XDOF

1.1 企业定位、公司架构与核心使命

XDOF, Inc. 于 2024 年 10 月成立，源自加利福尼亚州 Berkeley 的学术研究，主要管理办公室位于加利福尼亚州 San Mateo [CO001, CO013]。具身智能发展的核心瓶颈是数据：数字基础模型可利用海量互联网文本和图像，通用实体机器人却缺少真实交互数据 [CO005]。XDOF 自研低成本遥操作工具和人工标注系统，搭建端到端数据流水线，替机器人制造商和前沿 AI 实验室采集物理数据 [CO005, CO006]。公司结合机器人遥操作与第一人称视角穿戴传感器，采集高保真的物理操作示范，帮助前沿实验室训练多任务机器人基础模型，也让它们不必承担自建数据采集设施的高额资本开支 [CO005, CO006]。

1.2 创始人背景、技术领导力与公司治理

XDOF 于 2024 年 10 月成立，由 UC Berkeley 机器人研究者 Philipp Wu、Fred Shentu 联合创办，Nemo Jin 是技术联合创始人 [CO001]。Philipp Wu 曾在 UC Berkeley 攻读博士，研究机器人如何从大规模示范数据中学习；他认为，缺少开源、多任务的物理操作数据，是具身智能发展的关键障碍 [CO001, CO006]。Wu 与首席技术官 Fred Shentu 共同开发了开源、低成本遥操作接口 GELLO，降低了采集灵巧操作轨迹的成本门槛 [CO006]。XDOF 将这项学术成果商业化并继续拓展 [CO006]。但公司尚未披露正式治理架构；XDOF 和 Series A 投资方都没有公开董事席位分配、独立董事安排或创始人投票权条款，潜在投资者仍需补做重要的治理尽调 [CO014]。

1.3 股权融资历程、估值演进与资方财团

XDOF 一直低调研发，直到 2026 年 6 月 17 日才宣布完成 $70 million Series A；这是目前公开记录中公司唯一一轮机构股权融资 [CO002]。本轮投资方包括 Thrive Capital、Andreessen Horowitz (a16z)、Lux Capital、Spark Capital 和 WndrCo [CO003]。独立风投分析指出，5 家一线机构共同参与首轮融资也带来后续融资风险：没有哪一家持有主导性股权，也没有单一投资方承担确保后续资金到位的受托责任 [CO011]。公开亮相后不到 3 个月，风投机构的兴趣便推动 XDOF 进入 Series B 后期谈判；拟议估值约 $1.2 billion，由 8VC 领投 [CO004]。但截至 2026 年 9 月，交易尚未完成，条款仍在谈判；在商业指标得到验证前，估值仍可能大幅波动 [CO004, CO014]。

1.4 运营里程碑、数据集分发与业务规模

2026 年 6 月公开亮相后，XDOF 与 UC Berkeley AI Research 实验室联合发布开源操作数据集 ABC-130K，收录 195 项双臂操作任务、超过 130,000 条轨迹，提升了公司在具身智能社区的技术公信力 [CO007]。公司称，发布初期约有 20 家活跃付费客户，其中包括数家未具名的前沿 AI 实验室 [CO008]。据报道，截至 2026 年 9 月，公司年化收入运行率接近 $50 million，核心团队约 60 人 [CO009, CO010]。为承接增长的客户需求，XDOF 已在北美、拉美和东南亚招聘，扩充远程遥操作员及现场数据采集员队伍 [CO010]。

1.5 尽调评估、治理风险与未决缺口

XDOF 位于基础模型与实体机器人发展的交汇点，战略位置有利，但仍有几项重要尽调问题待解 [CO009, CO012]。最突出的是，据报道接近 $50 million 的年化收入只是第三方媒体估算，尚无经审计的 GAAP 财务数据、客户留存率或毛利率披露 [CO009]。公司需要在全球管理分散的遥操作员和硬件传感器，运营成本负担沉重；若定价能力减弱，单位经济效益可能恶化 [CO011, CO012]。此外，董事会治理、投票权安排和领投方后续出资承诺都不透明；评估后期股权估值倍数前，投资者必须完成法律核查 [CO011, CO014]。

