1200 万种子轮融资后，Axis Robotics 积分计划值得参与吗？

Axis Robotics 的物理 AI 的数据飞轮能靠 Web3 转起来吗？

撰文：Grok

辅助：AididiaoJP，Foresight News

7 月 27 日，Axis Robotics 宣布完成 1200 万美元种子轮融资，由 Hack VC 领投，Nomad Capital、Pi Network Ventures、10K Ventures 等跟投。PitchBook 数据显示，团队目前约 11 人，已产生收入。项目定位是物理 AI 的数据基础设施层，而非自研模型或硬件。

机器人领域面临的核心问题与大语言模型截然相反。LLM 可以吞噬互联网上已有的海量文本，而物理世界不存在一个现成的数据库可供爬取。实验室采集不仅成本高、效率低，且场景高度单一------同一机械臂在恒定光照下重复抓取同一物体，所产生的数据难以泛化到新环境。Axis Robotics 试图回答一个问题：能否以足够低的成本、足够多样化的环境、足够多的人，持续生产高质量的机器人交互轨迹？

创始人 Chris 的公开表述相对直接：行业缺乏的是高效、可扩展的混合数据生产系统。Axis 的产品形态可以理解为一台「复合数据引擎」------以浏览器遥操作降低采集门槛，以 Web3 工具解决贡献者的激励与权益归属。

数据生产机制：浏览器即入口

参与门槛被刻意压到极低。用户无需任何机器人硬件，通过网页即可远程操作仿真机械臂，完成抓取、分拣、开抽屉等基础任务。每次会话生成一条完整轨迹，涵盖关节状态、物体位姿、控制动作与任务元数据。

图源

后台对轨迹进行清洗和平滑处理后，将其导入 Isaac Sim 执行域随机化------光照、纹理、物理参数等变量被系统性改变，单条轨迹可扩展为大量训练样本，供给 VLA 模型或模仿学习策略。

官方披露，目前全球活跃贡献者超过 10 万人，月产能为 1200 小时以上仿真数据及 2 万小时以上真实第一人称数据。需注意，7 月上旬 Hub 面板显示注册用户约 6.5 万、轨迹总量约 180 万，两项数据口径存在差异。活跃度衰减、重复参与率和数据质量分布，是判断产能可持续性的关键指标。

Web3 的角色：分配与确权工具

该项目将 Web3 定位为解决确权和分配问题的工具，而非单纯的发币叙事。中心化平台同样可以雇佣数据采集者，但难以向每位贡献者提供可验证、可追溯的权益证明，最终形成一次性买断关系，贡献者与平台之间的关联就此终结。

Axis 的解决方案是：在 Base 链上为每一条通过评估的轨迹分配唯一 Data ID，链上记录贡献者钱包地址、提交时间、质量评分及任务元数据。完整轨迹因体积过大存储于链下，链上记录则作为锚点------未来的收益分配、授权使用或治理权重均可沿此锚点追溯。贡献由此从一个模糊的运营概念，转变为可核验的链上事实。

评估流程包含多个层级：格式完整性校验、基于规则的成功判定、视觉语言模型对行为合理性的判断，部分轨迹还需经过同伴评审。综合质量分直接挂钩奖励权重------更高难度或精选任务的基础奖励更高，乘以质量倍数后得出最终激励，而非简单按任务次数计件。失败尝试不上传、不计惩罚，垃圾及近似重复轨迹被过滤。该设计从机制层面降低了刷量的预期收益。

图源

当前激励采用混合模型：POINTS 积分、企业采购定制任务包产生的潜在法币分成、以及未来按质量与难度分配的代币奖励。POINTS 已运行，正式代币尚未发行，官方表示代币经济学仍在开发中。此外，Axis 在 BitRobot 网络上运营专用子网，贡献者可同时获得双边激励。

