Dopo un finanziamento seed di 12 milioni di dollari, il piano di punti di Axis Robotics vale la pena partecipare?

Può il volano dei dati dell'AI fisica di Axis Robotics girare grazie al Web3?

Articolo di: Grok

Assistenza: AididiaoJP, Foresight News

Il 27 luglio, Axis Robotics ha annunciato di aver completato un finanziamento seed di 12 milioni di dollari, guidato da Hack VC, con la partecipazione di Nomad Capital, Pi Network Ventures, 10K Ventures e altri. I dati di PitchBook mostrano che il team conta attualmente circa 11 persone e ha già generato entrate. Il progetto è posizionato come un'infrastruttura di dati per l'AI fisica, piuttosto che come un modello o hardware sviluppato internamente.

I problemi centrali nel campo della robotica sono completamente opposti a quelli dei modelli linguistici di grandi dimensioni (LLM). Gli LLM possono assorbire enormi quantità di testo già esistente su Internet, mentre nel mondo fisico non esiste un database pronto per essere estratto. La raccolta in laboratorio è costosa e poco efficiente, e gli scenari sono altamente unici: un braccio robotico che afferra ripetutamente lo stesso oggetto sotto una luce costante produce dati difficili da generalizzare in nuovi ambienti. Axis Robotics cerca di rispondere a una domanda: è possibile produrre continuamente traiettorie di interazione robotica di alta qualità a un costo sufficientemente basso, in ambienti sufficientemente diversificati e con un numero sufficiente di persone?

L'affermazione pubblica del fondatore Chris è relativamente diretta: ciò che manca nel settore è un sistema di produzione di dati misti, efficiente e scalabile. La forma del prodotto di Axis può essere vista come un "motore di dati composito" - riducendo la soglia di raccolta tramite il controllo remoto del browser e utilizzando strumenti Web3 per risolvere l'incentivazione e i diritti dei contributori.

Meccanismo di produzione dei dati: il browser come ingresso

La soglia di partecipazione è stata volutamente abbassata al minimo. Gli utenti non hanno bisogno di alcun hardware robotico e possono controllare a distanza un braccio robotico simulato tramite il web, completando compiti di base come afferrare, ordinare e aprire cassetti. Ogni sessione genera una traiettoria completa, che comprende stato delle articolazioni, posizione degli oggetti, azioni di controllo e metadati del compito.

Fonte dell'immagine

Il backend pulisce e leviga le traiettorie prima di importarle in Isaac Sim per la randomizzazione del dominio - variabili come illuminazione, texture e parametri fisici vengono sistematicamente modificate, e una singola traiettoria può essere espansa in un gran numero di campioni di addestramento, forniti a modelli VLA o strategie di apprendimento per imitazione.

Secondo quanto dichiarato ufficialmente, attualmente ci sono oltre 100.000 contributori attivi in tutto il mondo, con una capacità mensile di oltre 1.200 ore di dati simulati e oltre 20.000 ore di dati reali in prima persona. È importante notare che all'inizio di luglio, il pannello Hub mostrava circa 65.000 utenti registrati e un totale di circa 1,8 milioni di traiettorie, con differenze nei criteri di dati. La diminuzione dell'attività, il tasso di partecipazione ripetuta e la distribuzione della qualità dei dati sono indicatori chiave per valutare la sostenibilità della capacità produttiva.

Il ruolo del Web3: strumenti di distribuzione e attribuzione

Il progetto posiziona il Web3 come uno strumento per risolvere i problemi di attribuzione e distribuzione, piuttosto che come una semplice narrativa di emissione di token. Le piattaforme centralizzate possono anche assumere raccoglitori di dati, ma è difficile fornire a ciascun contributore una prova di diritti verificabile e tracciabile, creando alla fine una relazione di acquisto una tantum, interrompendo il legame tra il contributore e la piattaforma.

