一支头戴式采集设备的画面在机器人实验室里滚动播放：人类冲泡咖啡时手腕的旋转角度、指尖按压壶盖的力度、水流注入杯中的空间位移，全部被转化为带物理尺度标注的结构化数据。这些数据正在进入Qwen-VLA、世界模型等具身智能系统的训练闭环。这正是Physical AI数据基础设施服务商Ropedia正在做的事情。
希鸥网观察到，成立于2025年下半年、总部位于新加坡的Ropedia，由陈昭熹、洪方舟与南洋理工大学副教授刘子纬联合创立，核心团队来自清华大学、南洋理工大学MMLab、Meta Reality Labs与Google。公司已获数千万美元天使轮融资，多家深耕东南亚的头部风投领投，Google、a16z、NVIDIA等相关投资人也参与了前序融资。它为具身智能与机器人基础模型解决真实世界训练数据稀缺的痛点，其核心产品头戴式采集系统HOMIE搭配自研数据引擎，将采集成本降至行业水平的十分之一。
Physical AI行业正卡在数据瓶颈上。传统视频与图文对缺乏真实物理尺度、动态交互和手-物关系，模型训练急需高结构化的真实世界经验数据。但原始采集信号要经过时间同步、空间对齐、三维重建、动作切分、语义标注等漫长链路才能变为可训练数据，成本高企。Ropedia没有停留在硬件销售层面，而是用模型驱动数据生产的思路重构了整个流程，将海量原始信号自动转化为可直接训练的结构化数据。
其自研的Experience Engine数据引擎，覆盖人体姿态、手物交互、空间结构、运动轨迹等多维信息。CEO陈昭熹的判断是，数据和模型描述的是同一个真实世界分布，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。这套体系的核心逻辑，是把数据当代码做版本管理，避免重复生产，靠精密数据管线和自研压缩协议把成本打下来。
从商业模式的底层逻辑看，Ropedia切的是数据生产基础设施的生态位。它用三层架构搭建端到端的真实世界经验基础设施：第一层Sense覆盖不同交互场景的感知硬件，第二层Experience Engine负责自动化数据生产，第三层Deliver是数据集与模型训练验证体系。数据的价值已开始被量化验证：ACE-Ego-0消融实验显示，同时使用机器人数据与人类视频的模型任务成功率达72.8%，高于仅用机器人数据的68.3%。
希鸥网认为，物理AI的竞争正从模型参数卷向数据源头，谁掌握了真实世界经验数据的规模化生产能力，谁就握住了下一代机器人的训练命脉。传统互联网数据决定了大语言模型的上限，而真实世界经验将决定Physical AI的上限。这轮融资释放的信号是，资本已经开始用脚投票，押注数据基础设施将成为具身智能时代的“水电煤”。
资本只能当成助推剂，绝对不能当成续命药。Ropedia过去六个月营业额增长约4.1倍，北美市场贡献六至七成营收。这印证了一个判断——健康的创业状态是公司自己能活且活得不错，拿资本是为了把规模扩大十倍百倍，而不是靠融资发工资。创业者拿钱之前，先问自己有没有造血能力。其发布的开源数据集Xperience-10M已服务约1800家机构，其中500余家签署数据使用协议，客户覆盖全球20余家头部具身智能企业。这批客户属于典型的“已有预算、随时采购”的天使客户群体，他们愿意为不完善的产品买单、主动提供真实反馈。初创企业应聚焦这类客户，而不是盲目铺开。每一轮基础设施革新都会诞生全新品类。Ropedia瞄准的正是Physical AI时代的数据基础设施，其开源数据集已在Hugging Face全品类下载量排名Top2、具身智能数据集Top1。但创业者要警惕的是，单一功能型创业项目若无显著效率优势，极易被集成式解决方案碾压。可持续的壁垒在于功能价值与情绪价值的复合叠加。
金鸥品牌榜·2026年度创新案例库开放申报了。免费提报，独立评估，入榜品牌将获得电子版《入榜证明》及年度专题公示，优秀案例可获得深度专访+全平台分发。 如需修改或发布文章，请加微信号：xiou618