Axis 积分上线，聊聊这个项目 ▸ 背景够硬 Hack VC 领投 1200 万美金，同机构投了 Morpho、Berachain、Sui。CMO Christine 是华人圈熟面孔，不是什么匿名盘 这轮 AI 叙事里，Physical AI 比纯 LLM 更有想象空间。Axis 卡在「机器人训练数据」这个冷门但刚需的位置，明年机器人赛道热起来它就是这个方向的独苗 ▸ 上手门槛极低 浏览器里就能操作模拟机器人，跟玩网页游戏差不多。不用下载、不用配置、不用编程 我做下来最难的操作也就是控制机械臂别把杯子打翻 ▸ 怎么撸 @axisrobotics 三个角度： ① 积分：官方刚上线积分系统，每两周一个 Epoch，五个维度算分 任务数量、难度、质量、多样性、邀请。积分高的后面空投权重不会低 ② Kaito：已确认合作，Kaito Katalyst 首批合作项目大概率有 Axis。多发相关内容刷 mindshare ③ Discord 角色：身份组后面大概率挂钩空投 ▸ 提分技巧（实测有效） 优先做 4 星以上高难度任务，Difficulty 是直接乘数，收益差好几倍 同一个任务最多只计前 5-10 条，做完立刻换场景换操作类型，Diversity 拉满 动作尽量流畅少失误，系统用 VLM 加物理回放打分。失败了不扣分，反复试到满意再提交 提交完立刻链上签名，忘了签等于白做 邀请只拉真正会做任务的，附带教程教他们怎么拿高分。拉人不干活不加分 ▸ 社区互动也有分 Discord 每天聊两句，帮新人回答问题，身份组后面有用 官方发帖后写有质量的评论，别刷 LFG。每周发 1-2 条原创帖晒任务体验，比转发有用 Peer Review 审核别人数据也能拿奖励，有空就点点 ▸ 节奏 每天 10 条高质量轨迹 + 签名，Discord 冒泡 + X 评论官方帖。周五 00:00 UTC 前把本周所有轨迹签完 ▸ 说实话 空投没官宣但信号够多，社区负责人亲口说了有代币空投和创作者计划。有 funding 的项目一般不会纯白嫖社区数据 积分通胀已经开始了，早期的人分数拉开了。想入场的趁早，Epoch 一轮一轮过去后面的人追不上 反正零成本，不撸白不撸 @axisrobotics

Axis @axisrobotics 轨迹任务，对我太难了，我是个手残党，你们几秒十几秒完成的有啥技巧吗？ 我真的很想全方位参与Axis ，也知道trajectory tasks是权重最高、最核心的贡献方式，但就是找不到技巧，怎么办？ 难道，只能等Kaito创作者活动，听说要等到8月中旬，不知道真假。 这几天每天拿出几个小时，找一找轨迹任务技巧，如果实在不行，只能多写推文 ， 争取创作者活动了 #PhysicalAI# #具身智能#

Axis Robotics 每天看着机器人模型在实验室里卡住。 跑不通的抓取动作，识别不了的场景，泛化不了的路径。 人类好像越来越能造机器人，但越来越不会教机器人了。 1> @axisrobotics 最早就是一个数据标注项目——只不过标的不是图片，是机器人动作。 你打开浏览器，用鼠标拖拽一个虚拟机械臂，教它怎么拿起杯子、怎么拧开瓶盖、怎么给花浇水。就这么简单。动动鼠标，教机器人，赚积分。 但团队很快发现了一个问题： 不是没人想教，是根本不知道怎么教。 2> 机器人的数据，被什么东西卡住了？ 大语言模型有全网文本可以训练。 自动驾驶有上亿公里路测数据。 但机器人呢？ 真实的机器人操作数据，只能靠实验室里少数专家，一台一台机械臂手动采集。成本高、速度慢、场景单一。 而机器人需要学会的，是真实世界里千变万化的动作——拿起不同形状的杯子、在不同光照下识别物体、在杂乱环境中规划路径。 实验室里采集的那点数据，不够。 3> Axis 看不下去了。 他们发现Physical AI最大的瓶颈不是算法，是数据覆盖度。 没有足够多、足够多样化的训练数据，再好的模型也是空中楼阁。 所以他们决定换一种思路。 4> 从实验室采集变成全民众包。 Axis 的做法很简单：在浏览器里搭建物理仿真环境，让全球任何一个人，打开网页就能操作虚拟机器人。 你拖拽机械臂完成的每一个动作，都会被记录成一条轨迹数据。 这些数据经过验证后，用来训练真正的机器人模型。 2026年2月，Axis 做了一次代号叫"小王子的玫瑰"的实验。 全球1.2万名普通用户在5天内完成了10,000条高质量轨迹数据的采集。 然后他们把其中一批数据直接部署到了真实的 Franka 机械臂上——成功复现。 不需要你买机器人，不需要你懂编程。打开浏览器，动动鼠标，你就在教一个真正的机器人如何行动。 5> 但最有意思的是商业模式。 企业客户可以提出定制化的数据需求——特定任务、特定环境、特定机器人本体。 Axis 把这些需求拆解成任务套件，分发给全球贡献者网络。 贡献者完成任务、产生数据，企业付费购买。 部分收入回流给贡献者。 形成一个闭环： 商业需求 → 任务生成 → 众包采集 → 数据验证 → 模型训练 → 部署落地 物理AI变成了一个网络：商业需求驱动数据创建，贡献者提供智能，模型持续进化。 6> 技术底子怎么样？ Axis 自研了 MetaSim 架构，把复杂的物理仿真和轻量化的网页交互解耦。 你在浏览器里拖拽机械臂的每一帧，背后是 MuJoCo 的高频物理模拟，再通过跨仿真重放技术在 Isaac Sim 里做大规模域随机化。 说白了就是：你操作简单，但数据质量不简单。 截至2026年7月，Axis 数据集已包含207个多样化任务和超过5万条轨迹。 7> 最新进展是什么？ 7月28日，Axis Robotics 宣布完成1200万美元种子轮融资。 Hack VC 领投，Nomad Capital、Pi Core Team Ventures、10K Ventures 及多位天使投资人跟投。 资金将用于加速建设大规模并行、有人类参与的全球数据引擎。 而且，Axis 即将在 Base 链上推出主产品——数据贡献记录上链，可验证、可追溯。 8> 现在，Axis 正在测试网阶段释放任务。 首批30个任务，已有三分之一进度跑满100%。 Hub 任务可以直接参与，Alliance 任务需要邀请码。 早起的鸟不一定吃到虫，但至少先占了训练工位。 关注 @BTCDTA 和 @0xsexybanana 机器人不会自己学会走路。 但你可以教它。 打开浏览器，动动鼠标，你就在参与建造物理AI的"GPT时刻"。 #AxisRobotics# #PhysicalAI# #Web3#

