XDOF negocia una Serie B que podría valorarla en 1.200 millones de dólares apenas tres meses después de salir del modo stealth

XDOF, una startup especializada en generar y procesar datos para entrenar robots, mantiene negociaciones avanzadas para levantar una ronda Serie B que podría situar su valoración alrededor de los 1.200 millones de dólares. Las conversaciones llegan menos de tres meses después de que la compañía saliera oficialmente del modo stealth y anunciara una Serie A de 70 millones de dólares.

Según personas conocedoras de las negociaciones citadas por TechCrunch, 8VC se perfila como líder de la nueva financiación. El acuerdo todavía no está cerrado y no se conoce cuánto capital pretende captar XDOF ni si la valoración aproximada de 1.200 millones corresponde al valor de la compañía antes o después de incorporar el nuevo dinero.

XDOF podría convertirse rápidamente en un unicornio

La operación resulta especialmente llamativa por la velocidad con la que se produce. XDOF salió públicamente del modo stealth el 17 de junio de 2026, cuando reveló una financiación de 70 millones de dólares respaldada por Thrive Capital, Andreessen Horowitz, Spark Capital, Lux Capital y WndrCo.

La compañía no tenía previsto regresar al mercado de capital tan pronto, pero su crecimiento habría provocado que inversores se acercaran a la startup con propuestas para una nueva ronda. Las fuentes consultadas por TechCrunch sitúan sus ingresos anualizados cerca de los 50 millones de dólares, aunque XDOF no ha anunciado oficialmente esa cifra.

Si las negociaciones terminan cerrándose alrededor de la valoración actualmente discutida, XDOF alcanzaría la categoría de unicornio, reservada habitualmente a startups privadas valoradas en al menos 1.000 millones de dólares, menos de dos años después de su fundación.

Su negocio consiste en producir datos para enseñar a los robots

XDOF se fundó en octubre de 2024 a partir de trabajos realizados en la Universidad de California en Berkeley. Sus cofundadores incluyen a Philipp Wu, actual CEO, Fred Shentu, CTO, y Nemo Jin, responsable de operaciones.

La empresa intenta resolver uno de los principales cuellos de botella de la denominada inteligencia artificial física: la falta de grandes volúmenes de datos de calidad que permitan enseñar a los robots a manipular objetos y desenvolverse en entornos reales.

Los grandes modelos de lenguaje pudieron entrenarse utilizando enormes cantidades de texto disponible en Internet. Los robots afrontan un problema diferente, ya que necesitan ejemplos detallados de interacciones físicas, movimientos, posiciones, fuerzas y resultados obtenidos al realizar una tarea.

XDOF construye la infraestructura necesaria para recopilar ese material. Su oferta incluye sistemas de teleoperación, procesamiento y limpieza de datos, anotación, evaluaciones y herramientas destinadas a compañías de robótica y laboratorios de inteligencia artificial.

Humanos controlan robots para generar ejemplos de entrenamiento

Una parte importante del proceso consiste en utilizar operadores humanos que controlan brazos robóticos mientras realizan tareas. Cada movimiento puede registrarse y convertirse posteriormente en datos con los que entrenar modelos capaces de reproducir esas acciones de manera autónoma.

Wu y Shentu trabajaron previamente en GELLO, un sistema de teleoperación de bajo coste desarrollado en Berkeley para controlar brazos robóticos. Esa experiencia sirvió como una de las bases técnicas sobre las que posteriormente se creó XDOF.

La startup plantea diferentes niveles de recopilación. Los datos más específicos pueden obtenerse teleoperando directamente el mismo tipo de robot que finalmente ejecutará una tarea, mientras que conjuntos más generales pueden generarse utilizando plataformas robóticas estandarizadas o registrando a personas mientras realizan actividades cotidianas.

XDOF ya trabaja con unas 20 compañías y laboratorios de IA

Cuando salió del modo stealth en junio, XDOF aseguró contar con aproximadamente 60 empleados y trabajar con cerca de 20 clientes, entre ellos varios laboratorios avanzados de inteligencia artificial cuyos nombres no fueron revelados.

La compañía considera que muchas empresas de IA preferirán externalizar una parte de la recopilación de datos para robótica debido a la complejidad operativa que supone. Generar conjuntos a gran escala puede requerir almacenes, cientos de robots, mantenimiento de hardware, calibración y grandes plantillas de operadores especializados.

XDOF pretende construir precisamente esa infraestructura como servicio y escalar su red de operadores de teleoperación y recopilación de datos en diferentes regiones.

La startup publicó un dataset con más de 130.000 demostraciones

Como muestra de su estrategia, XDOF colaboró con investigadores de UC Berkeley en ABC-130K, un conjunto de datos abierto para entrenamiento de robots. El dataset contiene más de 130.000 episodios correspondientes a 195 tareas de manipulación bimanual y se distribuye bajo licencia Apache 2.0.

Los ejemplos incluyen operaciones de precisión, plegado, inserción y extracción de objetos, utilización de herramientas, montaje, desmontaje y tareas de atado. El objetivo es proporcionar a investigadores una cantidad de información significativamente mayor que la disponible habitualmente para experimentos de aprendizaje robótico.

La ronda todavía no está cerrada

Pese a la valoración que se está negociando, XDOF todavía no ha anunciado una Serie B. La información disponible describe conversaciones avanzadas y los términos pueden modificarse o incluso no llegar a materializarse.

Tampoco se conoce por ahora el tamaño de la posible inversión. El dato más concreto es la valoración aproximada de 1.200 millones de dólares discutida con inversores y el papel de 8VC como posible líder de la operación.

El interés en XDOF refleja la creciente inversión alrededor de la robótica y la inteligencia artificial física. Mientras numerosas compañías compiten por construir modelos y robots de propósito general, la startup apuesta por convertirse en uno de los proveedores de la materia prima necesaria para entrenarlos: grandes cantidades de interacciones físicas correctamente recopiladas, procesadas y evaluadas.