在Physical AI这事儿上， OpenAI 吃过的苦头，真不比头部具身厂商少！！！（doge）

还记得在2020-2021年，壮志未酬的OpenAI机器人团队经历了一轮解散风波，其中反复被提到的现实难题之一，就是训练数据不够。

可是没隔几年，GPT-6就这样横空出世，强大的程度让全网震惊瘫坐！但另一个更让人觉得魔幻的事情是：

你一个通用大语言模型，咋就这么水灵灵地能控制机械臂，完成抓取、放置等一系列具身任务了啊！？

△图源:美国独立评测机构RoboCurve 那么问题来了，当年一度被数据卡住的OpenAI，到底是咋把这件事重新做起来的？

出于对技术发展强烈的好奇心，我还真沿着公开报道和业内线索往下扒拉了一圈，然后一个亏贼、魔幻、离谱的事情来了——

当前在Physical AI圈子里火得发烫的Egocentric（第一人称视角）数据集，OpenAI其实早就大买特买了一波！

虽然OpenAI并没公开披露这家数据供应商是谁，但随着Physical AI赛道持续升温，有一家公司，突然在行业的密集讨论声中浮出水面：

不是什么科技巨头，而是一家叫做 Maxinsights 的公司，甚至满打满算也才 成立两三年 。

再顺着客户名单往下一扒，我发现这家公司，甚至还跻身全球Physical AI头部玩家的供应链：

Google DeepMind、Figure、1X…… 一众超火的Physical AI圈头部玩家，都出现在它的合作名单上。

一个成立才几年的硅谷初创，愣是把全球数千人的真实操作经验，做成了一门横跨中美市场的规模化生意。

说实话，真不怪这两年Physical AI对规模化Egocentric Data的需求猛猛猛涨。

背后的原因很现实：靠机器人自己一遍遍采集操作数据，成本高、速度慢，能覆盖的场景是非常有限的。（扎心.jpg)

采集成本更低，场景多样性更强，不依赖昂贵的机器人硬件， 就有条件支撑数万乃至百万小时级别的大规模数据集，nice～

但话说回来，做Egocentric Data的公司不少，但能挤进全球顶尖模型厂商核心供应链的初创可没几家。

经过更加深入的了解，我发现Maxinsights做的数据生意，确实有点超出我对初创公司的常规认知了。（doge）

单单向客户交付的数据就超过 200万 小时，此外还拥有 150万 小时以上带有手部追踪和语言标注的数据。

月采集产甚至达到了 45万 小时，全球采集网络铺进了 2000 多个真实环境，覆盖足足 50000 多个场景。

一家成立两三年的公司，就这么把散落在全球的人类操作经验，一点一滴地攒出一座机器人训练数据矿山～

当然，你数据交付规模再大，最终还得看有没有客户愿意给这数据掏钱买单，以及在模型能力上兑现了多少价值。

于是我继续往下扒，发现Maxinsights凭着数万场景的数据家底，已经把生意做到了包括北美在内的 全球六大洲 。

Google DeepMind、Figure AI、Dyna Robotics、Genesis AI…… 随便拎出一家，都是全球机器人圈里响当当的名字。

今年3月，这家公司又把生意做进了中国市场，全球Physical AI数据生意，还真让它跑通了。

甚至，这些卖出去的数据，已经开始在前沿机器人模型的训练结果里，显现出规模化预训练的「价值」。

Dyna Robotics当时用100万小时人类第一人称视频预训练，让机器人学习真实世界的物理交互规律。

结果还真让它摸出了一条Scaling Law，当预训练数据从1000小时一路增加到100万小时，Dyna-2对人类动作的 预测均方误差降低约12% 。

更重要的是，即便面对训练阶段从未见过的机器人数据，模型的预测表现也随着人类视频规模增长而持续改善。

结果谁成想呢，Dyna-2这100万小时预训练数据的背后最大供应商不是哪家大厂，正是 Maxinsights 。

我们再来说说硅谷明星机器人公司「Genesis AI」今年5月发布的机器人基础模型 GENE-26.5 。

机器人直接进厨房，一口气自主完成约 20步 连续烹饪操作，切番茄、单手打蛋、双手配合……全程无需人工接手。

甚至好多高难度技能，只需要不到1小时的特定任务机器人数据，就能实现自主执行。（震惊.jpg)

这里头的关键所在，便在于让模型提前从大量人类第一人称视频、手套传感器数据中学习动作和物理交互经验：

很多人不知道的是， GENE-26.5的独家第一人称数据合作伙伴，也是Maxinsights？？？

这些年Physical AI的故事听了不少，但能把技术需求变成真金白银的生意，才算真正摸到了商业化的门道。

根据最新经营数据， 2026年第三季度，Maxinsights的Bookings （订单签约额） 预计环比增长48%。

「订单签约额」的表面意思很好理解，它衡量的就是客户愿意为这家公司的数据服务，签下多少真金白银的合同。

客户愿不愿意采购， 背后考验的是数据能否真正进入模型训练流程、能否稳定改善模型表现，以及供应商能否跟上下一轮训练的数据规模和质量。

尤其是头部Foundation Model团队，模型迭代动辄需要数十万乃至百万小时的数据支撑，对数据质量、场景覆盖和交付稳定性都有着相当高的要求。

所以说，订单签约额的增长，某种程度上也是客户用真金白银，为一家数据公司的规模化交付能力和长期供给价值投票～