am unteren Ende der Pyramide befinden.

    Diese Methode versucht, die Abhängigkeit von teuren Robotermodellen zu verringern, indem Datenbeiträger eine Kopfkamera, GoPro oder direkt ein Smartphone tragen, um echte Verhaltensweisen wie Kochen, Falten von Kleidung, Aufräumen und Bedienen von Werkzeugen aufzuzeichnen.

    Die grundlegende Logik besteht darin, dass, wenn die visuellen und Bewegungslogiken zukünftiger Roboter eine hohe Ähnlichkeit mit denen von Menschen aufweisen, die großflächige Aufzeichnung von "wie Menschen mit der Welt interagieren" theoretisch extrem reichhaltige Daten für das Grundmodell von Robotern bereitstellen kann.

    Die größte Anziehungskraft der First-Person-Perspektivdaten liegt in ihrem potenziellen Umfang und der Vielfalt der Umgebungen. Im Vergleich zur Bereitstellung einer großen Anzahl von Robotern für die Fernsteuerung ist es kostengünstiger und einfacher, dass gewöhnliche Menschen in realen Szenarien wie Haushalten, Fabriken und Geschäften Verhaltensweisen aufzeichnen, wodurch eine Vielzahl unterschiedlicher Umgebungen leichter abgedeckt werden kann.

    Chris weist jedoch auch darauf hin, dass es eine große Unsicherheit bei menschlichen First-Person-Daten gibt: Ihr Trainingswert hängt stark von der Form des Robotermodells in der Zukunft ab.

    Wenn Roboter ein radbetriebenes Chassis, einen Roboterarm oder spezielle Greifer annehmen, wird der direkte Übertragungswert menschlicher Bewegungsdaten auf der Handlungsebene erheblich verringert. Selbst wenn humanoide Roboter in Zukunft zur Norm werden, können menschliche Bewegungen nicht direkt von Robotern kopiert werden; Hand- und Körperbewegungen müssen weiterhin umgeleitet werden, um in Trajektorien umgewandelt zu werden, die von Robotergelenken und -händen ausgeführt werden können.

    Ein weiteres oft übersehenes Problem ist der visuelle Blickwinkel. Idealerweise sollten First-Person-Daten so nah wie möglich an der menschlichen Sichtposition sein, aber verschiedene Erfassungsgeräte können an verschiedenen Positionen wie dem Kopf, der Brust oder anderen Stellen angebracht sein. Diese Blickwinkeländerungen können die räumlichen Beziehungen zwischen Händen, Objekten und Kameras erheblich verändern, was für Roboter, die dreidimensionale Räume und Operationsbeziehungen lernen müssen, eine große Herausforderung darstellt.

    Daher sieht Chris keine einfache Ersetzungsbeziehung zwischen echten Maschinen, Simulationen und First-Person-Daten. Sie lösen jeweils unterschiedliche Probleme: Echte Maschinen garantieren die Genauigkeit, Simulationen sind für die Skalierung verantwortlich, und menschliche Videos bieten die Vielfalt der realen Szenen. Das zukünftige System der Roboter-Daten wird wahrscheinlich eine Kombination und Ergänzung zwischen verschiedenen Datenquellen sein.

    Darüber hinaus haben einige aktuelle Studien begonnen, die einseitige Verfolgung von "optimalen Daten" zu schwächen. Dyna Robotics hat kürzlich Dyna-2 veröffentlicht, das nur auf über 1 Million Stunden menschlichen First-Person-Videos für das Pre-Training angewiesen ist und bereits den Skaleneffekt der Übertragung von menschlichen Verhaltensdaten auf Roboterfähigkeiten beobachtet hat. Auch die Forschung von Axis zeigt, dass sorgfältig ausgewählte und verarbeitete Simulationstrajektorien ebenfalls die Modellleistung kontinuierlich verbessern können, wenn die Datenmenge zunimmt.

    Datenproduzenten werden, die Physical AI-Daten-Engine aufbauen

    Im Vergleich zur bloßen Verfolgung einer hohen Übereinstimmung zwischen einzelnen Daten und dem Zielmodell werden Umfang, Vielfalt und die Fähigkeit, tatsächlich in Modellfähigkeiten umgesetzt zu werden, zu wichtigen Indikatoren. Daher ist es für Roboter-Datenunternehmen schwierig, die sich ständig ändernden Anforderungen der Modelle nur mit einer einzigen Erfassungsmethode zu erfüllen. Dies weist auch auf eine zentralere Frage hin: Sollten Datenunternehmen lediglich die Datensammlung und -verarbeitung gemäß den Anforderungen der Kunden durchführen oder sollten sie tiefer in das Design und die Produktion der für das Modelltraining erforderlichen Daten einsteigen?