1.6 重点图表

2.1 具身智能基础设施与市场边界界定

物理交互基础模型兴起，正在改变商用机器人软件市场。前沿 AI 实验室擅长训练网络规模的数字语言模型，但实体机器人需要密集、多模态的交互数据，公开互联网无法提供这类数据。这也划定了具身智能数据基础设施的市场范围：外包遥操作系统、第一人称人体传感器数据流，以及标准化操作轨迹标注。通用文本抓取、传统机器人硬件制造和确定性工业可编程逻辑控制器（PLC）工程不在其中。XDOF 等专业供应商为实体机器人搭建端到端数据供应链，让基础 AI 实验室和人形机器人开发商不必投入大量资金、精力自建物理数据采集体系。[CM001, CM002, CM005, CM006, CM015]

2.2 不同口径下的可触达市场规模

估算物理机器人训练基础设施的市场，不能把宏观预测和企业眼下的实际预算混为一谈。自上而下的预测认为，未来 10 年，随着人形和服务机器人进入商业物流与消费场景，更广义的具身 AI 训练和自动化市场可能扩大至 $12.5B 至 $18.0B。近期尽调则应聚焦规模较小的可服务市场（SAM）：$1.8B 至 $2.5B，代表前沿 AI 实验室和资金充足的机器人基础模型团队当前的数据采购预算。近期可获取市场（SOM）的年化合同需求约为 $150M 至 $250M。据报道，XDOF 公开亮相后 3 个月内，年化收入运行率就接近 $50 million，显示其迅速拿下客户预算；但投资者仍需衡量巨额首轮融资带来的高估值门槛。[CM003, CM004, CM008, CM011, CM014, CM016]

2.3 客户类型、采购决策与预算来源

专业物理数据采集的主要买家有两类：前沿 AI 基础模型实验室，以及自主研发人形机器人的企业；工业自动化和物流履约运营商则是新兴的次级客群。实验室通常由具身智能负责人（Head of Physical AI）或研究副总裁（VP of Research）推动采购，使用集中管理的基础模型研发与训练预算。商用人形机器人开发商的预算通常由工程副总裁（VP of Engineering）或自主系统副总裁（VP of Autonomy）掌握；他们希望加快灵巧操作能力的开发，又不耽误机械硬件进度。合同通常包括多任务轨迹交付许可和持续的平台支持，结合按量交付数据与企业软件订阅。合作能否深入，还取决于服务等级协议（SLA）能否保证交付、传感器标定是否严格，以及任务规格能否适配客户各自的机器人构型。[CM002, CM003, CM009, CM010, CM013]

2.4 采用驱动力、结构性瓶颈与尽调风险

高质量物理操作数据极度稀缺，是通用人形机器人落地面临的最大技术障碍，也推动了市场需求。但行业顺风并不能消除落地约束和尽调风险。Altis 的独立研究指出，一些企业买家认为第三方遥操作数据不如内部采集的数据，也认为不同采集服务商之间切换成本不高。扩大物理数据采集还要管理庞大的分布式操作员队伍；在拉美和东南亚设点会增加运营复杂度、硬件维护开支和跨国用工管理难度。Mecka AI、Encord 等资金充足的对手正在进入，Scale AI 等数字标注龙头也在跨界扩张。若 XDOF 建不成专有的数据质量和合成能力壁垒，标准化示范采集就可能陷入低价竞争。[CM001, CM007, CM011, CM012, CM015]

2.5 重点图表

3.1 竞争格局总览与同业分层

XDOF 面对三类竞争者：具身智能数据服务商、数字人工数据标注龙头，以及前沿 AI 实验室的内部采集团队。Mecka AI、Encord 等初创公司专攻机器人数据流水线和多模态标注。Scale AI（2024 年以 $13.8 billion 估值融资 $1 billion）、Micro1 等数字数据标注公司资金雄厚，也在从大语言模型数据拓展至实体机器人场景。风投支持的人才平台 Mercor 据报道在 2025 年底估值达到 $10 billion，反映投资者对人工数据众包的兴趣。对 XDOF 威胁最大的替代方案仍是基础模型开发者自己采集数据：这些团队通常先部署自有遥操作设备，再评估外部数据供应商。[CP001, CP002, CP003, CP004, CP005]

3.2 技术能力矩阵与数据采集差异化

具身智能模型需要结构化的真实交互数据，公开网络上无法抓取。XDOF 的差异化来自 UC Berkeley GELLO 项目：公司把低成本遥操作机械臂与人体第一人称穿戴传感器结合起来，采集日常居家操作数据。这套技术也支撑了 XDOF 与 UC Berkeley AI 研究实验室联合发布 ABC-130K，收录 195 项双臂操作任务、超过 130,000 条轨迹。数字数据标注龙头则主要提供文本和视觉标注软件，没有整合硬件遥操作。为维持数据产能，XDOF 在美国、墨西哥和印度尼西亚运营跨国采集与视频审核网络，并执行结构化质控；规模较小的同类初创公司仍主要在本地运营。[CP006, CP007, CP008, CP012]

