OpenAI并没有披露其具身模型训练所用第一人称操作数据的来源，但随着Physical AI赛道升温，一家名叫Maxinsights的硅谷初创公司浮出水面。这家公司成立仅两三年，客户名单上却已出现Google DeepMind、Figure、1X等头部玩家，年化经常性收入（ARR）连续多月达到或接近1亿美元。OpenAI正是从这类供应商处大举采购了Egocentric数据，从而缓解了早年机器人团队因数据不足而解散所暴露出的现实难题。
为什么OpenAI重新切入机器人：Egocentric数据填上训练缺口
回顾2020至2021年，OpenAI的机器人团队曾经历过一轮解散风波，当时被反复提及的困难之一就是训练数据不敷使用。后来GPT-6的出炉让外界看到大模型演化的速度，而通用语言模型能够操控机械臂完成抓放任务，更引发一度讨论——这背后需要大量真实操作记录支撑。
规模化Egocentric（第一人称视角）数据的逻辑很直接：依赖机器人自行反复采集操作样本，成本高、速度慢，覆盖场景也极为有限。相比之下，让人佩戴头戴式相机记录手部动作以及人与物体的交互，采集成本更低、场景更丰富，并且不必依赖昂贵的机器人本体，从而可以支撑起数十万乃至百万小时级的数据合集。
但能做这类数据的公司不少，能进入顶级模型团队供应链的初创却屈指可数。Maxinsights的核心数据规模被认为超出通用初创公司水准：已向客户交付超过200万小时数据，另外还拥有150万小时以上附带手部追踪与语言标注的数据；月度采集产能达到45万小时；采集网络覆盖2000多个真实环境与50000多个场景。这些散落在全球的人类操作经验，被逐步汇成可用于机器人训练的数据资产。
交付规模与客户：从Dyna-2到GENE-26.5
交付量之外，客户的采用程度更关键。Maxinsights业务已拓展至包括北美在内的全球六大洲，并于今年3月进入中国市场；客户包括Google DeepMind、Figure AI、Dyna Robotics、Genesis AI等机器人领域知名团队。
这些数据已经开始在前沿模型训练中表现出规模化预训练的价值。Dyna Robotics在今年8月发布的Dyna-2，用100万小时人类第一人称视频做预训练来学习真实世界的物理交互规律，并从中找到了Scaling Law式的关系：当预训练数据从1000小时增至100万小时，Dyna-2预测人类动作的均方误差下降约12%；面对训练阶段未曾见过的机器人数据，预测表现也随人类视频规模扩大而持续改善。而这100万小时预训练数据的最大供应商，正是Maxinsights。
再往前到今年5月，明星机器人公司Genesis AI发布基础模型GENE-26.5时演示了复杂厨艺：机器人走进厨房，自主连续完成约20步烹饪操作——切番茄、单手打蛋、双手配合等环节无需人工介入；其中不少高难度技能仅需不足1小时的特定任务机器人数据即可自主执行。这一能力的基础，是模型事先从大量第一人称视频和手套传感器数据中掌握了动作与物理交互经验，而GENE-26.5的独家第一人称数据合作伙伴同样是Maxinsights。
商业成绩单：Bookings环比增长48%，ARR站上亿美元分水岭
最新经营数据显示，2026年第三季度Maxinsights的订单签约额（Bookings）预计将实现48%的环比增长。Bookings反映的是客户为数据服务签下合同的实际金额，但机器人数据并不是采得越多就越好卖——签约增长实际接受着一场复合检验：数据是否真正进入模型训练流程、究竟能否稳定改善模型表现、供应商能否持续匹配下一阶段模型对数据量的更高要求。头部基础模型团队单轮迭代常常需要数十万乃至百万小时级的数据量，对数据质量、场景覆盖面与交付稳定性都要求严格，因此Bookings上行也可视为客户用订单对这一供应链的批量交付能力投出的实际一票。
另有已确认的数字是，Maxinsights已经连续多月保持在研的ARR达到或接近1亿美元水平。ARR倒不是衡量单月所得，它对应以现有合同结构一年内能积攒的可重复收入；能够持续、稳定地熨平到接近这一数量级，说明其对应的现金回流动线并不短、可以期盼。至于「1亿美元」这个刻度，正好勾勒出了行业熟知的一条阶段分界线，显示公司已经迈过早期的技术试错与客户验证，转向规模化扩张阶段。
$100M ARR的含金量，还来自底层的数据增长循环。Physical AI数据生意具备较强的规模效应：客户越多，积累的真实场景与交互相应越丰富；数据越丰富，越可能提升模型效果；效果被验证之后，又能吸引客户继续采购甚至追加订单，形成正向循环。
从行业实际处境看，具身智能领域的数据采购长期偏向「项目制」：客户下单购买合成数据、标注数据或场景仿真之后，多半会在一轮训练结束后便抽身结算、各走各路。这种模式下，数据公司常在脉冲式订单起伏中陷入做不大的处境。要把收入做成可以按月复现的结构，实际接受着多重考验——客户基础是不是够多元、付费愿望足不足、旧存量之外模块迭代能否反复生发新数据需求、自身是否具备持续现金造血机制。
不止于供数据：和基础模型团队一起定义下一代数据标准
行业里还有一个容易被当前采购热潮掩盖的问题：客户今天愿意采购的数据，未必等同于下一代机器人模型最需要的关键要件。模型能力升级太快，训练过程中甚至顶尖团队也无法预先判定应当采集和留存什么，很多时候是靠「边围原料边编长脚本」的探索推的。
Maxinsights则不限于单纯的「卖数据」，还参与了数据检索平台的建构，与顶级基础模型团队共同研究数据规格。如今它在全球拥有接近50家合作客户，其中包含5位最顶层的企业客户。与行业内常见的按需场景化定制的方式不同，Maxinsights采用的步骤是先与精锐客户逐一充分磨合——用最高的数据需求作为打样基准、反重打磨出高质量、相对标准化的数据集合，再把已经相对成熟的数据产品推广至其余40余家客户。
例如在与Google DeepMind早期合作中，双方共同打磨裸手第一人称数据采集流程，最初从约200小时规模开始起订，随进度逐步延伸交付量。合作并未在数据交付处收束：模型团队提出需求后，双方共同探论数据承接方案，由Maxinsights组织实施信息采集与提纯，再回路按照模型训练反馈反复修补。于是，原先逐单采购数据的行为，渐渐偏向于共同探讨需求、持续迭代共有数据提案的长线搭档关系。
而这种互动还向Text、Upper Body、Full Body以及UMI等新方向铺展。依靠这套方法与体量，Maxinsights已经开始收敛成型自有标准的整套数据管线：在Full Body方向中，公司正尝试从第一人称视频中重新揉捏人体全身运动轨迹，系统要同时在追踪双手的动作、物体交互之外，做到还原身体三维姿态；在Upper Body方向里，公司探索的角度是「动作—空间—语义」一体同生的联合表述形式，制作拿铁、递送咖啡这些任务都可以界定成某一个具体动作和某一个对应任务指令；这一多义交叉的量度，用以为VLA训练备好更细致的操作学材。在高精度空间感知上游地位，Maxinsights自研的MaxSLAM具有毫米级描述人类操作视角变化的能力，覆盖整理家庭卫生、装配修理等事项的空间运动记录，为后续训练的物理参照提供精确指标。
小结：Maxinsights用超过200万小时、月采45万小时的第一人称数据织出了一张覆盖2000多个真实环境、50000多个场景的供应链，通过