谷歌Figure都在排队，这家中国公司撑起硅谷最火机器人

硅谷多家头部机器人公司背后，站着同一家数据供应商——Maxinsights。这家扎根硅谷的Physical AI团队，客户几乎都在美国，今年3月才回到国内开展业务。其核心业务，是把真实世界的人类经验规模化转化为Physical AI的训练燃料。

Maxinsights已累计交付超200万小时第一人称数据，库存超150万小时带手部追踪和语言标注的数据，月采集产能45万小时。今年夏天两个热门机器人模型均由其数据支撑：Dyna Robotics的Dyna-2用100万小时人类第一人称视频预训练，模型性能从1000小时到100万小时跨越四个数量级持续提升；Genesis AI的GENE-26.5完成20步做饭任务，许多高难度技能仅需不到一小时机器人专属数据即可自主执行。两者的第一人称数据合作伙伴均为Maxinsights。

第一人称数据从操作者视角记录双手与物体的交互及环境变化，比遥操作数据更贴近任务本身，且不与特定机器人本体绑定。但视频不等于训练数据，需拆解出哪只手握瓶、动作起止帧、手腕空间移动等结构信息。Maxinsights的自研算法MaxEgo能在手部被遮挡、动作模糊等难例下稳定追踪手部与姿态；SLAM能力可在拍摄者移动后较好闭合轨迹、对齐起点；自研视频理解与标注模型生成语言标注，并按环境、任务、子任务、动作指令分层组织。三层信息合并，使日常视频具备完整学习价值。内部评测显示，MaxEgo从0.5到1.0，相关难例关键误差指标下降超一半，支撑迭代的是20亿余帧人体姿态数据及人工校正验证体系。

流程上，采集后连接质量检查、格式统一、视频理解、空间处理、姿态追踪和人工校正，交付前再检查与格式转换。两个模型加四阶段自动化QA，将98%质检覆盖交给机器，人只处理机器拿不准的部分，纠正样本又回流为下一版训练数据，形成越做越顺的飞轮。

采集端，Maxinsights在多个国家铺设直管现场团队加社区网络，覆盖2000+采集环境、50000+场景，通过Agent平台调度数据分布、识别无效片段、每两周轮换场景。采集员多为家庭主妇、厨师、工人、农民、维修工程师、陪护等，其手艺被拆解为手部轨迹、动作时序和语义标签，成为机器人学习材料。

Maxinsights核心工程班底来自Waymo、谷歌、Meta、QCraft及斯坦福、伯克利等，多深耕自动驾驶多年，具备管理百万级车端数据的实战经验。2024年起步，从机器人遥操作数据采集切入，一路做到今天。