Asimov 的人類資料賭注：群眾外包影片訓練人形機器人；YC W26 亮點

一家資料基礎設施公司，付費給全球貢獻者網絡錄製日常人類任務，並將所得的資料集出售，用於訓練人形機器人。

人形機器人的瓶頸在資料，而非硬體：付錢請世界各地的人錄製日常任務，將其打包成訓練資料集，並率先掌握整條供應鏈。

Anshul Verma（曾任職 Scale AI、Amazon，並從事 Berkeley 機器學習研究）與 Lyem Ningthou（曾負責美國空軍資料管線，為 Blume 創始工程師，Blume 屬 YC W24）——兩人大學時是室友，先前曾共同創辦一家營收達到六位數的新創公司——在 YC 2026 冬季梯次創立了 Asimov。他們的賭注是：語言模型以數兆字詞訓練，圖像模型以數十億張照片訓練，但機器人卻得從零開始——瓶頸在於多樣化的真實世界人類動作資料，而目前沒有人掌握這條供應鏈。

Asimov 於 2026 年 3 月中旬、W26 Demo Day 前夕公開亮相，TechCrunch 將其選為約 190 家公司梯次中 16 家最有趣的新創之一。根據 AC Studio，截至 2026 年 3 月下旬，全球已有超過 5,000 名貢獻者提交日常任務影片，該公司每天向主要機器人實驗室提供數千小時的人類動作資料。其 2026 年 8 月的 YC 發布貼文表示，全球最大的機器人實驗室已是其客戶，且餐廳與倉庫合作夥伴可讓員工在工作時穿戴收集套件，藉此支付員工薪資。

仍在營運：貢獻者網絡持續運作，資料集持續售予主要機器人實驗室；處於早期階段，三人團隊。

此論點屬於逆向思維：當資本追逐機器人硬體與模型時，瓶頸其實在上游——沒有人掌握機器人學習所需的多樣化真實世界動作資料。

群眾外包模式具有複合效應：貢獻者越多，涵蓋的環境與任務就越多，使資料集本身更難被工廠式採集的競爭對手複製。

創辦人是此切入點的可靠操盤者：Scale AI 讓 Verma 學會大規模資料基礎設施，Ningthou 則建構過美國空軍資料管線，並將先前的新創公司做到六位數營收。

供給面的訊號已勝過需求面：上線數週內即有超過 5,000 名貢獻者、每天流入數千小時資料，且根據 YC 發布貼文，主要實驗室已成為客戶。

當一個類別的硬體與模型吸引目光時，不起眼的投入——訓練資料——才是真正的瓶頸；群眾外包能將這種稀缺性轉化為具防禦性的供應鏈。

截至 2026 年 9 月，Asimov 經營全球貢獻者網絡，並向機器人公司出售人類動作資料集，三人團隊位於舊金山。其發布貼文表示，全球最大的機器人實驗室已是客戶，且該公司能立即大規模交付；目前正招募貢獻者，以及餐廳、倉庫等業務合作夥伴來穿戴收集套件。長期賭注在於：機器人訓練資料將成為一種商品化投入，並具備具防禦性、網絡效應的供應鏈，就像 Common Crawl 對文字所做的那樣——目前仍屬早期且未經證實。