Maxinsights стала главным поставщиком данных для обучения роботов

В мире Physical AI, где большие языковые модели внезапно научились управлять роботизированными манипуляторами, разворачивается неочевидная на первый взгляд история о том, кто именно поставляет этим моделям «топливо» для обучения. И речь идёт не о гигантах вроде Google или Microsoft, а о малоизвестном стартапе Maxinsights, который за каких-то два-три года сумел встроиться в цепочки поставок практически всех ключевых игроков отрасли — от OpenAI и Google DeepMind до Figure AI и Genesis AI. По данным из открытых источников и отраслевых обсуждений, именно эта компания стала крупнейшим поставщиком так называемых эгоцентрических данных — записей действий человека от первого лица, которые оказались критически важны для обучения роботов.

История эта началась с проблемы, хорошо знакомой самому OpenAI. В 2020–2021 годах робототехническое подразделение компании пережило серию сокращений и реорганизаций, и одной из главных причин называлась нехватка данных для обучения. Собирать их с помощью самих роботов — дорого, медленно и ограниченно по сценариям. Тогда и возникла идея использовать людей: если надеть на человека камеру и перчатки с датчиками, можно записывать естественные движения рук, взаимодействие с предметами и повседневные операции в самых разных условиях. Такой подход резко снижает стоимость сбора и позволяет масштабировать наборы данных до миллионов часов.

Именно на этой нише и вырос Maxinsights. Компания, по имеющимся данным, уже передала клиентам более двух миллионов часов записей, а также располагает библиотекой свыше полутора миллионов часов с разметкой движений рук и текстовыми описаниями. Ежемесячно она собирает около 450 тысяч часов данных, а её сеть сбора охватывает более двух тысяч реальных локаций и свыше пятидесяти тысяч различных сценариев. Для стартапа, которому всего пара лет, это впечатляющие масштабы, и именно они позволили компании войти в число поставщиков для ведущих разработчиков фундаментальных моделей.

Среди клиентов Maxinsights называют Google DeepMind, Figure AI, Dyna Robotics и Genesis AI. Причём речь идёт не просто о разовых поставках. Так, вышедшая в августе модель Dyna-2 от Dyna Robotics обучалась на миллионе часов человеческого видео, и крупнейшим поставщиком этих данных была именно Maxinsights. Результаты оказались показательными: при увеличении объёма предобучения с тысячи до миллиона часов средняя квадратичная ошибка предсказания человеческих движений снизилась примерно на двенадцать процентов, а модель сохраняла способность улучшать прогнозы даже на незнакомых ей роботизированных данных. Похожая история — с моделью GENE-26.5 от Genesis AI, которая продемонстрировала автономное приготовление пищи примерно из двадцати последовательных шагов, включая нарезку томатов и взбивание яиц одной рукой. Эксклюзивным партнёром по данным от первого лица для этой модели также называют Maxinsights.

Финансовые показатели компании подтверждают, что спрос на такие данные устойчив. По последним операционным данным, в третьем квартале 2026 года объём подписанных контрактов, как ожидается, вырастет на 48 процентов по сравнению с предыдущим кварталом. Ещё важнее другое: годовая регулярная выручка компании уже несколько месяцев подряд держится на уровне около ста миллионов долларов или близко к нему. Для отрасли, где закупки данных традиционно носят проектный характер — купил набор, обучил модель, забыл, — это принципиально иная модель бизнеса. Она говорит о том, что клиенты возвращаются снова и снова, а данные становятся не разовым товаром, а долгосрочной инфраструктурой.

Секрет устойчивости, судя по всему, в подходе. Maxinsights не просто продаёт часы записей, а вместе с ведущими командами разработчиков формирует стандарты того, какие именно данные нужны следующему поколению моделей. Начиналось всё с сотрудничества с Google DeepMind по сбору данных от первого лица с открытыми руками — с примерно двухсот часов, которые постепенно выросли в масштабную поставку. Постепенно такая схема переросла в совместную разработку продуктов: заказчик формулирует задачу, Maxinsights организует сбор и обработку, а затем обе стороны iteratively улучшают наборы данных на основе обратной связи от обучения. Со временем высокие требования одного клиента становятся отраслевым стандартом для десятков других.

Технологическая база компании тоже выходит за рамки простой записи видео. В направлении полного тела она учится восстанавливать трёхмерные траектории движения человека по видео от первого лица, отслеживая при этом и движения рук, и взаимодействие с объектами. В направлении верхней части тела исследуется совместное представление движений, пространства и смысла задачи — чтобы каждый шаг, будь то приготовление латте или передача чашки кофе, соответствовал конкретному действию и команде. А собственная модель MaxSLAM, по заявленным внутренним тестам, обеспечивает точность восстановления положения до 4,24 миллиметра и погрешность ориентации всего в 0,57 градуса на двадцати последовательностях реальных задач.

Пока одни спорят, когда именно физический искусственный интеллект войдёт в повседневную жизнь, другие уже строят для него фундамент. И Maxinsights, судя по всему, оказалась в нужном месте в нужное время, превратив разрозненные человеческие движения в гигантскую шахту обучающих данных — и в бизнес с выручкой, измеряемой сотнями миллионов долларов.