Nomadic AI 获 840 万美元种子轮融资：用视觉语言模型解锁自动驾驶视频数据标注难题
自动驾驶车队每天产生的视频数据量惊人——少则数千小时，多则上百万小时。如何高效地从这些素材中筛选出有价值的信息？一家名为 Nomadic AI 的初创公司正试图解决这个痛点。
痛点：95% 的车队数据在归档睡大觉
开发自动驾驶汽车、工业机器人或自主施工设备的企业，往往积累了海量视频素材。这些素材既是模型训练的基础，也是合规审计的依据。然而，整理和标注这些视频至今仍依赖人工——即便快进播放，也无法规模化应对。
更棘手的是边缘场景（edge case）：这类数据恰恰最有价值，但事件本身稀少，极易让经验不足的物理 AI 模型产生困惑。
Nomadic AI 联合创始人兼 CEO Mustafa Bal 此前在 Lyft 任职，CTO Varun Krishnan 则来自 Snowflake。两人在哈佛计算机系本科期间相识，此后在各自工作中"反复遇到同样的技术挑战"。他们告诉 TechCrunch，Nomadic 的核心使命是帮助客户激活那 95% 沉睡在归档中的车队数据。
产品：把原始视频转化为可搜索的结构化数据集
Nomadic AI 的平台通过一组视觉语言模型（Vision Language Models），将原始视频素材自动转化为结构化、可搜索的数据集。由此一来，企业既能实现更精细的车队监控，也能快速构建用于强化学习的专属数据集，从而加速迭代。
一个典型应用场景是：假设需要微调自动驾驶系统对"交警指挥交通时闯红灯"的理解，或筛选出所有车辆通过某一特定桥梁的片段——过去需要人工逐帧查找，如今在平台上输入描述即可定位。
联合创始人 Varun 强调，Nomadic 不只是标注工具，本质上是一个"代理推理系统（agentic reasoning system）：你描述需要什么，它自动推理出如何去找"，调用多个模型协同理解画面中的行为并还原上下文。
当前付费客户已包括 Zoox、Mitsubishi Electric、Natix Network 以及 Zendar。Zendar 工程副总裁 Antonio Puglielli 表示，Nomadic 的工具让公司得以比外包方案更快地扩大规模，其领域专业知识也是区别于竞品的关键。
融资与竞争：840 万美元种子轮，挑战 Scale、Kognic、Encord
本周二，Nomadic AI 宣布完成 840 万美元种子轮融资，投后估值达 5000 万美元。本轮由 TQ Ventures 领投，Pear VC 与 Google 前首席科学家 Jeff Dean 参投。上个月，公司还在 Nvidia GTC 创企路演大赛中荣获一等奖。
这笔资金将用于扩大客户规模并持续迭代平台。
在物理 AI 数据标注赛道，Nomadic 面临来自传统数据标注公司的竞争。Scale、Kognic、Encord 等企业均在开发 AI 辅助标注工具；Nvidia 也推出了开源视觉语言模型系列 Albamayo，供企业自行适配。TQ Ventures 合伙人 Schuster Tanger 评论道：
"Salesforce 不会自建云，Netflix 也不会自建内容分发设施。自动驾驶公司一旦试图内部自建 Nomadic，就等于从它们真正该专注的事——机器人本身——上分心。"
Tanger 还特别提到 CTO Varun Krishnan 是一位国际象棋大师，实时排名世界第 1549 位；公司约十名工程师全部发表过学术论文。
下一站：LiDAR 传感器与非视觉数据
Nomadic 目前的产品主要处理视频画面，但团队已在开发专项工具：一款能通过摄像头素材理解变道物理规律的工具，另一款可从视频中推导机器人夹爪的精确位置。
接下来的方向是将能力扩展到非视觉数据（如 LiDAR 传感器读数），并实现多模态传感器数据的融合。
Mustafa Bal 坦言："搬运 TB 级视频数据，将其与数百个千亿参数模型碰撞，再从中提取精准洞察——这件事的难度确实超乎想象。"
评论