    Axis hat sich für Letzteres entschieden und positioniert sich als "Physical AI-Daten-Engine". Chris ist der Meinung, dass "Datenannotation" und "Datenproduktion" nicht auf derselben Ebene der Geschäftstätigkeit stehen.

    Datenannotation bezieht sich auf bereits vorhandene Daten, wobei der Kunde entscheidet, was und wie annotiert wird, während der Dienstleister die Regeln umsetzt; Datenproduktion geht einen Schritt weiter, da das Datenunternehmen nicht nur die Erfassung und Verarbeitung abschließen muss, sondern auch beurteilen muss, welche Daten dem Modell fehlen, Aufgaben um die Trainingsziele herum entwerfen, die Erfassung organisieren und dann basierend auf der Modellleistung die nächste Runde der Daten anpassen.

    Zum Beispiel, wenn ein Roboter-Modell Küchenoperationen lernen soll, muss das Datenunternehmen weiter beurteilen, welche Aufgaben entworfen werden sollten, wie grundlegende Aktionen wie Greifen, Schieben, Ziehen, Öffnen und Schließen kombiniert werden, ob tiefere Informationen benötigt werden, wie die Kameras angeordnet werden sollten und welche Fehlschläge besonders erfasst werden sollten.

    Chris erklärte, dass die kommerzielle Zusammenarbeit von Axis mit Kunden wie Booster Robotics und Qingyu Technology von reiner Datenlieferung auf "maßgeschneiderte Datenproduktionslösungen rund um die Trainingsziele des Modells" umgestiegen ist. Zum Beispiel hat Axis in der Zusammenarbeit mit Booster Robotics ein maßgeschneidertes Grundmodell (Foundation Models) für den Booster T1 entwickelt, das tief mit seinen visuellen Eingaben und Aktionsräumen kompatibel ist. Dieses Modell unterstützt die schnelle Übertragung und Iteration spezifischer Aufgaben mit sehr wenigen Beispielen, wodurch die Eintrittsbarrieren und die Anpassungskosten für die Entwicklung von verkörperter Intelligenz erheblich gesenkt werden.

    Dies ist auch der Grund, warum Axis "Datenmotor" und nicht "Datenfabrik" betont. Laut Chris können kommerzielle Kunden zunächst ihre Ziel-Szenarien und Fähigkeitsanforderungen angeben, woraufhin Axis Aufgaben entwirft und die Datenerfassung über ein Netzwerk verteilter Mitwirkender abschließt.

    "Neben der Datenlieferung an Kunden führt AXIS auch akademische Forschungen zur Erstellung von Datensätzen und Modellvalidierungen durch." Chris sagte, dass das von der Axis-Team in der ersten Jahreshälfte veröffentlichte AXIS Franka-Dataset eines der größten Open-Source-Roboterbetriebsdatensätze für den Franka Research 3 Roboterarm ist, das 207 verschiedene Manipulationsaufgaben, über 50.000 menschliche Demonstrationspfade und über 60.000 Varianten von Aufgabenszenarien umfasst.

    In der Phase der Bewertung der Trainingsergebnisse nutzte das Forschungsteam dieses Dataset, um das fortschrittlichste VLA-Modell π 0.5 kontinuierlich vorzutraining. Die Experimentergebnisse zeigen, dass das Modell, das mit AXIS-100% Datensnapshot trainiert wurde, in den ROBUSTHEIT-Benchmark-Tests von LIBERO-Plus hervorragende Leistungen zeigte, mit einer Gesamt-Erfolgsquote von 88,8%.

    Chris fügte hinzu, dass das AXIS Franka-Dataset signifikante Effekte bei der Verbesserung der Robustheit des Modells gegenüber realen Störungen zeigt: Unter Herausforderungen wie Sensorrauschen und Kamerawinkelverschiebungen stieg die Robustheit des Modells um 13,7% bzw. 11,3%. Seine Forschung bestätigt, dass mit dem Anstieg des Datensatz-Snapshots von 25% auf 100% die Generalisierungsfähigkeit des Modells bei Manipulationen eine stabile Erweiterungstendenz zeigt, was eine positive Erweiterungsbeziehung zwischen der Datenmenge und der Generalisierungsfähigkeit der nachgelagerten Aufgaben zeigt.

    Keine Wette auf eine einzige Datenform, Ziel ist es, "Surge AI im Robotikbereich" zu werden

    Roboter-Daten sind nach wie vor ein schnelllebiger Markt, der noch kein stabiles Paradigma gebildet hat.

    In der letzten Zeit hat sich der Fokus der Branche von der Fernsteuerung echter Maschinen schrittweise auf Simulationen, First-Person-Perspektiven und andere Datenquellen ausgeweitet. Mit dem Eintritt der Grundmodelle in tiefere Nachtrainingsphasen wird auch die Erfassung von Fehlzuständen, Korrekturprozessen und Wiederherstellungspfaden zu einem neuen Datenbedarf.