3.3 销售组合与单位经济

机器人数据服务通常采用高客单价企业合同，而非标准化的自助订阅。据报道，2026 年年中 XDOF 约有 20 家客户，年化收入接近 $50 million；据此推算，前沿 AI 实验室客户的平均年合同额（ACV）约为 $2.5 million。公司通过企业直销打包销售软件许可、硬件和持续支持服务，并按功能和轨迹复杂度分级定价。前沿实验室外包数据供应链，可省去招聘、管理全球遥操作团队所需的高额资本开支和运营精力。不过，客户仍高度集中；单条轨迹或每小时遥操作的单位经济效益，则取决于定制谈判的企业主服务协议（MSA）。[CP009, CP010, CP012, CP013]

3.4 护城河能否持久

XDOF 能否守住长期护城河，取决于能否提高现场采集效率，同时抵御服务商品化。行业分析师的独立专家访谈显示，前沿实验室会确保不同供应商的数据可以互通，因此更换机器人数据流水线的成本不高。资金充足的传统标注巨头也有能力借助雄厚资产负债表和现成的大客户采购渠道，在需求成熟时迅速进入物理数据采集市场。XDOF 凭借 Berkeley 学术渊源和早期进入前沿实验室取得先发优势，但基础模型开发者也可能扩大合成数据模拟，用来补充遥操作示范。要保持差异化，XDOF 必须持续提供高质量轨迹、自研第一人称传感器采集工具，并签下有保护力的企业级服务协议。[CP001, CP002, CP003, CP011, CP014]

3.5 重点图表

4.1 收入模式、定价梯度与商业合同机制

XDOF 通过设备直销、软件许可和持续托管数据采集服务，组合销售具身机器人训练基础设施。客户购买遥操作设备，并订阅用于流水线编排、数据摄入和处理的软件。产品按功能分档，自研高自由度操作硬件的价格明显高于标准遥操作套件。虽然公司宣传覆盖制造、物流和家用自动化，但目前企业收入主要来自为前沿机器学习研究机构定制的数据生成合同。[CI001, CI002, CI003]

4.2 商业落地进展、客户集中度与信息不对称

据公开报道，XDOF 公开亮相约 3 个月后的 2026 年 9 月，年化收入已接近 $50 million。收入主要来自约 20 个活跃客户账户，折合平均每户年化合同额接近 $2.5 million。快速获客说明行业迫切需要真实物理操作训练数据，但也使客户集中风险突出。少数前沿 AI 实验室贡献了绝大部分账单；任何一家客户流失、转为自建或改变研究方向，都会直接威胁总收入稳定性。公司未披露私人财务报表、详细净营收留存率（NRR）或各期续约队列。[CI005, CI006, CI009, CI015]

4.3 成本结构、可变人工密集度与单位经济拖累

纯基础模型和软件企业的边际分发成本接近于零，XDOF 的物理数据供应链却高度依赖人力。人工遥操作员需要远程操控 GELLO 机械臂，穿戴传感器的采集员还要亲自完成物理任务，因此运营开支几乎随采集量线性增长。招聘信息显示，公司正扩大在印度尼西亚、墨西哥等低成本地区的数据采集和视频质检中心。跨地区用工降低了直接人力成本，但遥操作硬件维护、高吞吐量云端数据处理和质检审核仍会把毛利率压到传统软件企业水平以下。[CI004, CI008, CI012, CI014]

4.4 资金储备、烧钱速度与估值支撑

XDOF 于 2026 年 6 月完成 $70 million Series A，投资方包括 Thrive Capital、Andreessen Horowitz、Lux Capital 和 Spark Capital，为公司补充了主要资金储备。收入迅速增长后，投资人主动递来投资意向书（term sheet）；据报道，8VC 正领投推进后期 Series B 谈判，估值约 $1.2 billion。按约 $50 million 年化收入计算，拟议估值对应 20 多倍市销率。要支撑这一高倍数，投资者必须相信 XDOF 不只是周期性的人机协作服务商，而是不可或缺的专有数据基础设施。Series A 后公司现金跑道看起来尚可，但持续扩张全球线下设施会增加资本需求。[CI007, CI010, CI011, CI013]

