清华系物理AI基建初创再融数千万美元，全球化规模交付数据设备

硬氪获悉，Physical AI数据基础设施服务商Ropedia近期已完成数千万美元天使轮融资。本轮融资由多家深耕东南亚市场的头部风险投资机构领投，多家一线美元基金及智能制造、大模型产业方共同参与投资。在此前一轮融资中，与Google、a16z、NVIDIA、Amazon相关的投资人亦有参与，由深渡资本担任长期独家财务顾问。资金将主要用于核心技术团队扩建、硬件产品线规模化量产，以及数据产品线的规模化生产。
Ropedia成立于2025年下半年，总部位于新加坡，并在美国硅谷设有办公室，是全球最早系统性构建Physical AI数据基础设施的公司之一。公司由陈昭熹（CEO）、洪方舟（CTO）与南洋理工大学副教授刘子纬（首席科学家）联合创立，核心团队来自清华大学、南洋理工大学MMLab、Meta Reality Labs与Google。
从自研采集硬件、数据引擎到大规模真实世界经验数据集，Ropedia正在构建连接人类经验与机器智能的关键数据层，为下一代机器人与具身智能系统提供真实世界的数据底座。
当前，Physical AI行业正遭遇真实世界的数据瓶颈。随着机器人基础模型、VLA及世界模型的快速迭代，传统视频与图文对已无法满足需求，模型训练亟需具备真实物理尺度、动态交互、手-物关系和场景语义的高质量数据。但这类数据长期面临两大难题：采集依赖昂贵设备与复杂部署，成本高企；且原始信号距离可训练的结构化数据仍隔着漫长的处理链路。一段原始采集数据通常需要经过时间同步、空间对齐、三维与四维重建、人体及手部运动恢复、动作切分、语义标注与质量控制等环节，才能转化为模型可直接使用的训练数据。
与传统数据采集公司不同，Ropedia的核心竞争力并非硬件，而是围绕数据引擎（Data Engine）构建完整的数据生产体系，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。“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。”陈昭熹表示。
目前，市面上多数数据采集公司仍停留在单点硬件销售或人工标注服务阶段，而Ropedia已能够通过自研数据引擎Experience Engine，将海量原始采集信号自动转化为可直接用于模型训练与效果验证的结构化Experience Data，覆盖人体姿态、手物交互、空间结构、运动轨迹等多维信息，在保证数据质量的同时，大幅提升数据生产效率、降低数据生产成本。
Ropedia的多模态Experience Engine结构(图源/企业）
在陈昭熹看来，数据和模型本质上是在描述同一个真实世界分布：数据通过真实样本离散地记录世界，模型则通过连续函数去逼近这一分布。因此，未来Physical AI的竞争不仅是模型能力的竞争，更是数据引擎能力的竞争。联合创始人、首席科学家刘子纬则把这一转变比作一次能源结构的切换：“语言大模型有点类似于化石燃料：我们人类创造语言、记录语言，把丰富的语言沉淀在整个互联网上，但化石燃料终归是有限的。多模态是AI脱虚向实的必经之路，有点像我们从化石燃料走向新能源的过程。”
公司已推出头戴式便携采集系统HOMIE，可轻量化采集第一视角下的人体运动、场景变化及物体交互等多模态信号，并持续为数据引擎提供真实世界经验数据输入，形成覆盖数据采集、数据生产、模型训练与验证的数据飞轮。
参与者佩戴Ropedia头戴式便携采集系统 HOMIE (图源/企业)