    "Wenn der Markt heute am meisten First-Person-Perspektivdaten benötigt, mache ich nur First-Person-Perspektivdaten; was ist, wenn das in einem halben Jahr nicht mehr benötigt wird?" Daher möchte Chris Axis nicht als ein Unternehmen definieren, das nur eine bestimmte Art von Daten produziert.

    Sein Ansatz besteht darin, die relativ stabilen grundlegenden Fähigkeiten von den sich ständig ändernden Datenbeschaffungsmethoden zu trennen. Die Basis besteht aus einer Infrastruktur von verteilten Mitwirkenden, Aufgabenmanagement, Datenvalidierung, Reinigung, Verbesserung und Verarbeitungspipelines; die obere Ebene integriert je nach Modell- und Kundenanforderungen verschiedene Datenprodukte und Erfassungsmethoden.

    Derzeit hat Axis bereits mit der Erfassung von Simulationsdaten über das Web begonnen und erweitert schrittweise auf First-Person-Perspektivdaten und Nachtrainingsmodelle. Chris erklärte, dass das neueste Produkt bereits die Erfassung von Korrekturdaten für Modellabweichungen und Fehlzustände integriert hat, und das Team arbeitet an der Erfassung und Verarbeitung von Nachtrainingsdaten wie DAgger, mit dem Ziel, bis Ende des Jahres den ersten großangelegten Human-Gated DAgger Nachtrainingsdatensatz zu veröffentlichen.

    Seiner Meinung nach wird sich mit der kontinuierlichen Iteration der Roboter-Modelle auch der Wert der Datenpartner ändern. Die Fähigkeit eines Datenunternehmens sollte nicht nur daran gemessen werden, wie viele Daten einmal geliefert werden können, sondern auch daran, ob es in der Lage ist, kontinuierlich qualitativ hochwertige Daten zu produzieren, ob es über ein dauerhaft funktionierendes Netzwerk von Mitwirkenden und Datenverarbeitungstools verfügt und ob es in der Lage ist, den Inhalt und die Struktur der nächsten Datenrunde basierend auf der Modellleistung rechtzeitig anzupassen.

    Dieser Ansatz lehnt sich in gewissem Maße an die Entwicklungspfade von Scale AI und Surge AI an, wobei Chris insbesondere Surge AI im Auge hat. Er hofft, dass Axis in Zukunft "Surge AI im Robotikbereich" werden kann.

    Chris ist der Ansicht, dass der Vorteil von Surge AI nicht nur in der Verfügbarkeit einer großen Menge an Datenannotierungsressourcen liegt, sondern darin, dass ihr Geschäft immer den Veränderungen der Modellanforderungen folgt, von der Nachschulung großer Modelle bis hin zu neuen Phasen wie der Schulung von Agenten.

    Diese Fähigkeit, sich nicht an eine bestimmte Datenform zu binden, sondern die bereitgestellten Daten und Werkzeuge kontinuierlich anzupassen, während sich die Trainingsmethoden von Physical AI-Modellen ändern, ist genau das, was Axis wirklich replizieren möchte.

    Blockchain für Anreize und Datenverfolgung nutzen

    Im Gegensatz zu anderen Wettbewerbern hat Axis ein relativ spezielles Etikett - Blockchain.

    Der Produktionsprozess von Roboter-Daten benötigt an sich keine Blockchain; Simulationen laufen weiterhin in traditionellen Roboterumgebungen, und das Modelltraining unterscheidet sich nicht von anderen KI-Unternehmen. Die Blockchain spielt ihre Rolle hauptsächlich nach der Datenerzeugung: Axis erstellt für validierte Datenpfade eine Daten-ID und zeichnet die Beziehungen zwischen Aufgaben, Daten und Mitwirkenden in der Basis auf.

    Chris erklärte, dass die Blockchain-Technologie hauptsächlich zwei Probleme löst.

    Zunächst die Anreize für Mitwirkende. Wenn Daten von global verteilten Nutzern produziert werden, variieren die Anzahl und die Qualität der von verschiedenen Nutzern produzierten Daten. Die Plattform muss wissen, wer was beigetragen hat und ob diese Daten tatsächlich den Anforderungen entsprechen. Für die Mitwirkenden liegt der Kern nicht darin, wie viel sie produzieren, sondern wer tatsächlich nützliche Daten bereitstellt.

