01
统一的记录系统
让传感器数据、标签、模式、审批和导出始终关联到生成它们的数据集版本。
创始人故事
Avala 始于 Tesla Autopilot 的车队学习。
创立 Avala 之前,Emal Alwis 以第三位软件工程师的身份加入 Tesla Autopilot AI 团队,是第一个从事车队学习(fleet learning)的人,直接向 Elon Musk 汇报。他构建了在生产规模上把车队边缘案例变成模型改进的系统。
这段经历塑造了 Avala：一个保留传感器上下文、审核决策、数据集沿袭关系和模型反馈的互联闭环。我们构建数据基础，让 Physical AI 团队能够专注于自己的机器与模型。
Emal Alwis
创始人兼首席执行官
一览
五个事实看 Avala。
- 类别
- 面向 Physical AI 的 Fleet learning infrastructure：4D 真实世界数据，以及让模型持续改进的闭环。
- 我们运营什么
- 把车队自己的传感器数据变成下一版模型的闭环:4D 重建、人 + AI 标注、质量控制、版本化发布和训练交接。标注是这个闭环中的一个环节。
- 客户拥有什么
- 数据、标签和模型。客户在自己的流水线中训练;Avala 运营让每一版都优于上一版的基础设施。
- 成立
- 2020 年,旧金山。创始人兼 CEO Emal Alwis 曾是 Tesla Autopilot AI 团队的第三位软件工程师,也是第一个从事车队学习的人。
- 投资方
- Wonder Ventures、MaC Venture Capital、Flybridge Capital 和 Valor Equity Partners。
为什么选择 Avala
当数据拥有记忆，Physical AI 才能持续进步。
数据量会不断增长。真正困难的是知道哪些数据产生了影响、发生了什么变化、由谁审批，以及哪个版本进入了训练。Avala 完整保留这段运营历史。每一次部署都会产生模型尚未见过的例外。正是完整保留这段历史，让下一个版本优于上一个版本。
运营验证
来自生产实践，而非纸上理论。
我们的团队在 Avala 内运行真实的传感器数据工作流。这些运营深度会转化为可复用的软件（质量关卡、数据集版本和反馈闭环），而不是一次性交付的堆叠。
我们前行的方向
做自己智能的主人，而不是租用他人智能的租客。
到 2028 年，Avala 将成为一套开放的基础设施：物理世界中任何机器的运营者都能在其上把自己的经验转化为自己的智能，数据、模型与部署始终由自己掌控，让每个人都能成为自己智能的主人，而不是租用他人智能的租客。这一切始于我们今天运转的闭环：让一条工作流可重复，把它的历史带到更多模型与团队，并帮助每支车队与机器人集群从自身经验中学习。
阅读我们的愿景全球运营
与系统相连的专家判断。
覆盖五大洲的专业网络处理模型无法解决的案例，每项决策都与数据集版本保持关联。
运营网络
5 大洲Avala
北美洲
南美洲
非洲
欧洲
亚洲
人工决策与自动化始终处于同一个受控工作流中。
我们的构建方式
构建持久基础设施的原则。
平台应让正确的运营方式更容易：统一记录、可见证据，以及在会改变结果的环节引入人工判断。
02
每一道关卡都有证据
让审核决策、质量信号和发布历史清晰可见，使团队能够复现进入训练的数据。
03
在判断重要处引入人工
用自动化提升吞吐量。将模糊、安全关键和领域特定的案例交给经过培训且能跨版本保留上下文的审核人员。
长期合作伙伴
由与我们共享使命的合作伙伴投资支持
与我们共同构建
构建 Physical AI 将依赖的基础设施。
加入我们，为机器人、车辆及其他从物理世界学习的机器打造数据系统、模型运营和以人为本的执行体系。