Rerun 押注實體 AI 需要專屬的資料堆疊；獲 Point Nine 領投 1,700 萬美元種子輪

為「實體 AI」打造的開源多模態資料平台：記錄、查詢、視覺化並串流機器人資料（影片、點雲、張量、關節狀態）以供訓練，並在其上提供商業資料庫與雲端樞紐。

押注 AI 進軍機器人領域需要專屬的資料堆疊——多模態、隨時間變化的感測器資料，且內建視覺化——而開源能讓 Rerun 成為預設選擇。

2025 年 3 月宣布的 1,700 萬美元種子輪，由 Point Nine 領投，Costanoa Ventures、Sunflower Capital、Seedcamp 及天使投資人參與，包括 Guillermo Rauch、Eric Jang、Oliver Cameron、Wes McKinney 與 Nicolas Dessaigne；總募資金額 2,020 萬美元。

2022 年由 Nikolaus West、Emil Ernerfeldt 與 Moritz Schiebold 在斯德哥爾摩創立，三人曾任職於 Apple、AWS、Meta、Unity、Zenly 與 Zipline。他們的論點是：視覺與機器人領域即將被 AI 徹底改變，但既有的資料堆疊——如 RViz 等老舊機器人視覺化工具，或通用資料湖——無法處理多模態、隨時間變化的感測器資料。

團隊花了兩年打造開源的記錄與視覺化框架，該框架成為多模態資料最受歡迎的開源工具；Meta、Google、Hugging Face 的 LeRobot 與 Unitree 都在自家的開源工作中採用。2025 年 3 月，Rerun 募得 1,700 萬美元種子輪，以圍繞同一資料模型打造資料庫與雲端資料平台，並與設計夥伴共同開發商業產品，同時計畫將團隊規模擴大一倍。

仍在擴張：截至 2026 年 9 月，該開源專案在 GitHub 上有 1.14 萬顆星，檢視器維持免費，Rerun 正在打造 Rerun Hub——一個可擴展的機器人資料目錄與雲端平台——同時深入機器人、無人機與空間運算領域。

機器人團隊別無良策：老舊的機器人視覺化工具忽略機器學習工作流程，通用資料湖又無法呈現空間性、隨時間變化的資料——因此這個缺口真實且令人痛苦。

開源讓檢視器在任何銷售對話之前，就成為 Meta、Google、Hugging Face 與 Unitree 內部的預設工具，把採用者變成通路。

Ernerfeldt 的 egui 為 Rerun 提供了自研的渲染堆疊，讓團隊能從頭到尾掌控效能，而非借用緩慢的現成 GUI。

資料飛輪論述——更多機器人、更多資料、更聰明的模型——讓投資人有理由相信，即使商業產品尚未推出，這個類別也會成長。

斯德哥爾摩匯聚了出身 Meta／Zenly／Unity 的工程師，讓小團隊能從歐洲打造世界級的開發者工具。

先切入、後變現：把每個機器人團隊都需要的檢視器開源，建立了 Rerun 的社群與需求驗證，因此付費資料庫是在開源讓它成為預設之後才推出。

截至 2026 年 9 月，Rerun 的開源專案在 GitHub 上約有 1.14 萬顆星，檢視器免費，而商業多模態資料庫與 Rerun Hub 仍在與設計夥伴共同開發中（依據 GitHub 儲存庫與 2025 年 3 月的種子輪公告）。該公司正加碼投入機器人、無人機與空間運算，其開源成果已嵌入 Meta、Google、Hugging Face 與 Unitree 的專案中。未解的問題是：資料庫業務能否將社群期待免費取得的東西變現。