    Zweitens die Herkunftsverfolgung. Der aktuelle Trainingsprozess von KI-Modellen ähnelt einem Black Box. Die Außenwelt sieht normalerweise nur das endgültige Modell, hat aber Schwierigkeiten zu erkennen, woher eine bestimmte Fähigkeit stammt und welche Daten produziert wurden. Wenn die Beziehungen zwischen Aufgaben, Pfaden und Mitwirkenden kontinuierlich aufgezeichnet werden können, kann eine Datenquelle bei zukünftigen Käufen durch Kunden zumindest eine relativ vollständige Herkunftsaufzeichnung behalten.

    Axis hat bereits ein Punktesystem eingeführt, um die Beiträge der Nutzer aufzuzeichnen und zu messen. Chris erwähnte auch, dass, wenn in Zukunft Token ausgegeben werden, die Beitragspunkte möglicherweise als Anreiz dienen könnten; wenn die Daten eines Mitwirkenden letztendlich kommerzialisiert werden, könnte das Unternehmen auch in Betracht ziehen, ihn an den Einnahmen zu beteiligen.

    Diese Mechanismen befinden sich jedoch derzeit noch in der Entwurfs- und Verbesserungsphase. Im Vergleich dazu, zuerst ein Token-Economy-System aufzubauen und dann nach Anwendungsfällen zu suchen, betont Chris, dass zuerst festgelegt werden muss, welche praktischen Probleme die Blockchain tatsächlich lösen kann.

    "Ich habe mich nie als ein Unternehmen für kryptografische Roboter gesehen."

    In seiner Definition ist Axis in erster Linie ein Unternehmen für Roboter-Daten; wenn Blockchain helfen kann, Anreize für Beiträge und die Verfolgung von Datenquellen zu lösen, wird sie in diesen Bereichen eingesetzt; wenn sie keinen praktischen Wert erzeugt, gibt es keinen Grund, um der Erzählung von "Crypto+AI" willen zusätzliche Blockchain einzuführen.

    Nächste Phase: Datenabdeckung erweitern und in die Liste der Hauptmodellanbieter eintreten

    Für die Entwicklung in den nächsten 6 bis 12 Monaten konzentriert sich der Fahrplan von Axis hauptsächlich auf drei Bereiche: Produkt, Community-Wachstum und Kommerzialisierung.

    Auf Produktebene plant Axis, die Erfassung von First-Person-Perspektivdaten weiter auszubauen und UMI-Daten sowie Fernsteuerungsdaten für mobile Aufgaben hinzuzufügen, um die abgedeckten Datentypen und Aufgabenbereiche der Plattform weiter zu erweitern.

    Neben dem Datenbeschaffungszugang für normale Nutzer plant Axis auch, Unternehmenskunden und Entwicklern API zur Aufgabenerstellung und Datenverarbeitungstools anzubieten, um einen Teil der grundlegenden Datenproduktionsfähigkeiten weiter zu produktifizieren.

    Das Community-Wachstum ist ein weiterer Schwerpunkt. Chris erklärte, dass Axis in den nächsten sechs Monaten die Community-Größe auf das Dreifache des aktuellen Niveaus erhöhen und die Märkte in verschiedenen Regionen weiter ausbauen möchte. Die Teilnehmer sollen nicht nur normale Datenmitwirkende sein, sondern auch mehr Entwickler, Forscher und Branchenpraktiker anziehen, um die Plattform schrittweise zu einem offenen Ökosystem für die Datenproduktion von Physical AI zu erweitern.

    In Bezug auf die Kommerzialisierung hat Axis bereits in einigen Nischenbereichen Benchmark-Kunden gewonnen, und sowohl Simulationsdaten als auch First-Person-Perspektivdaten haben bereits bezahlte Aufträge generiert. Das Ziel des Unternehmens für die nächsten sechs Monate ist es, den jährlichen wiederkehrenden Umsatz (ARR) auf 500.000 bis 1.000.000 USD zu steigern und in die Liste der Hauptanbieter von Roboter-Modellen einzutreten.

    Im Vergleich zu den Einnahmen selbst könnte der Eintritt in die Lieferkette der Hauptmodellunternehmen möglicherweise die aktuelle Modell von Axis besser testen.

    ---Preis

    --

    Dieser Inhalt wird nur zu allgemeinen Informationszwecken bereitgestellt und stellt keine finanzielle, Anlage-, Rechts- oder Steuerberatung dar. Alle erwähnten Ereignisse, Prämien, Online-Aktionen oder zugehörige Informationen sollten nicht als Empfehlung, Aufforderung oder Einladung zum Kauf, Verkauf, Handel oder anderweitigem Umgang mit Krypto-Assets betrachtet werden. Krypto-Assets sind sehr volatil und können zu Verlusten führen. Die Verfügbarkeit von WEEX Services, Produkten und zugehörigen Aktionen kann je nach Region unterschiedlich sein. Sie sind dafür verantwortlich sicherzustellen, dass Ihre Teilnahme mit geltenden lokalen Gesetzen und Vorschriften übereinstimmt.

