跳至正文
MakerGain
← 返回案例列表

工人按天領錢,客戶 30 到 60 天後付款,Humyn Labs 用 2100 萬美元創投債務周轉

編輯:MakerGain發布:文章更新:

Humyn Labs 為訓練機器人的 AI 實驗室採集及標註真人操作影片。客戶依交付的影片時數付費。AI 實驗室通常 30 到 60 天付款,公司則按日或按週和採集人員結算。共同創辦人披露,公司 2026 年 4 至 10 月收入 1000 萬美元。

Humyn Labs 按日或按週和資料採集人員、當地合作夥伴結算。訓練機器人的 AI 實驗室通常要等 30 到 60 天才付款。共同創辦人 Manish Agarwal 說,公司在 4700 萬美元的 A 輪募資中引入 2100 萬美元創投債務,用來填補這段資金缺口。借款也能減少股權稀釋。[1]

Humyn 賣的是訓練機器人得先準備的材料,也就是真人怎麼動手。要讓機器人學做家事、搬貨或在倉庫取放物品,得先有人把動作做一遍、錄下來,再加上標註。

Agarwal 接受《印度時報》(TOI)採訪時舉過一個例子。巴西的參與者替一家家用機器人開發商錄製做家事的過程,Humyn 付給參與者工錢,檢查拍攝內容後交付客戶。[2]

Humyn 用自研的雙鏡頭裝置錄下第一人稱畫面,再以軟體追蹤手部動作和人如何操作物品。素材經過清理、標註和人工品質檢查後交付。主要採集地點在巴西、印度和南韓,當地合作夥伴協助找場地、監督流程。[3] · [1]

客戶依 Humyn 交付的影片時數付款,專案短則幾週,長則幾個月。[2]

截至 11 月 18 日接受採訪時,公司表示有 12 家付費客戶,包括 AI 實驗室、機器人公司和世界模型開發者。共同創辦人 Ishank Gupta 說,約 90% 的收入來自美國,客戶名稱沒有公開。[1]

Agarwal 在 2026 年 11 月 18 日接受 TechCrunch 採訪時說,公司 2026 年 4 月至 10 月收入 1000 萬美元,當時另外已簽下 2000 萬美元的合約。[1]

公司同日公告年化收入超過 5000 萬美元。Agarwal 向《印度時報》解釋,估算方式是將 9 月和 10 月的平均月收入乘以 12。[4] · [2]

模擬可以大量產生條件可控的樣本。Humyn 在技術部落格舉例說,實地採集還能記錄光線變化、物品變形及摩擦等會影響操作的細節。[5]

兩位共同創辦人先前曾成立 Kratos Studios,現名 KGeN。這個參與者網絡也幫 Humyn 在住家場景採集資料。[1]

圖中是 Manish Agarwal 與 Ishank Gupta。Humyn Labs 提供,於 2026-11-19 取得。[1]

公司沒有揭露具體報價、實際收款總額、毛利和個別客戶的收入占比。每批資料從錄製到交付都需要人手。訂單增加時,公司得先準備資金付給採集人員。

[1] TechCrunch · Jagmeet Singh · 2026-11-18

[2] The Times of India · 2026-11-18

[3] Humyn Labs

[4] Humyn Labs · 2026-11-18

[5] Humyn Labs

繼續閱讀

AI 開發
每改一個小地方都要再付一次錢,他把 App 設計搬進了聊天框

Diego Roshardt 發現行動應用程式的設計稿每次修改都要另外付費,於是做了 AppAlchemy。使用者在聊天框描述 App,產生 React Native 程式碼後,掃碼就能在手機上即時預覽。改一句話,畫面就跟著變。程式碼可以匯出,公開資料未交代由誰打包和上架。他花約兩週做出初版,選擇先累積 Reddit 帳號的活動紀錄、找出相關社群,再用對讀者有價值的貼文分享產品連結,以這種方式代替直接投放廣告。

AI 開發
先寫說明書,再讓 AI 寫程式:CodeGuide 把 9 小時文件工作做成訂閱

CodeGuide 賣的是先替專案寫好的說明書:把需求、架構和任務拆清楚,再交給 AI 程式開發工具。它從 CJ 做 MVP 開發服務的自用流程起步——先用 ChatGPT 花 9—10 小時問清專案,再用 make.com 串提示詞省下約 7 小時。CJ 沒先建完整產品,而用 Bolt 搭登陸頁收集候補名單,並逐一私訊留言的 beta 用戶,問其是否已有更好流程解決 AI 幻覺;他的結論是,自己試過的方式在這些做法中依然最好。

AI 開發
客戶問「它能自動化什麼」,他只能答「anything」:Meerkats 後來把這句話拆成規則

Santanu Dasgupta 在兩次失敗後做出 Meerkats。它起初是無程式碼 LLM 應用搭建工具,早期鎖定代理機構;官網如今將它定位為 AI 系統的 context layer,具體工作是把業務資料、定義、狀態、規則與允許動作串成受管理的上下文,供 agents 讀取與行動。經營者將過去「anything」的回答,收窄為按規則、權限執行並留下 receipt。

AI 開發
RepoPrompt 取消了 15 美元月費,替編碼代理挑檔案的工作還在

RepoPrompt 接手的是編碼代理請求送出前的挑選:模型的上下文與注意力有限,常只讀部分程式碼庫就推理,它把相關檔案和儲存庫結構組裝成可審閱上下文,再交給代理。經營者 Eric Provencher 後來取消 約 NT$492.75(15 美元)月費,開源社群版並封存 Classic;加入 OpenAI 後,他不再積極參與,維護交給社群。免費的是應用訂閱,模型呼叫仍按各自服務條款計費。