Humyn Labs完成4700万美元Series A融资:Accel领投,为美国AI和机器人公司提供真实世界训练数据
Bengaluru创业公司Humyn Labs完成4700万美元Series A融资,其中2600万美元股权融资由Accel领投,Prosus Ventures、BeeGlobal、Bajaj Finance旗下Finserv Intelligence、Bajaj Alts AI Opportunities Fund、Dallas Venture Capital、Lighthouse Canton和Jump Trading参投;另有2100万美元风险债务由Lighthouse Canton领投、Trifecta Capital参投。据TechCrunch报道,这家2026年2月成立的公司为美国AI和机器人公司提供训练数据,帮助其构建能在物理环境中运行的模型。据Mint报道,前Epic首席财务官、天使投资人Anita Pramoda也参与了股权融资。
据TechCrunch报道,Humyn Labs由Nazara Technologies前CEO Manish Agarwal与百威英博前高管Ishank Gupta创立。两人此前共同创立了Kratos Studios(现名KGeN),KGeN在新兴市场拥有贡献者网络,这一网络帮助Humyn Labs在人们家中采集数据。
股权+债务混合结构背后的运营逻辑
这笔融资由2600万美元股权和2100万美元风险债务组成。
Humyn Labs联合创始人Manish Agarwal在接受TechCrunch采访时解释了原因:公司需要每天或每周向数据采集工人和合作伙伴支付报酬,但AI实验室客户的付款周期通常是30到60天。债务融资用于弥合这一现金流缺口,同时比出让更多股权的稀释性更低。
Humyn Labs在拉美和亚洲超过20个国家采集数据,巴西、印度和韩国是主要枢纽。据SiliconANGLE报道,公司已积累多达20万小时的头戴式摄像头视频语料库,记录参与者执行日常家务任务的过程;还交付了一个包含12万张人脸、覆盖5个地区的人脸识别数据集,以及超过5万小时的语音数据覆盖孟加拉语、泰米尔语、泰卢固语、奥迪亚语、阿萨姆语、韩语、他加禄语、阿拉伯语、越南语和葡萄牙语等语言。
物理AI的数据瓶颈
据SiliconANGLE报道,与从海量文本、图像和视频中学习的生成式AI模型不同,物理AI模型必须学习如何与周围世界交互:不仅要理解物体的样子和位置,还要知道如何操作它们、施加多大的力,以及出错时如何应对。
据TechCrunch报道,全球公司都在尝试打造能执行日常人类任务的机器人,但获取足够的高质量训练数据仍然困难。据Mint报道,Humyn Labs的核心观点是,并非所有采集到的数据都能用于训练机器人,数据必须多样、相关,并附带手部动作、物体交互和深度等信息,才能为机器所用。
Humyn Labs联合创始人Agarwal在接受SiliconANGLE采访时指出了这一差异的严重性:「结果可能非常、非常、非常剧烈,甚至是灾难性的。」他指出,对聊天机器人来说可能无关紧要的错误,对与人一起工作的机器人可能造成严重后果。因此,获取关于人类如何与环境进行物理交互的多样化、高质量数据,对于训练机器人在真实世界中安全可靠地工作至关重要。
地理和文化多样性同样重要。Agarwal在SiliconANGLE的采访中举了一个直观的例子:在美国家庭环境中训练的机器人可能无法处理印度家庭的任务,因为从厨具、家电到洗衣方式、房间布局都截然不同。这些地区差异意味着,机器人需要熟悉其最终服务人群的具体环境和习惯。Agarwal说:「多样性让你进入房间,质量确保你留在房间里。」
据SiliconANGLE报道,通过在20多个国家采集数据,Humyn Labs可以用更接近目标部署场景的数据训练模型,有望加快模型为真实工作做好准备。Agarwal补充说,公司看到了来自家用机器人(家务和养老护理)客户的兴趣,也看到了工厂、仓库和商业环境中物体操作和移动等工业应用的需求。
产品架构:从双摄像头硬件到标注流水线
据TechCrunch报道,Humyn Labs自研了双摄像头硬件设备,用于录制人们执行日常任务的过程。公司随后使用自有软件处理和标注视频片段——标记每个片段中发生了什么,使AI模型可以从中学习。据The AI Insider报道,这些设备是为各个AI实验室定制的。
据SiliconANGLE报道,Humyn Labs的数据处理引擎将视觉、声音、运动和触觉数据作为输入,进行策展、标准化和标注,使AI模型能够理解运动的运动学、力度和环境因素。据The AI Insider报道,公司使用3个相互关联的系统:采集硬件(Capture Hardware)、富化引擎(Enrichment Engine)和部署就绪评估(Deployment Readiness)。在最后一个环节,Humyn Labs与AI开发者和企业合作在真实工作场所测试机器人,将其表现与人类工人进行对比,帮助开发者发现问题并改进模型。