La soluzione di Axis è: assegnare un Data ID unico a ogni traiettoria valutata sulla blockchain Base, registrando l'indirizzo del portafoglio del contributore, il tempo di invio, il punteggio di qualità e i metadati del compito. Le traiettorie complete, a causa delle loro dimensioni, vengono memorizzate off-chain, mentre le registrazioni on-chain fungono da punti di ancoraggio - le future distribuzioni di ricavi, autorizzazioni d'uso o pesi di governance possono essere tracciati lungo questi punti di ancoraggio. Il contributo si trasforma quindi da un concetto operativo vago a un fatto verificabile sulla blockchain.

Il processo di valutazione include più livelli: verifica dell'integrità del formato, determinazione del successo basata su regole, giudizio della ragionevolezza del comportamento da parte di modelli di linguaggio visivo, e alcune traiettorie devono anche passare attraverso una revisione tra pari. La qualità complessiva è direttamente collegata al peso delle ricompense - ricompense di base più elevate per compiti di maggiore difficoltà o selezionati, moltiplicate per un fattore di qualità per ottenere l'incentivo finale, piuttosto che semplicemente contare il numero di compiti. I tentativi falliti non vengono caricati e non comportano penalità, mentre i dati spazzatura e le traiettorie quasi duplicate vengono filtrati. Questo design riduce le aspettative di profitto per il "flooding" a livello meccanico.

Fonte dell'immagine

Attualmente, gli incentivi utilizzano un modello misto: punti POINTS, condivisione di potenziale valuta fiat generata da pacchetti di compiti personalizzati per le aziende, e futuri premi in token distribuiti in base alla qualità e alla difficoltà. I punti POINTS sono già operativi, mentre il token ufficiale non è ancora stato emesso; l'ufficiale ha dichiarato che l'economia del token è ancora in fase di sviluppo. Inoltre, Axis opera su una subnet dedicata sulla rete BitRobot, dove i contributori possono ricevere incentivi bilaterali.

Esperimenti comunitari e validazione accademica

Nel gennaio 2026, Axis ha avviato un compito comunitario chiamato "La rosa del piccolo principe", in cui gli utenti controllano a distanza un braccio robotico per eseguire azioni di irrigazione, raccogliendo oltre 10.000 traiettorie valide in 5 giorni. Le strategie addestrate in questo modo sono state implementate su un vero braccio robotico Franka, realizzando l'irrigazione autonoma. A febbraio, la scala è stata ampliata a 27 compiti, con circa 18.000 partecipanti, contribuendo con quasi 100.000 traiettorie valide in 5 giorni. Entrambi gli esperimenti hanno convalidato un percorso: i dati comunitari a livello browser possono chiudere il ciclo fino all'esecuzione fisica, e il punteggio di qualità e le registrazioni on-chain rendono per la prima volta le azioni operative tracciabili.

Dal lato accademico, un documento su arXiv fornisce un riferimento di base: il dataset AXIS include 207 compiti e circa 50.100 traiettorie. Dopo un pre-addestramento continuo sul modello π0.5, il tasso di successo complessivo di LIBERO-Plus è aumentato di 5,8 punti percentuali; su RoboCasa365, con dimensioni corrispondenti, il vantaggio rispetto alla baseline è del 37,3%. La diversità ha portato benefici positivi in termini di layout, rumore dei sensori, disturbi della fotocamera e altre dimensioni. Le prestazioni dei dati non sono eccezionali, ma sono nella giusta direzione per un dataset precoce.

Dal punto di vista commerciale, Axis consegna pacchetti di compiti come forma centrale di consegna, vendendo in base a scenari, abilità atomiche, grado di randomizzazione all'interno dei compiti e volume totale delle traiettorie. I partner già rivelati includono Booster Robotics, Manycore Tech, Dexmal, Lotus, Geely Auto e altri. L'azienda ha dichiarato che le entrate da acquisti aziendali torneranno ai contributori, creando un ciclo chiuso guidato dalla domanda reale per la distribuzione di POINTS e futuri token. Attualmente, le percentuali di condivisione, gli importi dei contratti e i dettagli specifici dei pagamenti non sono stati resi pubblici; questa parte è ancora in fase di impegno e richiede un monitoraggio continuo.