4.5 重点图表

5.1 提供机器人数据服务，而非单一机器人产品

目前最清楚的公开描述是：XDOF 为具身智能提供托管数据系统，不是成熟通用机器人的成品。多篇独立报道都把遥操作、人体穿戴传感器、标注和评测列为交付流程。另有报道把数据采集分为三类：在客户目标机器人上采集示范、用低成本遥操作系统采集更通用的数据，以及以第一人称视角记录日常人体活动。招聘信息显示，公司还在开发供客户自助获取数据、探索数据集的产品界面；人形机器人工程岗位则暗示公司也在积累硬件和控制能力。Preqin 进一步称 XDOF 销售面向家用和工业任务的机器人系统及基础模型，但更可靠的工作流报道并未印证这一说法。招聘信息反映计划开展的工作，不等于已验证的商用产品目录；产品成熟度和销售组合仍有待尽调。[CE001, CE002, CE003, CE006, CE015]

5.2 融合现场物理采集与数据交付的运营架构

XDOF 的核心价值主张，是把线下采集和数据基础设施接起来。公开描述的流程从客户提出训练需求开始，经过机器人或人工示范采集，再进入数据摄入、标注、质检、数据集工具、交付和评测。招聘岗位要求数据运营、工程、算法和标注团队协作，并明确负责准确率、交付周期、服务等级协议（SLA）、成本和问题解决。资料也提到现场团队负责部署、维护硬件，并把现场经验转化为标准操作规程（SOP）。这些信息只能说明运营架构如何设计，不能证明公司已达到对外承诺的服务水平；指定的公开资料没有运行时间记录、交付质量分布或客户验收数据。[CE001, CE004, CE007, CE008]

5.3 数据基础设施宽度可见，生产级规模未获验证

招聘材料显示，XDOF 涉及摄入计算、工作流编排、内部研究流程、多租户数据湖管理、大规模数仓工具、后端流水线、可视化工具和端云硬件集成。ABC-130K 是目前最有力的公开技术成果：多篇独立报道显示，该数据集覆盖 195 项任务、至少 130,000 条双臂操作片段或轨迹；一篇详尽报道还提到同步公开了训练代码、模型、仿真基础设施和评测资源。这证明 XDOF 能构建并开放大型科研数据集，却不能证明其宣传的 EB 级基础设施远景、多租户隔离能力、生产环境时延，或付费客户的模型性能确有提升。[CE004, CE005, CE009, CE010]

5.4 差异化壁垒取决于交付执行、数据质量与安全信任

如果 XDOF 能建立护城河，关键可能在于采集硬件、运营规范、标注和评测形成的反馈闭环，创始团队据报道积累的 GELLO 遥操作经验也能助其一臂之力。但这种模式执行难度很高：采集依赖专业设备、熟练操作员、传感器校准、设备维护和跨站点稳定质控；成熟的大客户也可能选择在内部保留战略性数据业务。指定资料中唯一直接涉及信任机制的文件，是 XDOF 官网隐私政策。政策说明了网站访问和联络数据的保护措施及用户权利，却没有规定机器人遥测、客户数据集、模型文件、访问隔离、应急响应或第三方认证的安全管控。因此，不能据此断言公司从未发生安全事故。[CE008, CE011, CE012, CE013, CE014]

5.5 重点图表

6.1 客户客群分布与采购决策背景

XDOF 的公开定位和第三方报道都指向企业客户，而不是已验证的消费业务。Built In 发布的公司简介称，XDOF 为机器人开发商提供基础设施；TechCrunch 报道称，其数据流水线、采集工具和标注系统面向难以自建这些能力的前沿 AI 实验室和机器人公司。Preqin 把目标客群扩展至家庭用户以及制造、物流企业，但没有列出这些领域的实际部署。因此，可用于投资判断的证据主要来自前沿实验室和机器人开发商；消费、制造和物流只能视为公司宣称的目标市场，不能当作已验证的客户群。[CU001, CU002, CU007, CU008]

