XDOF, datos para robots, negocia Serie B a US$1.200M

¿Qué hace XDOF y por qué importa una Serie B de US$1.200M?

XDOF, una startup fundada en octubre de 2024 por Philipp Wu, Fred Shentu y Nemo Jin, se ha sentado en menos de un año en una de las mesas más codiciadas del ecosistema tech: la cadena de suministro de datos que entrenará a la próxima generación de robots. La compañía está negociando una Serie B que la valoraría en aproximadamente US$1.200 millones, según reportó DiarioBitcoin citando a TechCrunch, apenas unas semanas después de haber salido del modo stealth.

Los números que sustentan la conversación son contundentes para una empresa tan joven: ingresos anualizados cercanos a US$50 millones y una cartera de 20 clientes, entre los que figuran laboratorios de IA de frontera. El salto es notable si se compara con su Serie A de US$70 millones cerrada en junio, ronda en la que participaron Thrive Capital, Andreessen Horowitz, Lux Capital, Spark Capital y WndrCo. En el ecosistema de Business Insider que mapea a las 25 startups de robótica más prometedoras de 2026, XDOF aparece con un financiamiento total de US$78,33 millones según PitchBook.

La valoración, eso sí, todavía no es definitiva: ni la empresa ni los inversores han confirmado públicamente los términos, y el monto total que se busca recaudar no se ha divulgado.

🤖 La IA no es solo para leer sobre ella

En la comunidad la aplicamos: automatización, agentes IA y herramientas reales para emprender, no solo para informarte.

👥 Aplicarla en la comunidad

¿Por qué XDOF se volvió indispensable tan rápido?

Los modelos de lenguaje pudieron entrenarse con el texto disponible en internet. Los robots, no. Para aprender a doblar ropa, manipular objetos o moverse en entornos cambiantes necesitan experiencias capturadas en el mundo físico, un tipo de dato que no existe en una biblioteca digital equivalente a la web. Esa escasez es el negocio central de XDOF.

La startup opera como una cadena de suministro externalizada de datos para laboratorios de IA y empresas de robótica. Su metodología combina dos vías:

Teleoperación remota: operadores humanos controlan brazos robóticos a distancia, registrando movimientos y decisiones que se convierten en material de entrenamiento.
Operadores egocéntricos: personas que llevan sensores corporales mientras ejecutan tareas cotidianas — doblar ropa, aplanar cajas — desde la perspectiva de quien las realiza.

Esa segunda vía es la que diferencia a XDOF en la conversación actual. Amanda Huang, de Bain Capital Ventures, lo resume así en el ranking de Business Insider: la calidad de los datos depende directamente del hardware usado para capturarlos, desde cámaras hasta el diseño del rig y los algoritmos de tracking. Garbage in, garbage out.

El resultado: XDOF ya trabaja en publicar la que considera la mayor colección de datos de entrenamiento robótico del sector, llamada ABC, con 130.000 trayectorias de manipulación robótica, 300 horas de simulación y 100 horas de evaluaciones.

¿Quiénes compiten con XDOF en la fiebre del dato físico?

La tesis de "los datos son el nuevo petróleo" ya no se aplica solo al lenguaje. Las startups que capturan interacción humana en el mundo real están levantando rondas a velocidad inusual. Algunas de las más visibles en 2026:

Mecka AI (Nueva York, US$68M recaudados según Business Insider): pone sensores en personas para capturar datos visuales, de movimiento y fuerza. Su CEO, Josh Gao, reportó que la compañía superó recientemente los US$100 millones en ingresos anualizados, una cifra que duplica la de XDOF y que muestra lo rápido que puede escalar este modelo. Trabaja con guantes con sensores integrados como hardware propietario.
Generalist (US$540M recaudados): ex-Google DeepMind y Boston Dynamics. Distribuyó miles de pinzas robóticas de bajo costo en todo el mundo y acumuló más de 500.000 horas de datos de entrenamiento. Su modelo GEN-1 ya logra tareas comercialmente viables como doblar ropa y empaquetar iPhones.
Avatar Robotics (US$6,5M): modelo idéntico al de XDOF pero aplicado a logística. Operadores en México y Filipinas controlan robots en warehouses y los datos generados se usan para entrenar autonomía. Su CEO, Colin Webb, plantea llegar a "millones de robots en fábricas, granjas y minas".
Synphony (US$8M, ex YC): guantes con sensores colocados en recolectores de fresa en granjas de uno de los mayores productores de EE.UU. para entrenar robots cosechadores.
mimic Robotics (Zurich, US$20M): spin-off de ETH Zurich, trabaja con Audi en fábricas usando el mismo enfoque de guantes con sensores.
Skild AI (US$2.200M recaudados según PitchBook): construye el modelo fundacional que controla brazos robóticos, humanoides y robots móviles. Ya genera US$30M en ingresos y se asocia con Nvidia y Foxconn.

El contexto macro ayuda a entender el apalancamiento: según datos de PitchBook recogidos por Business Insider, las startups de physical AI levantaron un récord de US$16.300 millones en 492 acuerdos solo en el primer trimestre de 2026. La tesis ya no es marginal.

¿Qué implica ser el "Scale AI de la robótica"?

La fuente original traza un paralelo directo: XDOF ocupa en la robótica física una posición comparable a la que Scale AI tiene en el etiquetado de datos para IA generativa. No es el mismo negocio, pero la analogía sirve para dimensionar la oportunidad. Scale AI, fundada en 2016 y con sede en San Francisco, fue valorada implícitamente en US$29.200 millones cuando Meta pagó US$14.300 millones por una participación del 49% — referencia recogida por The Motley Fool. Su CEO, Alexandr Wang, se incorporó a Meta para liderar Superintelligence Labs.

Si XDOF captura una fracción de esa oportunidad en el segmento físico, la valoración de US$1.200 millones en Serie B puede terminar pareciendo barata. Si no logra sostener el crecimiento de ingresos mientras escala una operación que requiere hardware, supervisión humana y coordinación internacional, la ronda se convierte en techo en lugar de piso.

¿Qué significa esto para tu startup?

Tres lecturas concretas para founders que miran este movimiento:

Si construyes en robótica, el dato es tu moat más caro. Los modelos cada vez son más accesibles; el hardware robótico baja de precio. Lo que sigue siendo escaso y caro de producir son trayectorias reales bien etiquetadas. XDOF lo está monetizando a casi US$50M anualizados en menos de un año. Pregúntate: ¿qué activo de datos puedes capturar temprano que sea estructuralmente difícil de replicar?
El modelo "humanos + sensores" es una categoría, no una curiosidad. Mecka AI, Avatar Robotics, Synphony, mimic y XDOF están validando un patrón: armar redes distribuidas de operadores en regiones con costo laboral menor (México, Filipinas, LATAM) para producir datos que después se venden a laboratorios en EE.UU. Para founders hispanohablantes esto es una oportunidad directa: la geografía importa menos que la capacidad de operar equipos humanos con calidad consistente.
La calidad del hardware define la calidad del dataset. La advertencia de Bain Capital es clara: cámaras, sensores y rigs baratos producen datos inútiles aunque el modelo sea sofisticado. Si tu tesis pasa por capturar datos físicos, presupuesta hardware serio desde el día uno — no lo veas como overhead, es el producto.