    Das könnte Ihnen auch gefallen

    Zugang zu Bitcoin in den USA durch ETFs, Berater und 401(k) Pläne wird immer einfacher

    Zugang zu Bitcoin in den USA durch ETFs, Berater und 401(k) Pläne wird immer einfacher

    Der Zugang von Privatanlegern in den USA zu Bitcoin erweitert sich über traditionelle Finanzmarktkanäle, wie zum Beispiel über von Beratern verwaltete Portfolios, Brokerage-Konten für handelbare Spot-ETFs und potenziell auch über Rentenprodukte, die mit 401(k)-Plänen verbunden sind. Laut den Materia...
    web3: OpenAI führt den Ultrafast-Modus ein, GPT 5.6 Sol Geschwindigkeit steigt auf das 14-Fache

    web3: OpenAI führt den Ultrafast-Modus ein, GPT 5.6 Sol Geschwindigkeit steigt auf das 14-Fache

    Die Vereinigten Staaten setzen auf Auftragnehmer für Cyberangriffe mit Blick auf Kryptowährungen

    Die Vereinigten Staaten setzen auf Auftragnehmer für Cyberangriffe mit Blick auf Kryptowährungen

    Baltimore verklagt Kalshi und Polymarket und zieht Coinbase, Robinhood und Webull in den Streit hinein

    Baltimore verklagt Kalshi und Polymarket und zieht Coinbase, Robinhood und Webull in den Streit hinein

    Anthropic testet antagonistische Verhaltensweisen bei der Zusammenarbeit mehrerer Agenten

    Anthropic testet antagonistische Verhaltensweisen bei der Zusammenarbeit mehrerer Agenten

    Britisches BIP und Unternehmensgewinne belasten europäische Börsen

    Britisches BIP und Unternehmensgewinne belasten europäische Börsen

    Nach dem Scheitern von BIP-110 hält Plan B es für fast unmöglich, die Anfänge von Bitcoin neu zu schaffen

    Nach dem Scheitern von BIP-110 hält Plan B es für fast unmöglich, die Anfänge von Bitcoin neu zu schaffen

    Der Fork BIP-110 scheiterte am 8. August 2026: Für Giacomo Zucco (Plan B Network) beweist das, dass Bitcoin heute nicht mehr wiedergeboren werden könnte.
    web3: Trump-Medien enthüllen Risiken von Bitcoin-Holding und -Krediten

    web3: Trump-Medien enthüllen Risiken von Bitcoin-Holding und -Krediten

    Ein Unternehmen mit 10 Milliarden USD betritt Argentinien: Auf welche Banken und Fintechs es abzielt

    Ein Unternehmen mit 10 Milliarden USD betritt Argentinien: Auf welche Banken und Fintechs es abzielt

    Das Staking beginnt, den Sprung von der Krypto-Welt in das traditionelle Finanzsystem zu vollziehen: Globale Anbieter suchen Banken, Börsen und Fonds zu gewinnen, während Argentinien als Eingangstor auftritt.
    Microsoft zieht sich aus China zurück... Strategie der 'Reduzierung statt Rückzug' durch KI - Reuters

    Microsoft zieht sich aus China zurück... Strategie der 'Reduzierung statt Rückzug' durch KI - Reuters

    BlockDAGs $0,002 Einstieg wirft Fragen zu einem potenziellen 1000-fachen Anstieg auf, während Aave- und Cardano-Preise sinken

    BlockDAGs $0,002 Einstieg wirft Fragen zu einem potenziellen 1000-fachen Anstieg auf, während Aave- und Cardano-Preise sinken

    Ford investiert 2 Milliarden Dollar in die Umgestaltung eines Werks, Fathom-Elektropickup soll 2027 in Produktion gehen

    Ford investiert 2 Milliarden Dollar in die Umgestaltung eines Werks, Fathom-Elektropickup soll 2027 in Produktion gehen

    Mitsubishi wagt den Schritt zu ‚Echtzeit-Zahlungen für japanische Staatsanleihen‘ auf Basis von Blockchain

    Mitsubishi wagt den Schritt zu ‚Echtzeit-Zahlungen für japanische Staatsanleihen‘ auf Basis von Blockchain

    web3: Riot verkauft 4.300 Bitcoin zur Förderung des Aufbaus von KI-Datenzentren

    web3: Riot verkauft 4.300 Bitcoin zur Förderung des Aufbaus von KI-Datenzentren

    web3: UBS erhöht die Bestände des Bitcoin-ETFs auf 90 Millionen US-Dollar

    web3: UBS erhöht die Bestände des Bitcoin-ETFs auf 90 Millionen US-Dollar

    Wall Street-Guru verstärkt seine Wette gegen den KI-Boom: Warum Short-Positionen erhöht werden sollten