6.2 客户数量与客户验证

最明确的客户采用指标是约 20 家。据 TechCrunch 报道，XDOF 称已与 20 家客户合作，其中包括数家前沿 AI 实验室；Altis 在融资消息发布时独立标注约 20 家活跃付费客户。TechCrunch 还报道称，截至 2026 年 9 月，年化收入接近 $50 million。这是年化收入，不是 ARR，也不是经审计确认的收入；现有资料没有说明统计周期、经常性收入占比或客户口径。更重要的是，留存证据没有列出任何具名商业客户。现有记录能证明早期需求和付费活动，却无法区分生产部署与试点，也无法验证客户成效或客户推荐价值。[CU003, CU004, CU005, CU006, CU014, CU015]

6.3 收入持续性、客群拓展与客户集中度

公开资料显示了可能的业务扩展方向，但扩展仍未经证实。Preqin 称 XDOF 同时销售设备系统、软件许可、长期服务和软件更新订阅；Tech Funding News 则称，公司通过遥操作、人工采集员和标注系统交付，并计划在全球扩充操作员网络。客户的数据需求若不断扩大，这些服务可能加深客户关系，但资料没有披露续约率、合同期限、总留存率（GRR）、净留存率（NRR）、流失率、客户队列或增购收入。客户数约为 20 家，也不足以说明头部客户贡献了多少收入。Tech Funding News 明确提出该采集模式能否大规模扩张仍是未解问题；一份融资分析也警告，巨额首轮融资抬高了后续里程碑要求，却没有带来客户层面的商业验证。因此，收入持续性和客户集中度仍是重要尽调缺口。[CU009, CU010, CU011, CU012, CU013, CU016]

6.4 重点图表

7.1 主要风险与评估基调

最大风险是业务扩张速度与验证进度不匹配。据报道，XDOF 完成 $70 million Series A 后约 3 个月就开始洽谈新一轮融资，年化收入接近 $50 million，并计划在全球扩充遥操作员和穿戴传感器采集员网络。这说明市场有需求、公司能接触资本，却不能证明收入具有经常性、现金可用、跑道充足或运营杠杆已改善。在管理层提供经审计的收入结构、毛利率、烧钱速度、可用现金及与里程碑挂钩的招聘计划前，融资和扩张执行风险应评为“高影响度、中等发生概率”。另一项高影响度风险是数据安全与隐私：XDOF 的官方政策承认，没有任何数据传输或存储系统能做到绝对安全。风险热力图根据已披露事实和信息缺口排列剩余风险，并不表示安全事故已经发生。[CR003, CR006, CR007, CR008, CR010, CR013, CR016]

7.2 法律合规、监管要求与安全管控

指定证据中，XDOF 官网隐私政策是唯一一手法律管控文件。政策覆盖网站访问和通信数据，说明加州相关权利，列出总法律顾问、安全联系人和数据保护官，并允许把数据传到用户所在辖区以外。这些政策层面的措施有意义，但不能证明实际执行有效，也不能证明公司具备客户数据管控、采集员知情同意规范、合同数据处理条款、商业保险、安全认证或监管审批。政策还允许向服务商和特定商业伙伴披露数据，扩大了第三方管控风险。现有资料不足以推断公司没有安全事故或诉讼记录：资料库没有监管记录、法院案卷、资质状态历史、第三方认证报告或安全事故登记。投资审批前必须调取这些一手材料，不能把公开政策当作内控有效的证明。[CR001, CR002, CR003, CR004, CR005, CR014]

7.3 运营模式风险与交付质量敞口

XDOF 正用采集工具、标注系统、机器人遥操作和人体动作捕捉搭建外包数据供应链。业务涉及人员培训、知情同意、任务执行一致性、硬件可用率、标注质量和客户数据安全传输，任何环节出问题都可能影响交付。公开报道显示，公司约有 60 名员工和 20 家客户，并计划在全球扩招采集员；运营规模可能比现有内控体系扩张得更快。指定证据没有披露客户身份、合同条款、验收标准、数据集缺陷率、返工率、服务水平或商业保险。真正的否决信号不是偶发的一次质量失误，而是客户反复验收失败、返工增加、重大安全事故，或采集规模增长却没有带来毛利率改善和客户复购。[CR003, CR009, CR010, CR011, CR012, CR014]

