< 具身智能的未来 > 我想聊聊 我眼中的 Axis 毕竟在之前跟 @jennyukim_bnb 在 @binancezh 币安广场聊完以后，我一直就像辩论赛中说的看好整个Physical AI 的数据层 就像大家所看到的： AXIS 做的是 Physical AI 的资料基础设施，解决机器人训练所需的操作资料供给问题 机器人要适应真实环境，需要面对不同物体、布局、光线与接触条件，传统采集依赖实体机器人、操作人员与专门设备，扩大场景覆盖往往需要同步增加成本 AXIS 把部分采集工作放进浏览器，让全球贡献者操作模拟机器人，再透过验证、清洗与资料扩增，产生可用于训练的样本，模型出错时，人类也能接手修正，让下一轮采集针对已经暴露的弱点展开 他吸引人的地方在于它把资料生产、品质控制与模型迭代连在一起，具备扩大产能和反覆提供服务的条件 当然毕竟是我们 Base 家的项目，所以也可以看看他是怎么贡献Base TVL的 AXIS 将资料 ID、任务 ID 与贡献者的关联记录在 Base，让资料贡献有可追溯的链上纪录，$AXIS 也采用 Base 上的 ERC-20，社群轮以 Base 上的 USDC 参与 在这个架构里，Base 承担的是贡献存证与资金结算，资料品质则由 AXIS 的验证和训练流程负责，分工相当清楚 另外 AXIS 也入围了 Base Batches 003 Robotics Track 的十支决赛团队，Base APAC 公布的名单中可以直接找到它，这个由 Virtuals 营运的赛道，为入选团队提供机器人实验室、导师与 Demo Day 展示机会 对需要接触机器人开发者、研究人员与早期投资者的资料公司来说，我认为这类生态资源有实际价值，AXIS 已经在 Base 的机器人建设者网路里取得位置 资本支持方面，AXIS 在 2026 年 7 月公布了 1,200 万美元种子轮，由 Hack VC 领投，Nomad Capital、Pi Network Ventures、10K Ventures 等参与，那有鉴于Hack跟Upbit的关系，我长期看好他们TGE后的发展 最后聊聊技术 按照官方截至 9 月 28 日的统计，平台约有 548 万条已验证轨迹与 19.6 万名贡献者，这些数字反映出团队已经能组织大规模的分布式资料采集 当然让我更在意的是，这些资料是否能改善模型表现 在团队公开的研究中，使用 AXIS 资料进行持续预训练后，π0.5 在 LIBERO-Plus 的整体成功率由 83.9% 提升至 88.8%，增加 4.9 个百分点 这是在特定模型与测试设定下取得的结果，对我而言，它提供了一项具体证据，说明社群产生的模拟资料经过处理后，确实能带来可量化的训练改善 AXIS 也公布了与 Booster 的合作研究，内容涵盖工作场景重建、模拟示范采集，以及结合真实资料进行机器人训练，开始把资料管线接到具体机型与操作需求上 我的商业判断是，客户每增加一种机型、一个任务或一个部署场景，都可能产生新的资料需求，AXIS 若能重复利用既有的场景资产、验证方法与处理流程，就有条件缩短交付时间，并把单次合作延伸成持续服务 这也是我现在强烈看好 AXIS 的原因 它已经累积了 Base 生态参与、机构融资、资料生产规模与公开训练结果，这些进展让我更愿意相信团队具备把产品推向商业应用的能力 看多 看好 Axis