    Wall Street-Guru verstärkt seine Wette gegen den KI-Boom: Warum Short-Positionen erhöht werden sollten

    Michael Burrys Haltung zur Strategie von Nebius, kurzfristige Verträge zu priorisieren, ist Teil einer umfassenderen Kritik an den Positionen des gesamten Sektors. Die Details finden Sie im Artikel.
    Chinesische KI übertrifft eingeschränkte OpenAI- und Anthropic-Cybersicherheitsmodelle, warnt die Bitcoin-Industrie

    Chinesische KI übertrifft eingeschränkte OpenAI- und Anthropic-Cybersicherheitsmodelle, warnt die Bitcoin-Industrie

    Führungskräfte von Bitcoin-Unternehmen und Open-Source-Entwicklern berichten, dass chinesische KI-Modelle überlegene Ergebnisse in der defensiven Cybersicherheitsarbeit liefern, die eingeschränkte amerikanische Frontier-Systeme verweigern, was die Abhängigkeit von ihnen zur Sicherung kritischer Infr...
    Instagram präsentiert neue Wortmarke und erntet Spott wegen Ähnlichkeit mit "Instagzam"

    Instagram präsentiert neue Wortmarke und erntet Spott wegen Ähnlichkeit mit "Instagzam"

    Instagram hat eine neue Wortmarke mit einer Schriftart vorgestellt, die an Kursivschrift erinnert, was sowohl Lob als auch Kritik wegen der Verwirrung mit dem Buchstaben r hervorruft. Die Community macht Witze darüber, dass es jetzt "Instagzam" gelesen wird.
    Tempo startet eingebettetes Ertragsprodukt für Plattformen, beginnend mit Deel

    Tempo startet eingebettetes Ertragsprodukt für Plattformen, beginnend mit Deel

    Warum ist Credit umso wichtiger, je schneller die Zahlung erfolgt?

    Warum ist Credit umso wichtiger, je schneller die Zahlung erfolgt?

    Zahlungen bewegen Geld, Liquidität verwaltet Geld, Kredit ermöglicht es, zukünftige finanzielle Kapazitäten zu nutzen, um heutige Zahlungen vorzufinanzieren.
    US-Schulden von 40 Billionen Dollar: Treibstoff für den nächsten Bitcoin-Zyklus?

    US-Schulden von 40 Billionen Dollar: Treibstoff für den nächsten Bitcoin-Zyklus?

    Die US-Schulden nähern sich 40 Billionen Dollar und die Zinsen kosten fast 3 Milliarden pro Tag. Eine Situation, die Bitcoin begünstigen könnte?
    web3: Medienbericht: Saylor integriert USDT in die Bitcoin-Finanzarchitektur

    web3: Medienbericht: Saylor integriert USDT in die Bitcoin-Finanzarchitektur

    Vorankommen oder sich zurückziehen: Das Dilemma der Signale, mit dem Investoren an der Wall Street konfrontiert sind

    Vorankommen oder sich zurückziehen: Das Dilemma der Signale, mit dem Investoren an der Wall Street konfrontiert sind

    Auf der einen Seite warnt die Bank of America vor der Euphorie des Marktes, die Höchststände von 5 Jahren in ihrem Bull & Bear Index erreicht hat. Auf der anderen Seite deutet ein Trend, der seit über hundert Jahren besteht, auf den Beginn einer deutlich bullischen Phase hin.
    Morph startet nicht verwahrte Stablecoin-Zahlungsplattform

    Morph startet nicht verwahrte Stablecoin-Zahlungsplattform

    Der Dollar steigt am Rand und entfernt sich von 1.500 $, während die Stadt die Erwartungen an den Wechselkurs festhält

    Der Dollar steigt am Rand und entfernt sich von 1.500 $, während die Stadt die Erwartungen an den Wechselkurs festhält

    Der Großhandel operiert wieder unter dem Niveau, das der Markt als informelle "Obergrenze" für den Kurs identifiziert. Was die Analysten für die kommenden Monate erwarten.
    web3: Medienbericht: Traditionelle Finanzberater haben die Nachfrage nach Krypto-Assets noch nicht erfasst

    web3: Medienbericht: Traditionelle Finanzberater haben die Nachfrage nach Krypto-Assets noch nicht erfasst

    Preise für AI-Cloud steigen um 25 %, Wettbewerb auf Plattformen intensiviert sich

    Preise für AI-Cloud steigen um 25 %, Wettbewerb auf Plattformen intensiviert sich

    AI-Cloud-Unternehmen verlagern sich aufgrund ihrer jüngsten Ergebnisse von einem geschäftlichen Fokus auf GPU-Vermietung hin zu AI-Infrastruktur-Plattformen. Die Nachfrage nach AI-Berechnungen übersteigt kurzfristig das Angebot, was zu einer Neubewertung von Preisen und Vertragsstrukturen führt.
    web3: B2C2 ernennt ehemaligen Schroders-Manager zur Erweiterung des asiatischen Vermögenskundenstamms

    web3: B2C2 ernennt ehemaligen Schroders-Manager zur Erweiterung des asiatischen Vermögenskundenstamms

    Die meistverkauften Leerverkäufe an der Wall Street: Wogegen wird gewettet?

