¿Vale la pena participar en el plan de puntos de Axis Robotics tras una ronda de financiación de 12 millones de dólares?

¿Puede el ciclo de datos de la IA física de Axis Robotics girar gracias a Web3?

Escrito por: Grok

Asistido por: AididiaoJP, Foresight News

El 27 de julio, Axis Robotics anunció que completó una ronda de financiación de semillas de 12 millones de dólares, liderada por Hack VC, con la participación de Nomad Capital, Pi Network Ventures, 10K Ventures, entre otros. Los datos de PitchBook muestran que el equipo cuenta actualmente con aproximadamente 11 personas y ya ha generado ingresos. El proyecto se posiciona como la capa de infraestructura de datos de IA física, en lugar de modelos o hardware desarrollados internamente.

Los problemas centrales que enfrenta el campo de la robótica son diametralmente opuestos a los de los modelos de lenguaje de gran tamaño (LLM). Los LLM pueden absorber enormes cantidades de texto ya existente en Internet, mientras que en el mundo físico no existe una base de datos lista para ser rastreada. La recolección en laboratorio no solo es costosa y poco eficiente, sino que también presenta escenarios altamente homogéneos: un mismo brazo robótico repitiendo la captura del mismo objeto bajo iluminación constante produce datos que son difíciles de generalizar a nuevos entornos. Axis Robotics intenta responder a una pregunta: ¿es posible producir continuamente trayectorias de interacción robótica de alta calidad a un costo suficientemente bajo, en entornos suficientemente diversos y con suficientes personas?

La declaración pública del fundador Chris es relativamente directa: lo que falta en la industria es un sistema de producción de datos híbrido eficiente y escalable. La forma del producto de Axis puede entenderse como un «motor de datos compuesto»: reduce la barrera de recolección mediante el control remoto a través del navegador y utiliza herramientas de Web3 para abordar la incentivación y la propiedad de los contribuyentes.

Mecanismo de producción de datos: el navegador como entrada

La barrera de participación se ha reducido intencionadamente a un nivel muy bajo. Los usuarios no necesitan ningún hardware robótico y pueden operar un brazo robótico simulado de forma remota a través de una página web, completando tareas básicas como captura, clasificación y apertura de cajones. Cada sesión genera una trayectoria completa que abarca el estado de las articulaciones, la posición del objeto, las acciones de control y los metadatos de la tarea.

Fuente de la imagen

Después de limpiar y suavizar las trayectorias en el backend, se importan a Isaac Sim para la aleatorización del dominio: la iluminación, la textura, los parámetros físicos y otras variables se alteran sistemáticamente, y una sola trayectoria puede expandirse en una gran cantidad de muestras de entrenamiento, que se suministran al modelo VLA o a estrategias de aprendizaje por imitación.

La compañía ha revelado que actualmente hay más de 100,000 contribuyentes activos en todo el mundo, con una capacidad mensual de más de 1,200 horas de datos de simulación y más de 20,000 horas de datos reales en primera persona. Cabe señalar que a principios de julio, el panel de Hub mostraba aproximadamente 65,000 usuarios registrados y un total de aproximadamente 1.8 millones de trayectorias, lo que indica una discrepancia en los datos. La disminución de la actividad, la tasa de participación repetida y la distribución de la calidad de los datos son indicadores clave para evaluar la sostenibilidad de la capacidad de producción.

El papel de Web3: herramientas de distribución y derechos

Este proyecto posiciona a Web3 como una herramienta para resolver problemas de derechos y distribución, en lugar de simplemente una narrativa de emisión de tokens. Las plataformas centralizadas también pueden contratar recolectores de datos, pero es difícil proporcionar a cada contribuyente pruebas de derechos verificables y rastreables, lo que finalmente crea una relación de compra única, terminando así la conexión entre el contribuyente y la plataforma.