7.4 外部依赖、融资脆弱性与逻辑否决触发条件

公开资料显示，XDOF 依赖少数主要但未具名的客户、线下采集员、技术和分析服务商、高校合作伙伴，以及潜在投资方。据报道，公司约有 20 家客户，其中包括数家前沿 AI 实验室；但资料没有披露收入集中度、续约条款、生产部署与试点的比例，也没有说明客户是否更换供应商。XDOF 与 UC Berkeley AI Research 实验室合作开发数据集，但相关证据没有公开知识产权归属、独家性、合作期限或商业化权益。据报道，Series B 条款仍未敲定，因此高估值融资消息不等于现金已到账或融资确定。以下情况将推翻投资逻辑：主要客户流失且无法及时补上；无法证明数据集来源和采集员知情同意；发生重大安全或生产事故；遭遇不利知识产权诉讼或监管处罚；或融资扩张计划依赖缺乏可信单位经济数据支撑的增长假设。[CR002, CR007, CR009, CR013, CR014, CR015, CR016]

7.5 重点图表

8.1 估值演变背景与历史资本结构

XDOF 于 2026 年 6 月公开亮相，宣布完成 $70.0 million Series A 股权融资，由 Thrive Capital 和 Spark Capital 共同领投，Andreessen Horowitz、Lux Capital 与 WndrCo 跟投。若计入早期种子轮，公司累计获得的风险投资约为 $78 million。公开亮相不到 3 个月，XDOF 就在 2026 年 9 月开始洽谈新一轮融资；据市场消息，拟以约 $1.2 billion 估值融资的 Series B 由 8VC 领投。融资节奏加快，背后是商业进展迅速：据报道，公司约有 20 家企业客户，主要是头部前沿 AI 实验室和机器人开发商，年化收入接近 $50 million。但交易条款尚未敲定，最终投前估值、总稀释比例和清算优先权负担仍不确定。[CV001, CV002, CV003, CV004, CV005, CV006]

8.2 投资逻辑与反方观点

看好 XDOF 的核心逻辑是，训练机器人和具身智能基础模型所需的物理交互数据极其稀缺。大语言模型可利用公开互联网的海量 Token，通用人形机器人却需要直接从物理环境中采集高保真传感器和轨迹数据。XDOF 将 UC Berkeley GELLO 遥操作架构商业化，并开源发布包含 130,000 个操作片段的 ABC-130K 基准数据集，初步成为前沿实验室的专业数据工厂。反方观点则强调其运营短板：采集物理示范需要分布式遥操作员和穿戴动捕设备的采集人员，成本结构因此高度依赖人力，毛利率也明显低于纯软件业务。首轮融资由多家风投共同参与，也带来治理隐患；股权分散可能削弱领投方的责任感，后续融资受阻时，公司将面临流动性风险。[CV003, CV007, CV010, CV011, CV013]

8.3 情景分析、对标估值与回报倍数

评估 XDOF，需要参考更广泛的 AI 和数据基础设施一级市场，并建立严格的情景模型。若按传闻中的 $1.2 billion 估值和未经验证的 $50 million 年化收入运行率计算，隐含远期市销率约为 24x。这个倍数接近知名 AI 基础设施公司 Scale AI（估值 $13.8 billion）和 Mercor（估值 $10 billion），而同样布局数据流水线的具身智能公司 Encord 已融资 $60 million。基准情景（概率 55%）假设 XDOF 以 $1.0B 至 $1.2B 完成 Series B，年化收入稳定在 $50M 至 $65M，毛利率达到 50%，投资回报取决于执行情况。乐观情景（概率 20%）假设遥操作效率提升至半自主水平，年化收入升至 $100M+。悲观情景（概率 25%）则假设现有收入只是不可持续的一次性项目支出；60 多名全职员工和全球遥操作团队带来的高额烧钱，可能迫使公司接受结构化降估值融资（down-round）。[CV002, CV004, CV006, CV008, CV009, CV012]

8.4 投资建议立场、关键尽调诉求与逻辑否决线

综合现有证据，暂定建议为“跟踪 / 保持关注（Track / Hold）”，置信度中等，风险评级高。XDOF 商业进展迅速，也得到一线风投支持，显示市场对具身机器人数据需求旺盛；但若按未经确认的 $1.2 billion 估值投资，投资者将承担估值倍数收缩和下行风险。公开资料尚未证实 $50 million 年化收入运行率究竟来自可持续的经常性 ARR，还是初期模型训练的一次性数据采集项目。尽调应重点核查经审计的客户留存数据、扣除遥操作员薪酬后的净毛利率，以及潜在 Series B 领投方的确定性出资承诺函。若核心客户转为自建遥操作采集、毛利率跌破 35%，或未能在现金跑道缩短至 12 个月前锁定机构领投方，应立即改为“回避（Avoid）”。[CV008, CV010, CV011, CV014]

8.5 重点图表