Axis Robotics 宣布完成 1,200 万美元种子轮融资，由 Hack VC 领投，Nomad Capital、10K Ventures 及多位天使投资人参投。资金将用于扩展其融合仿真、第一视角真实数据采集和人工反馈训练的机器人数据引擎，以支持 Physical AI 模型开发。

聊一下 Axis @axisrobotics 项目目前融资 1200 万美元，切入的是机器人训练数据赛道。 过去几年，AI 叙事一直围绕大模型、Agent、算力展开，但下一阶段真正的竞争，可能会从“谁拥有更强的模型”转向“谁拥有更优质的数据和真实世界反馈”。 机器人是 AI 走向现实世界的重要入口，而训练数据就是机器人进化的燃料。 我查了一些资料，也和 Grok 讨论过这个方向。相比过去很多测试网交互、刷任务获取积分，本质上没有沉淀价值，机器人训练数据的价值可能完全是另一个维度。 因为一次有效的数据采集，可能是在帮助机器人提升真实环境下的决策能力，这种资产属性和普通链上行为数据并不一样。 当然，市场也需要理性看待。 Axis 背后有 Hack VC 投资，这家机构在 Web3 投资领域很活跃，但从过去项目来看，空投预期通常不会特别激进，社区激励相对保守。 所以 Axis 真正值得关注的，不是“有没有空投”，而是它能不能成为 AI+机器人时代的数据基础设施。 如果机器人是 AI 下一阶段的战场，那么训练数据可能就是新的石油。

郡主 @0xsexybanana 空投的Axis瑜伽服颜值很高 完全可以当短袖穿 去年空投的那套好喜欢 可惜被朋友抢走拍照了 大家可以关注下 Axis Robotics @axisrobotics 可能是机器人赛道的王炸

感谢郡主 @0xsexybanana 赞助的Axis 精美周边，机器人赛道的代表性项目，有兴趣的可以去了解下。 抽3位有缘者，24H截止。没啥要求，关 @axisrobotics 就行。愿意的点个小爱心也可。

🔥为什么机器人学了上万条轨迹，换个杯子就傻了 玩 Axis @axisrobotics 轨迹任务一段时间。浏览器里遥操机械臂，几分钟采一条轨迹，上传拿积分。社区几天堆出上万条数据，听起来很高效。 可正是这种“高效”，让问题暴露得更清楚。 不管实验室真人遥操，还是 Axis 的仿真众包，本质上都是让机器人“背答案”。它记住的是：在这个角度、这个光线、这个材质下，手臂该走哪条路径。场景一换，哪怕只是把陶瓷杯换成玻璃杯，成功率就崩了。 问题出在哪？ 大语言模型有整个互联网当教材。文字、代码、网页，知识早已被数字化，躺着等算力挖掘。机器人面对的是物理世界。杯子有没有水，桌面有没有油污，摩擦力变了多少。这些细节人类天生能判断，机器人没有内置模拟器，只能靠一条条轨迹硬记。 更糟的是试错成本。大模型猜错词，重新生成就行。机器人摔一次零件，代价是灾难性的。于是大家躲进仿真，让用户在虚拟环境里失败几百万次。这很聪明，但仿真永远差一口气：光线折射、材质磨损、湿度变化，电脑模拟不全。 所以杨立昆、李飞飞反复提醒：机器人需要世界模型，不是识别物体，而是能推演“如果我动了，世界会怎样”。没有这层能力，它永远是背题机器。 Axis 的闭环设计在往这个方向走，但收集的依然是轨迹，不是物理因果。而这类数据，地球上几乎为零。 这也是为什么宇树把机器人卖到万元级，出货量全球第一，买家却多是高校和实验室。他们买硬件，只为采集稀缺的物理数据。硬件不赚钱，但作为世界模型的数据入口，资本愿意给高溢价。 历史反复提醒我们：方向没错，速度常被高估。互联网泡沫、自动驾驶狂热，都是前车之鉴。具身智能是终极未来，在今天，它也是一场资金泡沫。商业世界不靠惊叹盈利，只靠不可替代赚钱。 在机器真正理解这个世界之前，所有高估值，都只是提前冲向尚未到来的未来。 #宇树科技# #PhysicalAI# #Robotics# #EmbodiedAI#