印度HumynLabs获4700万美元融资,专注为机器人训练提供真实世界行为数据
印度初创公司Humyn Labs完成4700万美元A轮融资,由Accel领投,旨在通过自研硬件与软件系统采集并标注全球20多个国家的人类日常行为视频数据,服务于美国AI与机器人企业模型训练需求。
印度班加罗尔初创公司Humyn Labs近日宣布完成4700万美元A轮融资,其中2600万美元为股权融资,由Accel领投,Prosus Ventures、BeeGlobal、Bajaj Finance旗下Finserv Intelligence与Bajaj Alts AI Opportunities Fund、Dallas Venture Capital、Lighthouse Canton及Jump Trading跟投;另有2100万美元为债权融资,由Lighthouse Canton Growth Debt Fund II牵头,Trifecta Capital参与。该笔资金将用于加速其真实世界人类行为数据采集与处理能力的规模化建设。
Humyn Labs成立于2026年2月,由前Nazara Technologies首席执行官Manish Agarwal与前百威英博高管Ishank Gupta联合创办。两人此前共同创立了游戏内容平台Kratos Studios(现名KGeN),后者在新兴市场拥有广泛的内容创作者网络——这一资源被直接复用于Humyn Labs的数据采集环节:通过本地贡献者在家庭等真实生活场景中录制视频,规避了传统实验室环境下的数据失真问题。
当前,全球多家机器人与具身智能企业正面临高质量训练数据匮乏的瓶颈。尽管Mecka AI、XDOF、MicroAGI等初创公司已切入该赛道,但数据采集仍受限于地域覆盖广度、任务多样性与标注精细度。Humyn Labs的差异化路径在于“硬件+软件”闭环:公司自主研发了双摄像头记录设备,可同步捕捉人体动作与环境交互细节;其后端软件系统则对视频进行自动化处理与结构化标注,重点追踪手部运动轨迹、物体抓取时序、人-物-环境三者间的动态关系。
据Agarwal介绍,Humyn Labs目前已在拉丁美洲与亚洲20多个国家开展数据采集工作,巴西、印度与韩国是三大核心运营枢纽。这种跨文化、多语种、高生活还原度的数据集,尤其适配于训练需在复杂非结构化环境中执行任务的服务型机器人——例如家庭助老、仓储分拣或餐饮配送场景中的动作泛化能力。
值得注意的是,该公司并未直接开发机器人本体或通用大模型,而是定位为“具身智能基础设施提供商”。其商业模式聚焦于向美国头部AI与机器人公司输出标准化数据产品,包括原始视频流、动作序列标签、3D姿态重建结果及任务语义注释包。这类数据服务正成为具身智能研发链条中日益关键的一环:随着LLM与VLM模型在语言与视觉理解上趋于成熟,如何让智能体“理解物理世界并可靠行动”,已成为下一阶段突破的核心挑战。
从行业演进看,真实世界行为数据的价值正在快速重估。2025年以来,多家机器人公司开始将数据采集团队规模扩大至百人以上,并设立专门的数据质量评估指标(如动作完成度、环境干扰鲁棒性、跨文化一致性)。与此同时,数据合规性亦成焦点——Humyn Labs强调所有采集均获得参与者知情同意,并采用去标识化处理,符合GDPR及印度《数字个人数据保护法》要求。
Humyn Labs的崛起,折射出全球具身智能产业链分工的新趋势:算法与模型研发集中于北美,而数据采集与预处理环节正向劳动力成本低、文化多样性高的新兴市场迁移。类似模式已在计算机视觉领域验证成功——例如印度公司Appen、TELUS International长期为Meta、Google提供图像标注服务;如今,该逻辑正延伸至更具技术门槛的机器人感知与决策训练领域。
不过,挑战依然显著。一方面,高质量行为数据的采集成本远高于静态图像或文本;另一方面,不同国家的生活习惯差异可能导致模型出现偏见。例如,南亚家庭中常见的蹲姿操作、拉绳式门把手使用方式,在欧美训练集中极为罕见,若未充分覆盖,将直接影响机器人在新兴市场的落地适应性。
对此,Humyn Labs计划将本轮部分资金投入自动化标注工具链升级,目标是将单段10分钟视频的标注耗时从当前的数小时压缩至30分钟以内。同时,公司正与印度理工学院(IIT)等高校合作构建跨文化行为基准测试集,以量化模型在不同区域场景下的泛化能力衰减程度。
目前,Humyn Labs已与至少三家美国机器人初创企业达成初步数据供应协议,具体客户名称尚未公开。随着2026年底多个服务机器人原型机进入实地测试阶段,对真实世界行为数据的需求预计将进一步攀升。据麦肯锡预测,到2027年,全球具身智能训练数据市场规模将突破12亿美元,年复合增长率达68%。
在资本层面,本轮融资也反映出投资者对“数据层”价值的认可。过去两年,多数风投聚焦于大模型与机器人本体,而2026年下半年以来,数据采集、仿真生成与合成数据增强等上游环节开始获得密集关注。除Humyn Labs外,同期还有多家类似企业完成融资,包括专注工业场景动作捕捉的德国初创公司KineticFlow(获1800万欧元)、以及巴西的HomeBot Data(获1200万美元)。
Humyn Labs的案例表明,即便在AI浪潮中,最基础的“感知现实”能力仍依赖大量人力与本地化网络支撑。当算法不断逼近人类认知边界时,如何更高效、更公平、更真实地“教会机器理解世界”,已成为一场横跨技术、伦理与地缘的系统工程。
