物理AI若只有大模型、没有可靠标注与评测，机器人与自动驾驶很容易卡在「榜高、场外翻车」。据The Robot Report报道，ExlService Holdings（EXL）已完成本月对iMerit Technology的收购。交易把「企业流程里的AI落地能力」与「高风险场景的专家数据与评测能力」放进同一家公司叙事：目标不再只是做一次试点Demo，而是把模型训到、评到、管到可上岗。
EXL是纽约为基地的企业流程、分析与运营服务公司，公开口径全球员工约6.8万人，客户覆盖保险、医疗、银行与资本市场、零售、通信媒体、能源基础设施等。iMerit创办于2012年，总部位于圣何塞，提供机器人、自动驾驶、医疗AI等高风险场景的数据标注、模型训练评测与强化学习相关服务，并拥有Ango Hub协作平台，强调领域专家参与复杂多模态数据的策展与验证。iMerit创始人兼CEO Radha Basu加入EXL任执行副总裁并继续负责iMerit业务。
双方在访谈中给出的合并逻辑很直白：实验室与客户都开始意识到，模型在基准上好看，不等于在医疗、金融或机器人边角案例里可靠；瓶颈往往是领域数据、失败模式暴露与可信部署。EXL带来企业数据、行业语境与把技术嵌进业务流程的经验；iMerit带来专家标注、多模态评测、红队式刁难与持续反馈。公开案例提到iMerit曾与Carbon Robotics合作，处理农业除草机器人所需的海量植物图像——正是「物理世界脏数据」需要人来标定的典型。
合并叙事要点：
所谓物理AI，白话是要在真实世界里感知并行动的智能系统，容错成本高于聊天机器人；所谓数据飞轮，白话是真机与传感器不断产生边角案例，经标注与评测再喂回模型；所谓红队与专家反馈，白话是专门找模型的漏洞和胡话，而不是只报平均分。企业AI竞争正在从「谁接入了更强基座模型」转向「谁能把模型评到监管与业务都敢用」。
产业影响上，标注与评测公司被运营服务巨头收编，说明价值正在向「可信落地」集中。对机器人与自动驾驶团队，意味着评测供应商格局可能变化，合同、数据主权与工具链迁移需要提前盘点。对保险公司与医院等受监管行业客户，端到端叙事若成立，采购时可以少对接几家供应商——但也要警惕单一厂商锁定。
需要把边界读清楚：交易对价、估值与协同量化目标未在该报道中完整披露，以双方正式公告与监管文件为准。下一观察点是合并后是否出现可对外引用的机器人/自动驾驶量产评测案例，以及Ango Hub与EXL原有交付体系如何打通计费与审计。