La solución de Axis es: asignar un Data ID único a cada trayectoria evaluada en la cadena Base, registrando en la cadena la dirección de la billetera del contribuyente, el tiempo de envío, la puntuación de calidad y los metadatos de la tarea. La trayectoria completa, debido a su gran tamaño, se almacena fuera de la cadena, mientras que el registro en la cadena actúa como un ancla: la distribución de ingresos futura, el uso autorizado o el peso de gobernanza pueden rastrearse a través de este ancla. La contribución, por lo tanto, se transforma de un concepto operativo vago en un hecho verificable en la cadena.

El proceso de evaluación incluye múltiples niveles: verificación de integridad de formato, determinación de éxito basada en reglas, y juicio de la razonabilidad del comportamiento por parte de un modelo de lenguaje visual; algunas trayectorias también deben pasar por revisión por pares. La calidad total se vincula directamente con el peso de las recompensas: las tareas más difíciles o seleccionadas tienen una recompensa base más alta, multiplicada por un factor de calidad para obtener la recompensa final, en lugar de simplemente contar por número de tareas. Los intentos fallidos no se suben ni se penalizan, y las trayectorias de basura o casi duplicadas son filtradas. Este diseño reduce las expectativas de ganancias de manipulación desde el nivel mecánico.

Fuente de la imagen

El sistema de incentivos actual utiliza un modelo híbrido: puntos POINTS, participación en la distribución de moneda fiduciaria generada por paquetes de tareas personalizadas adquiridos por empresas, y recompensas de tokens que se distribuirán en el futuro según la calidad y dificultad. Los puntos POINTS ya están en funcionamiento, pero el token oficial aún no ha sido emitido; la compañía ha indicado que la economía de tokens sigue en desarrollo. Además, Axis opera una subred dedicada en la red BitRobot, donde los contribuyentes pueden recibir incentivos bilaterales simultáneamente.

Experimentos comunitarios y validación académica

En enero de 2026, Axis lanzó una tarea comunitaria llamada «La rosa del pequeño príncipe», donde los usuarios operaron un brazo robótico a distancia para realizar acciones de riego, recolectando más de 10,000 trayectorias efectivas en 5 días. Las estrategias entrenadas a partir de esto se implementaron en un brazo robótico Franka real, logrando riego autónomo. En febrero, se amplió a 27 tareas, con aproximadamente 18,000 participantes, contribuyendo casi 100,000 trayectorias efectivas en 5 días. Ambos experimentos validaron un camino: los datos comunitarios a nivel de navegador pueden cerrarse en la ejecución física, y la puntuación de calidad junto con los registros en la cadena otorgan a las acciones operativas una trazabilidad por primera vez.

En el ámbito académico, un artículo de arXiv proporciona una referencia de base: el conjunto de datos AXIS incluye 207 tareas y aproximadamente 50,100 trayectorias. Después de un preentrenamiento continuo en el modelo π0.5, la tasa de éxito general de LIBERO-Plus aumentó en 5.8 puntos porcentuales; en el RoboCasa365 de tamaño equivalente, la ventaja sobre la línea base fue del 37.3%. La diversidad trajo beneficios positivos en dimensiones como la disposición, el ruido del sensor y la perturbación de la cámara. El rendimiento de los datos no es excepcional, pero es un paso en la dirección correcta para un conjunto de datos temprano.

En el ámbito comercial, Axis entrega paquetes de tareas como su forma central de entrega, empaquetando y vendiendo según el escenario, las habilidades atómicas, el grado de aleatorización dentro de la tarea y el total de trayectorias. Los socios revelados incluyen Booster Robotics, Manycore Tech, Dexmal, Lotus, Geely Auto, entre otros. La compañía ha declarado que los ingresos por compras empresariales se reinvertirán en los contribuyentes, formando un ciclo impulsado por la demanda real para la distribución de POINTS y futuros tokens. Actualmente, la proporción de distribución, el monto del contrato y los pagos específicos no se han hecho públicos; esta parte aún está en fase de compromiso y requiere seguimiento continuo.