La posizione di Axis è più vicina a un'infrastruttura distribuita: scambiare la scala della comunità per diversità e flessibilità dei costi, utilizzare il giudizio umano per la qualità ambientale e risolvere la trasparenza dell'attribuzione tramite registrazioni on-chain. La questione centrale è se i pacchetti di compiti possano trasformarsi in entrate ricorrenti stabili - se manca un acquisto aziendale continuo, il design degli incentivi sopra menzionato affronterà un rischio di vuoto.

Contesto del team

Il CEO Chris Feng è stato COO di Chainbase e ha un background in consulenza e VC. I membri chiave del team provengono da istituzioni come Berkeley, CMU, Georgia Tech, Nanyang Tech, Shanghai Jiao Tong University, e includono persone con esperienza nella crescita di prodotti di consumo su larga scala. È interessante notare il background incrociato nella coordinazione on-chain e nei dati robotici, ma le informazioni pubbliche rimangono limitate.

Vale la pena aggiungere che uno dei membri chiave del progetto, la principessa Christine (@0xsexybanana), partecipa attivamente ad Axis Robotics come contributore e appare in occasioni ufficiali come CMO, responsabile della crescita della comunità e della comunicazione esterna. Anche gli ecosistemi come Base APAC l'hanno definita Co-Founder.

Ritmo dei token e dinamiche recenti

Fino al momento della scrittura, Axis non ha ancora emesso un token nativo, e non sono stati pubblicati né il totale dell'offerta, né le percentuali di distribuzione, né il calendario di sblocco. La documentazione ufficiale indica che l'economia del token è ancora in fase di sviluppo, specificando chiaramente che verrà data priorità alla verifica del prodotto e del modello di entrate, con il token come amplificatore successivo. Il Data ID on-chain è già in posizione, e recentemente è stata richiesta ai contributori di completare la firma delle traiettorie entro un tempo specificato, che può essere considerata come una prova tracciabile per la futura distribuzione dei token.

Le potenziali direzioni di design del token includono: veicolo di ricompensa ponderata per la qualità, mezzo di scambio per servizi ecologici (sblocco di compiti personalizzati, pipeline di dati, miglioramenti avanzati, ecc.), staking per sbloccare livelli e compiti prioritari più elevati, e pesi di governance. Il TGE è programmato per la fase "Beyond 2026", con un ritmo conservativo, riducendo la pressione speculativa a breve termine, ma le aspettative a lungo termine dei contributori dipendono fortemente dalla velocità di attuazione commerciale successiva.

Inoltre, Axis Robotics ha avviato nel maggio 2026 il Content Creator Program tramite KaitoAI Studio, invitando i creatori a produrre contenuti attorno all'AI fisica e a ricevere ricompense. Con il recente completamento del finanziamento seed e il ripristino del protocollo di dati con X, la comunità ha alcune aspettative su una possibile nuova collaborazione tra le due parti per lanciare un programma per i creatori (potenzialmente coinvolgendo mindshare e incentivi in token), ma i dettagli specifici devono ancora essere confermati ufficialmente.

Fonte dell'immagine

Riflessioni finali

I punti POINTS e il meccanismo ponderato per la qualità sono già in funzione, ma se la velocità di ritorno della valuta fiat è più lenta della crescita della scala dei contributi, il valore percepito dei POINTS potrebbe fluttuare, portando alla perdita di partecipanti di alta qualità. Le registrazioni on-chain risolvono la trasparenza dell'attribuzione, ma i criteri di valutazione e le regole di distribuzione dei ricavi dei dati sono ancora controllati dalla piattaforma - questo è un nodo centralizzato comune nei protocolli di dati Web3.

In generale, Axis utilizza il Web3 come strumento pratico per risolvere i problemi di attribuzione e distribuzione. Il valore a lungo termine dell'infrastruttura dei dati dipende infine dalla verifica della domanda commerciale reale. I punti chiave da osservare in futuro includono: i progressi nei contratti e nei pagamenti dei pacchetti di compiti, il ritmo della transizione dai POINTS ai token, e se i dati ponderati per la qualità possono continuare a migliorare le prestazioni dei modelli downstream. Se il volano può girare, dipenderà infine dagli acquirenti di dati.