Players En 90 días XDOF pasa de US$70 a US$1.200 millones por datos de robots
La startup de UC Berkeley pasa de $70M a $1.200M en 90 días. Su apuesta: la falta de datos físicos frena la robótica generalista y las grandes IA externalizan esa recolección.
XDOF, una startup fundada por investigadores de UC Berkeley, está en conversaciones avanzadas para levantar una Serie B que la valora en 1.200 millones de dólares apenas tres meses después de salir de stealth con una Serie A de 70 millones. La ronda la lideraría 8VC, según fuentes cercanas al acuerdo. La aceleración no responde a una necesidad de caja —la empresa no planeaba volver al mercado tan pronto— sino a una tracción que ha obligado a los fondos a anticiparse: ingresos anualizados cercanos a 50 millones de dólares y una cartera de 20 clientes que incluye varios laboratorios de IA de frontera.
El problema que nadie resolvió
Los modelos de lenguaje se entrenaron con internet entero. Los robots no tienen equivalente: no existe un dataset masivo de interacción física real. Philipp Wu, CEO y cofundador, chocó con ese muro durante su doctorado. "No teníamos datos a gran escala para trabajar", explicó en junio. Junto a Fred Shentu (CTO) creó XDOF para construir la cadena de suministro de datos que los laboratorios no pueden ni quieren montar: pipelines de datos, equipos de recolectores y teleoperadores humanos.
La analogía que usan los inversores es directa: XDOF aspira a ser el "Scale AI de la robótica física". Mientras Scale y Micro1 resuelven la anotación para LLMs, XDOF ataca la recolección embodied: teleoperación remota con brazos de bajo coste (el sistema GELLO nacido en Berkeley), sensores vestibles para capturar movimiento humano egocéntrico y pipelines de limpieza y anotación que cierran el bucle de retroalimentación.
Dato abierto como señuelo y estándar
Como carta de presentación, la empresa colabora con el laboratorio de IA de Berkeley para liberar ABC, lo que califican como la mayor colección de datos de manipulación robótica de alta calidad jamás publicada. Los recolectores registran tareas como doblar ropa y aplanar cajas para generar los datos. La jugada sirve a doble propósito: acelera a la comunidad investigadora y establece a XDOF como referencia de facto en formatos y benchmarks.
Implicaciones para América Latina
El modelo operativo de XDOF —contratar y entrenar equipos globales de recolectores de datos— abre una ventana concreta para la región. Los costes laborales y la disponibilidad de talento técnico en países como México, Colombia o Argentina encajan con la necesidad de escalar teleoperación y anotación física masiva. Pero la lección estratégica va más allá: cualquier empresa latinoamericana que intente desplegar robótica avanzada (logística, agro, manufactura) chocará con el mismo vacío de datos propietarios. Externalizar esa capa a proveedores especializados —o construirla internamente con socios locales— deja de ser opcional para convertirse en prerrequisito competitivo.
La valoración de 1.200 millones en fase preingresos masivos señala que el mercado apuesta por la infraestructura de datos antes que por los propios modelos de robot. Para el ejecutivo latinoamericano, la pregunta deja de ser "cuándo llegan los robots" y pasa a ser "quién controla los datos que les enseñan a moverse".