    Die meistverkauften Leerverkäufe an der Wall Street: Wogegen wird gewettet?

    Eine aktuelle Heatmap hebt mehrere US-Unternehmen mit signifikantem Leerverkaufsinteresse hervor, darunter Wolfspeed, Purple Innovation, Plug Power und UiPath. Was bedeutet das für Investoren und welche Risiken bestehen?
    web3: Gerüchte über Vermögensübertragungen im Iran stören den Markt, Bitcoin über 63.300 Dollar zurückgekehrt

    web3: Gerüchte über Vermögensübertragungen im Iran stören den Markt, Bitcoin über 63.300 Dollar zurückgekehrt

    Zugang zu Bitcoin in den USA durch ETFs, Berater und 401(k) Pläne wird immer einfacher

    Der Zugang von Privatanlegern in den USA zu Bitcoin erweitert sich über traditionelle Finanzmarktkanäle, wie zum Beispiel über von Beratern verwaltete Portfolios, Brokerage-Konten für handelbare Spot-ETFs und potenziell auch über Rentenprodukte, die mit 401(k)-Plänen verbunden sind. Laut den Materia...

    web3: OpenAI führt den Ultrafast-Modus ein, GPT 5.6 Sol Geschwindigkeit steigt auf das 14-Fache

    Die Vereinigten Staaten setzen auf Auftragnehmer für Cyberangriffe mit Blick auf Kryptowährungen

    Baltimore verklagt Kalshi und Polymarket und zieht Coinbase, Robinhood und Webull in den Streit hinein

    Anthropic testet antagonistische Verhaltensweisen bei der Zusammenarbeit mehrerer Agenten

    Britisches BIP und Unternehmensgewinne belasten europäische Börsen

    ...
    Freunde einladen, Belohnungen sichern
    Laden Sie Freunde ein und erhalten Sie bis zu $160 + 40% Provision
    Freunde einladen, Belohnungen sichernEinladen

    Inhalte

    UNITREE

    Neueste Artikel

    2026/08/13

    Die Revolution der humanoiden Roboter: Wann werden sie in die Haushalte kommen und wo sehen Investoren Chancen?

    Der Fortschritt in der Robotik beschleunigt eine Branche, die noch Herausforderungen in Bezug auf Skalierung, Kosten, Autonomie und Sicherheit bewältigen muss, bevor eine massive Akzeptanz erreicht wird. In der Zwischenzeit zeigen die letzten Bilanzen, dass das greifbarere Geschäft unter den Anbiete...
    UNITREEUNITREE
    00.00%--
    SONYSONY
    00.00%--
    SAMSUNGSAMSUNG
    00.00%--
    NEONEO
    00.00%--
    2026/08/13

    „Die erste Aktie für humanoide Roboter“: Wie man den Wert von Unitree angemessen einschätzt?

    UNITREEUNITREE
    00.00%--
    TENCENTTENCENT
    00.00%--
    XYZXYZ
    00.00%--
    STARSTAR
    00.00%--
    2026/08/12

    Interview mit dem Gründer von Axis Robotics: Roboter-Daten werden zur neuen Kapitalliebe, wie „Schaufelverkäufer“ Geld verdienen?

    UNITREEUNITREE
    00.00%--
    TAGTAG
    00.00%--
    STOSTO
    00.00%--
    ZIGZIG
    00.00%--
    2026/08/11

    Wird der IPO von Yushu eine SpaceX-Kurve nehmen? Vorbörsliche Bewertung bereits auf 235 Milliarden RMB geschätzt

    TERTER
    00.00%--
    XYZXYZ
    00.00%--
    UNITREEUNITREE
    00.00%--
    FASTFAST
    00.00%--
    APPAPP
    00.00%--
    2026/07/31

