Physical AI数据瓶颈：OpenAI也曾受困于数据短缺
尽管OpenAI在通用大语言模型领域势如破竹，但在Physical AI（物理人工智能）的发展道路上，其早期团队曾因训练数据匮乏而面临解散风险。这一困境折射出行业共性难题：机器人自主采集数据成本高、效率低且场景覆盖有限。
然而，随着GPT-6等模型的迭代，业界惊讶地发现，通用大模型已能精准控制机械臂完成复杂具身任务。究其根本，关键在于第一人称视角（Egocentric）数据集的大规模应用。深入调研显示，OpenAI虽未公开供应商，但行业线索指向了一家名为Maxinsights的初创公司。
Maxinsights成立仅两三年，却已跻身Google DeepMind、Figure AI、1X等全球头部Physical AI厂商的核心供应链。其年化经常性收入（ARR）连续多月逼近或突破1亿美元大关，成功将分散在全球的真实人类操作经验转化为规模化商业价值。
200万小时交付：构建Physical AI核心数据壁垒
Egocentric数据通过头戴式相机记录人手与物体的交互过程，具备低成本、高多样性及不依赖昂贵硬件的优势，能有效支撑百万小时级别的大规模数据集训练。Maxinsights凭借此技术路径，迅速建立起竞争壁垒。
百万级数据规模与全球覆盖
Maxinsights已向客户交付超过200万小时数据，并拥有150万小时以上带有手部追踪和语言标注的高质数据。其月采集产能达45万小时，全球采集网络覆盖2000多个真实环境及50000多个场景，构建了庞大的机器人训练数据矿山。
该公司业务遍及全球六大洲，并于今年3月正式进入中国市场。其数据价值已在前沿模型训练中得到验证：
- Dyna-2模型：Dyna Robotics利用Maxinsights提供的100万小时第一人称视频进行预训练，发现随着数据量从1000小时增至100万小时，模型对人类动作的预测均方误差降低约12%，且在未见过的机器人数据上表现持续改善。
- GENE-26.5模型：Genesis AI发布的机器人基础模型，能自主完成切番茄、打蛋等约20步连续烹饪操作。其关键得益于从大量人类第一人称视频及传感器数据中学习物理交互经验，而Maxinsights正是其独家第一人称数据合作伙伴。
商业化突破：ARR近亿美元背后的数据飞轮
Physical AI数据服务长期具有“项目制”属性，难以形成持续收入。Maxinsights通过规模化交付能力，成功转型为具备稳定现金流的基础设施服务商。
订单签约额持续增长
2026年第三季度，Maxinsights预计订单签约额（Bookings）环比增长48%。这一指标反映了客户对其数据质量、场景覆盖及交付稳定性的认可。头部Foundation Model团队模型迭代需数十万至百万小时数据支撑，高频采购表明Maxinsights已进入规模化扩张阶段。
ARR突破1亿美元门槛
Maxinsights连续多月ARR接近1亿美元。$100M ARR被视为SaaS及数据服务企业成熟的分水岭，标志着其跨越了早期验证期。这背后是显著的规模效应：客户越多，积累的场景数据越丰富，模型训练效果越好，进而吸引更多客户追加订单，形成商业正循环。
△ AI生成
定义下一代数据：从供应商到基础设施共建者
Maxinsights不仅提供数据，更深度参与Physical AI数据基础设施的定义。其与全球近50家客户合作，包括5家顶尖企业，采用“头部打磨、标准推广”的模式：先与头部客户共同探索数据需求，沉淀高标准数据集，再向其他客户推广。
核心技术方向布局
Maxinsights在多个数据维度上建立了技术优势：
- Full Body（全身运动）：从第一人称视频中重建人体全身三维姿态，支持机器人学习复杂的全身协同动作。
- Upper Body（上半身）：探索“动作—空间—语义”联合数据表达，为VLA模型提供精细的操作指令对应数据。
- 高精度空间感知：自研MaxSLAM大模型，能以毫米级精度还原操作视角变化。内部评测显示，其在四类真实任务中的位置轨迹误差仅为4.24毫米，姿态误差低至0.57°。
在Physical AI赛道中，Maxinsights凭借规模化数据交付、高质量标准定义及与头部模型团队的深度绑定，已占据难以复制的生态位。其发展路径表明，在物理智能走向现实生活的进程中，数据基础设施的建设者正提前锁定行业核心价值。