La posición de Axis se asemeja más a la de una infraestructura distribuida: intercambiando diversidad y flexibilidad de costos por la escala de la comunidad, utilizando el juicio humano para evaluar la calidad y resolviendo la transparencia de la atribución a través de registros en la cadena. La cuestión central es si los paquetes de tareas pueden convertirse en ingresos recurrentes estables: si falta la compra empresarial continua, el diseño de incentivos mencionado enfrentará riesgos de vacío.

Antecedentes del equipo

El CEO Chris Feng fue anteriormente COO de Chainbase y tiene experiencia en consultoría y capital de riesgo. Los miembros clave del equipo provienen de instituciones como Berkeley, CMU, Georgia Tech, Nanyang Tech y Shanghai Jiao Tong University, incluyendo personal con experiencia en el crecimiento de productos de consumo a gran escala. La intersección de la coordinación en la cadena y los datos robóticos es digna de atención, aunque la información pública sigue siendo limitada.

Cabe añadir que uno de los miembros clave del proyecto, la princesa Christine (@0xsexybanana), actualmente participa profundamente en Axis Robotics como contribuyente y aparece en ocasiones como CMO en el oficial Space, encargándose del crecimiento de la comunidad y la comunicación externa. Los actores del ecosistema como Base APAC también la han mencionado como cofundadora.

Ritmo de tokens y dinámicas recientes

Hasta el momento de la publicación, Axis no ha emitido un token nativo, y la cantidad total de suministro, la proporción de distribución y el cronograma de desbloqueo no se han anunciado. La documentación oficial indica que la economía de tokens sigue en desarrollo, y se ha dejado claro que se priorizará la validación del producto y el modelo de ingresos, con el token como amplificador posterior. El Data ID en la cadena ya está en su lugar, y recientemente se ha solicitado a los contribuyentes que completen la firma de trayectorias antes de un tiempo específico, lo que puede considerarse como un establecimiento de prueba rastreable para la futura distribución de tokens.

Las posibles direcciones de diseño del token incluyen: portador de recompensas ponderadas por calidad, medio de intercambio de servicios ecológicos (desbloqueo de tareas personalizadas, canal de datos, mejoras avanzadas, etc.), staking para desbloquear niveles y tareas prioritarias más altos, así como peso de gobernanza. El TGE está programado para la fase «Más allá de 2026», con un ritmo conservador que reduce la presión especulativa a corto plazo, pero las expectativas a largo plazo de los contribuyentes dependen en gran medida de la velocidad de implementación comercial posterior.

Además, Axis Robotics lanzó en mayo de 2026 el Programa de Creadores de Contenido a través de KaitoAI Studio, invitando a creadores a producir contenido en torno a la IA física y obtener recompensas. Con la reciente finalización de la ronda de financiación de semillas y la recuperación del protocolo de datos con X, la comunidad tiene ciertas expectativas sobre una posible colaboración futura entre ambas partes para lanzar un programa de creadores (que podría involucrar mindshare y recompensas de tokens), aunque los detalles específicos aún deben ser confirmados por la compañía.

Fuente de la imagen

Resumen

Los puntos POINTS y el mecanismo ponderado por calidad ya están en funcionamiento, pero si la velocidad de retorno de la moneda fiduciaria se queda atrás en comparación con el crecimiento de la escala de contribuciones, el valor percibido de los POINTS enfrentará fluctuaciones, lo que podría llevar a la pérdida de participantes de alta calidad. Los registros en la cadena han resuelto la transparencia de la atribución, pero los criterios de puntuación y las reglas de distribución de ingresos de datos siguen siendo controlados por la plataforma: este es un nodo centralizado que existe comúnmente en los protocolos de datos de Web3.

En general, Axis utiliza Web3 como una herramienta práctica para resolver problemas de derechos y distribución. El valor a largo plazo de la infraestructura de datos dependerá en última instancia de la validación de la demanda comercial real. Los puntos de observación clave a seguir incluyen: el progreso real de la firma y el pago de los paquetes de tareas, el ritmo de transición de POINTS a tokens, y si los datos ponderados por calidad pueden seguir mejorando el rendimiento de los modelos descendentes. Si el ciclo puede girar, dependerá en última instancia de los compradores de datos.