NomadicML（下称“Nomadic”）宣布完成840万美元种子轮融资，用于加速其自动化管理自动驾驶及机器人视频数据的平台建设。该轮融资投后估值约为5000万美元，由TQ Ventures领投，Pear VC及Jeff Dean参投。公司表示，资金将主要用于拓展客户和持续优化技术平台。上个月，Nomadic还在英伟达（Nvidia）GTC路演比赛中获得一等奖。

Nomadic由Mustafa Bal和Varun Krishnan联合创立，两人均为哈佛大学计算机科学本科出身。Bal在接受TechCrunch采访时表示，他们在Lyft和Snowflake等公司工作期间，多次遇到相同的数据管理难题，最终促成了这家初创公司的成立。

自动驾驶汽车、工业机器人和自主施工设备在开发和运营过程中，会产生成千上万甚至数百万小时的视频数据，用于模型评估和训练。当前，这些视频的整理和编目在很大程度上仍依赖人工逐一查看，即便通过倍速播放，也难以实现规模化处理。Bal称，许多客户的车队数据中约95%仍处于“沉睡”状态，仅被存档而未被有效利用。

Nomadic正在开发的平台，利用一系列视觉语言模型，将原始视频转化为结构化、可搜索的数据集。公司称，这一能力可用于更高效的车队监控，并支持为强化学习和快速迭代构建定制数据集。

在自动驾驶和物理机器人领域，开发者尤其重视“边缘案例”——即那些罕见但对模型稳定性影响较大的场景。Bal表示，Nomadic的目标是帮助客户在海量视频中自动发现此类高价值片段，而不再依赖人工筛选。

Bal举例称，开发者可以利用该平台筛选出所有“在警察指挥下车辆通过红灯”的场景，或提取“车辆驶过特定类型桥梁”的视频片段，用于合规审查或直接纳入训练流程。Bal表示：“我们为客户提供的是他们自有视频中的洞察，而不是随机数据，这才是推动这些自主系统开发者前进的关键。”

目前，Zoox、三菱电机、Natix Network和Zendar等公司已在使用Nomadic的平台开发智能机器。Zendar工程副总裁Antonio Puglielli表示，与外包方式相比，Nomadic的工具帮助公司更快扩大工作规模，其在相关领域的专业积累也是其与其他供应商的主要差异之一。

在更广泛的“物理AI”领域，基于模型的自动标注工具正逐步成为关键工作流程之一。成熟的数据标注企业如Scale、Kognic和Encord均在开发类似的AI工具，英伟达也发布了可用于解决相关问题的开源模型系列Alpamayo。

Nomadic联合创始人兼CTO Krishnan认为，公司产品不仅是一个标注工具，更是“具备代理推理能力的系统”，用户只需描述需求，系统即可通过多模型协同理解视频中的动作及其上下文，并给出相应结果。Nomadic的投资方认为，该公司专注于这一特定基础设施层，有望在自动驾驶和机器人产业链中形成差异化定位。

TQ Ventures合伙人、本轮领投方Schuster Tanger在接受TechCrunch采访时，将Nomadic与其他基础设施服务商进行类比。他表示，自动驾驶公司若自行搭建类似Nomadic的系统，可能会分散资源和注意力，难以专注于其核心竞争力——机器人本身。

Tanger同时提到团队背景，称Krishnan是国际象棋大师，世界排名第1549位。Krishnan则表示，公司十余名工程师均发表过科学论文。

在具体产品方向上，Nomadic正在开发一系列针对性工具，例如从摄像头画面中理解变道背后的物理过程，或从视频中推导机器人夹持器更精确的位置等。公司称，下一步挑战是将类似能力扩展至非视觉数据，如激光雷达传感器读数，或实现多种传感器数据的融合处理。

Bal表示：“处理数TB级别的视频数据，匹配参数规模超过千亿的模型，并从中提取准确洞察，是一项极其困难的工作。”他称，Nomadic当前的重点是将这一复杂流程产品化，使自动驾驶和机器人企业能够在现有工作流中直接使用。