📢 转载信息
原文链接：https://techcrunch.com/2026/03/31/nomadic-raises-8-4-million-to-wrangle-the-data-pouring-off-avs/
原文作者：Tim Fernholz
想要构建未来的自动驾驶机器，有时你的模型本身也需要一个“模型”。
开发自动驾驶汽车、操作物理环境的机器人或自主工程机械的公司，为了模型评估和训练，通常会收集数千甚至数百万小时的视频数据。
目前，组织和编目这些视频仍需大量人力。即便是通过快进查看，这种方式也无法满足扩展需求。初创公司 NomadicML 由首席执行官 Mustafa Bal 和首席技术官 Varun Krishnan 创立，旨在为那些有 95% 舰队数据积压在档案库中的客户解决难题。
当开发者试图寻找“边缘案例”（edge cases）时，挑战尤为艰巨——这些最有价值的数据往往记录了罕见事件，而这些事件恰恰容易让缺乏经验的物理 AI 模型感到困惑。
Nomadic 正通过一个平台来解决这一问题，该平台利用一系列 视觉语言模型（Vision Language Models），将原始视频素材转化为结构化、可搜索的数据集。这不仅能够优化车队监控，还能为强化学习创建独特的数据集，从而加快模型迭代速度。
该公司周二宣布获得 840 万美元种子轮融资，投后估值为 5000 万美元。此轮融资由 TQ Ventures 领投，Pear VC 和 Jeff Dean 参投。资金将用于引入更多客户并继续完善其平台。此外，Nomadic 还在上个月的 Nvidia GTC 路演大赛中荣获一等奖。
让自动驾驶系统更懂“现实”
Bal 在接受 TechCrunch 采访时表示，两位创始人在哈佛大学计算机专业读本科时相识，后来在 Lyft 和 Snowflake 等公司工作期间，“不断遇到相同的技术难题”。
“我们正在为客户提供对其自身拍摄素材的洞察力，无论这些数据来自自动驾驶汽车还是机器人，”他说，“正是这些精准数据，而不是杂乱无章的海量数据，才能推动这些自主系统构建者不断前行。”
例如，想象一下要微调自动驾驶汽车，使其理解“当警察指挥时，可以闯红灯”这一复杂规则，或者需要识别车辆驶过特定类型桥梁的所有场景。Nomadic 的平台能够识别这些事件，既可用于合规性检查，也能直接输入训练流水线。
目前，Zoox、Mitsubishi Electric、Natix Network 和 Zendar 等客户已经在使用该平台开发智能机器。Zendar 工程副总裁 Antonio Puglielli 指出，Nomadic 的工具使公司的工作扩展速度远超外包方案，其领域专业性是其区别于竞争对手的关键所在。
从标注到“代理推理系统”
这种基于模型的自动标注工具正在成为物理 AI 的核心工作流。虽然像 Scale、Kognic 和 Encord 等老牌数据标注公司也在开发相关 AI 工具，Nvidia 甚至发布了名为 Alpamayo 的开源模型族，但 Nomadic 认为自己的产品不止是一个“标注器”。
Varun 将其描述为一种“代理推理系统（agentic reasoning system）：你只需描述你需要什么，它就能利用多个模型理解动作发生的上下文，并找到相应片段。”
投资者对 Nomadic 的前景充满信心。领投此轮融资的 TQ Ventures 合伙人 Schuster Tanger 表示：“这就像 Salesforce 不会自建云服务，Netflix 也不会自建内容分发设施一样。一旦自动驾驶公司试图内部开发 Nomadic 这样的系统，他们就会偏离自身核心目标——即造好机器人本身。”
目前，Nomadic 团队正致力于开发特定工具，例如能够理解摄像头视频中变道物理过程的算法，或是能更精确地推导视频中机器人夹爪位置的工具。未来的挑战在于将这些能力扩展到非视觉数据（如激光雷达传感器读数），或实现跨多模态的传感器数据整合。
“处理数 TB 的视频，将其投入到数以百计超千亿参数的模型中，并提取准确的洞察，这确实难度极大，”Bal 说道。
🚀 想要体验更好更全面的AI调用？
欢迎使用青云聚合API，约为官网价格的十分之一，支持300+全球最新模型，以及全球各种生图生视频模型，无需翻墙高速稳定，文档丰富，小白也可以简单操作。
评论区