公司还发布了名为BRIDGE的基准测试系列,评估物理AI在语音、视觉和触觉领域的能力。据Mint报道,Agarwal表示,公司需要建立相应能力,告诉前沿实验室其模型在真实环境中的表现,为此需要构建自己的引擎和模型来识别这些系统在哪些地方失败。
Agarwal在TechCrunch采访中强调了数据质量的核心原则:「规模、多样性和质量都很重要,它们需要协同发挥作用。」据SiliconANGLE报道,Humyn Labs的主张是,人形机器人的AI模型无法从预设演示中学会灵巧操作,而必须通过观察人类在真实环境中的动作来学习。
商业牵引力:6个月内的增长数据
据Mint和The AI Insider报道,Humyn Labs称在运营的前6个月内年化收入已超过5000万美元。据TechCrunch报道,公司在4月至10月期间产生了1000万美元收入,另有2000万美元已签约合同,还有2000万美元交易尚未最终确定。公司目前有12个付费客户,包括前沿AI实验室、机器人公司和世界模型开发者。据TechCrunch报道,约90%的收入来自美国,但联合创始人Ishank Gupta拒绝透露具体客户名称。
据Livemint报道,12个付费客户中有9个在美国,1个在欧洲,2个在印度。据TechCrunch报道,公司目前有51名全职员工,大部分位于Bengaluru,加上遍布数据采集国家的本地合作伙伴网络。
竞争格局与行业背景
据TechCrunch报道,Mecka AI、XDOF和MicroAGI等初创公司也在解决同一问题——为机器人训练采集真实世界数据,Humyn Labs的目标是与它们竞争。据TechCrunch报道,过去几个月印度已成为物理AI训练数据采集的中心,Human Archive和BuildAI等初创公司利用印度的大量劳动力录制人们执行日常任务的过程。此外,Anjali Sardana在美国创立了Provision Labs,专注于物理AI的数据采集、模型评估和部署能力;美国劳动力平台Instawork则通过其印度业务的Robotics Lab,为工人配备可穿戴摄像头和传感器来记录仓库、厨房、酒店和工厂中的日常任务。
据Livemint援引Counterpoint Research 2026年7月报告的数据,印度的物理AI数据采集和标注服务到2030年可能释放100亿美元的市场机会。
行业观点、隐私争议与扩张计划
据Mint报道,Varyon Partners管理合伙人Siddharth Sawant表示:「印度既能提供采集人类动作数据所需的设备,也能提供所需的人力。」Humyn Labs联合创始人Gupta称,在他看来物理AI领域的规模是大语言模型领域的10倍,因为「大语言模型主要触及知识型劳动者,而物理AI将影响我们所有人」。公司目标是实现10亿美元收入。
但物理AI数据采集也面临独特的伦理和隐私挑战。据TechCrunch报道,在人们家中录制视频的做法引发了关于隐私和知情同意的质疑。Agarwal回应称,公司采集的是人们执行日常工作或家务的数据,而非要求他们表演预设活动,并且通过本地合作伙伴来识别采集地点和监督流程。他说:「工人是有激励的工人,但他需要被监控和监督,以确保输入正确。」
据Mint报道,Humyn Labs计划利用融资在巴西、韩国和印度建设部署基础设施,强化数据采集硬件和处理引擎,并扩大在旧金山、伦敦和首尔的业务。公司计划建设复制仓库、暗店和工厂环境的大规模部署环境,以测试机器人在真实条件下的表现;部署设施面积为5000至10000平方英尺,或与企业合作在其场所内开展部署。Bengaluru将作为起点开发部署手册,随后复制到巴西和越南等市场。
主题分类:AI商业模式
参考资料
- India’s Humyn Labs raises $47M to feed US robotics companies the data they need — Jagmeet Singh / TechCrunch, 2026-11-18
- Humyn Labs raises $47M to bridge the gap between AI training and real-world robotics — SiliconANGLE, 2026-11-18
- Physical AI startup Humyn Labs raises $47 million in Series A funding to expand global operations — Livemint, 2026-11-18
- India’s Humyn Labs Raises $47M in Series A Funding to Expand Physical AI Training and Deployment Services — The AI Insider, 2026-11-18