社区实验与学术验证

2026 年 1 月，Axis 启动名为「小王子的玫瑰」的社区任务，用户远程操作机械臂执行浇水动作，5 天内收集超过 1 万条有效轨迹。由此训练的策略被部署至真实 Franka 机械臂，实现了自主浇水。2 月扩大规模至 27 种任务，约 1.8 万人参与，5 天内贡献近 10 万条有效轨迹。两项实验验证了一条路径：浏览器级别的社区数据可闭环至物理执行，且质量分与链上记录使操作行为首次具备可追踪性。

学术侧，arXiv 论文提供了参考基准：AXIS 数据集包含 207 个任务、约 5.01 万条轨迹。在π0.5 模型上进行持续预训练后，LIBERO-Plus 整体成功率提升 5.8 个百分点；在体积匹配的 RoboCasa365 上，相对基线的优势为 37.3%。多样性在布局、传感器噪声、相机扰动等维度均带来正向收益。数据表现不算突出，但对于早期数据集而言方向正确。

商业层面，Axis 以任务包为核心交付形态，按场景、原子技能、任务内随机化程度和轨迹总量打包销售。已披露的合作伙伴包括 Booster Robotics、Manycore Tech、Dexmal、Lotus、Geely Auto 等。公司表示企业采购收入将回流贡献者，形成真实需求驱动 POINTS 及未来代币分配的闭环。目前分成比例、合同金额、具体回款均未公开，该部分仍处于承诺阶段，需持续跟踪。

Axis 的定位更接近分布式基础设施层：以社区规模换取多样性与成本弹性，以人类在环保留判断质量，以链上记录解决归因透明度。核心问题在于任务包能否转化为稳定的经常性收入------若缺乏持续的企业采购，前述激励设计将面临悬空风险。

团队背景

CEO Chris Feng 此前担任 Chainbase COO，具有咨询与 VC 背景。团队核心成员来自伯克利、CMU、佐治亚理工、南洋理工、上海交大等机构，其中包含具备大规模消费产品增长经验的人员。链上协调与机器人数据的交叉背景值得关注，但公开信息仍然有限。

值得补充的是，项目核心成员之一郡主 Christine（@0xsexybanana）目前以贡献者身份深度参与 Axis Robotics，并在官方 Space 等场合以 CMO 角色出现，负责社区增长与对外沟通。Base APAC 等生态方亦曾称其为 Co-Founder。

代币节奏与近期动态

截至发稿，Axis 尚未发行原生代币，供应总量、分配比例及解锁时间表均未公布。官方文档显示代币经济学仍在开发，明确表示将优先验证产品与收入模型，代币作为后续放大器。链上 Data ID 已就位，近期 POINTS 快照要求贡献者在指定时间前完成轨迹签名，可视为为未来代币分配建立可追溯凭证。

代币潜在设计方向包括：质量加权奖励载体、生态服务交换媒介（解锁定制任务、数据管道、高级增强等）、质押以解锁更高层级与优先任务、以及治理权重。TGE 被安排在「Beyond 2026」阶段，节奏偏保守，减少了短期投机压力，但贡献者的长期预期高度依赖后续商业落地速度。

此外，Axis Robotics 已于 2026 年 5 月通过 KaitoAI Studio 启动 Content Creator Program，邀请创作者围绕 Physical AI 产出内容并获取奖励。在近期完成种子轮融资、且 Kaito 恢复与 X 的数据协议后，社区对双方可能再次联动推出创作者计划存在一定预期（可能涉及 mindshare 与代币激励），具体细节仍待官方确认。

图源

小结

POINTS 与质量加权机制已在运行，但若法币回流速度落后于贡献规模增长，POINTS 的感知价值将面临波动，可能导致高质量参与者流失。链上记录解决了归因透明度，但评分标准的设定及数据收益分配规则仍由平台掌控------这是 Web3 数据协议普遍存在的中心化节点。

总体而言，Axis 把 Web3 被用作解决确权与分配问题的实际工具。数据基础设施的长期价值最终取决于真实商业需求的验证。后续关键观测点包括：任务包的实际签约与回款进展、POINTS 向代币过渡的节奏、以及质量加权数据能否持续提升下游模型表现。飞轮能否转动，最终由数据买家决定。