    USA verbieten ausländische Roboter – sogar Roombas

    UNITREEUNITREE
    00.00%--
    CARRCARR
    00.00%--
    TRUMPTRUMP
    00.00%--
    Mehr

    Neueste Coin-Listings auf WEEX

    logoCommunity
    iconiconiconiconiconiconicon
    Kundenservice:@weikecs
    Geschäftliche Zusammenarbeit:@weikecs
    Quant-Trading & MM:bd@weex.com
    VIP-Programm:support@weex.com
    • Über uns
    • Ankündigungs-Center
    • Medien-Kit
    • WEEX-Community
    • WXT-Zone
    • Rechtshinweis
    • Risikohinweis
    • Nutzungsbedingungen
    • Datenschutzrichtlinie
    • Whistleblower-Hinweis
    • AML/CTF-Richtlinie
    • Rechtsdurchsetzung
    • Nutzerhandbuch
    • Produkteinführungen
    • Krypto-News
    • Produkteinführungen
    • Krypto-Wiki
    • Lernen
    • Q&A
    • Spot
    • Futures
    • Glossar
    • VIP-Programm
    • Herunterladen
    • Affiliate
    • Schutzfonds
    • Proof-of-Reserves
    • Sitemap
    • ETFs
    • Krypto-Preise
    • Preisvorhersage
    • WXT-Preis
    • BTC-Preis
    • ETH-Preis
    • DOGE-Preis
    • Wie man Krypto kauft
    • So kaufen Sie WXT
    • So kaufen Sie BTC
    • So kaufen Sie ETH
    • So kaufen Sie DOGE
    • Hilfe-Center
    • Gebührenplan
    • Handelsregeln
    • WEEX Akademie
    • Kontaktprüfer
    • Über uns
    • Ankündigungs-Center
    • Medien-Kit
    • WEEX-Community
    • WXT-Zone
    • Hilfe-Center
    • Gebührenplan
    • Handelsregeln
    • WEEX Akademie
    • Kontaktprüfer
    • Kundenservice-Bot
    • VIP-Services
    • Rechtshinweis
    • Risikohinweis
    • Nutzungsbedingungen
    • Datenschutzrichtlinie
    • Whistleblower-Hinweis
    • AML/CTF-Richtlinie
    • Rechtsdurchsetzung
    • Proof-of-Reserves
    • Freunde einladen
    • OTC
    • Herunterladen
    • Affiliate
    • VIP-Programm
    • API
    • Broker
    • Listing-Antrag
    • Sitemap
    • Futures
    • Spot
    • Copy-Trade
    • Märkte
    • WEEX-Store
    • Nutzerhandbuch
    • Produkteinführungen
    • Krypto-News
    • Produkteinführungen
    • Krypto-Wiki
    • Lernen
    • Q&A
    • Spot
    • Futures
    • Glossar
    • VIP-Programm
    • Herunterladen
    • Affiliate
    • Schutzfonds
    • Proof-of-Reserves
    • Sitemap
    • ETFs
    • Krypto-Preise
    • Preisvorhersage
    • WXT-Preis
    • BTC-Preis
    • ETH-Preis
    • DOGE-Preis
    • Wie man Krypto kauft
    • So kaufen Sie WXT
    • So kaufen Sie BTC
    • So kaufen Sie ETH
    • So kaufen Sie DOGE
    • Über uns
    • Ankündigungs-Center
    • Medien-Kit
    • WEEX-Community
    • WXT-Zone
    • Hilfe-Center
    • Gebührenplan
    • Handelsregeln
    • WEEX Akademie
    • Kontaktprüfer
    • Rechtshinweis
    • Risikohinweis
    • Nutzungsbedingungen
    • Datenschutzrichtlinie
    • Whistleblower-Hinweis
    • AML/CTF-Richtlinie
    • Rechtsdurchsetzung
    • Kundenservice-Bot
    • VIP-Services
    • Futures
    • Spot
    • Copy-Trade
    • Märkte
    • WEEX-Store
    • Proof-of-Reserves
    • Freunde einladen
    • OTC
    • Herunterladen
    • Affiliate
    • VIP-Programm
    • API
    • Broker
    • Listing-Antrag
    • Sitemap
    • Nutzerhandbuch
    • Produkteinführungen
    • Krypto-News
    • Produkteinführungen
    • Krypto-Wiki
    • Lernen
    • Q&A
    • Spot
    • Futures
    • Glossar
    • VIP-Programm
    • Herunterladen
    • Affiliate
    • Schutzfonds
    • Proof-of-Reserves
    • Sitemap
    • ETFs
    • Krypto-Preise
    • Preisvorhersage
    • WXT-Preis
    • BTC-Preis
    • ETH-Preis
    • DOGE-Preis
    • Wie man Krypto kauft
    • So kaufen Sie WXT
    • So kaufen Sie BTC
    • So kaufen Sie ETH
    • So kaufen Sie DOGE

    Wo neues Vermögen entsteht

    App herunterladen

    Registrieren
    h5 logo
    Herunterladen