Mecka AI, ह्युमनॉइड रोबोट्स आणि इतर मशीन्सना प्रशिक्षित करण्यासाठी मानवी गती डेटाचे संकलन आणि विश्लेषण करणारी एक स्टार्टअप, Sequoia Capital च्या नेतृत्वाखाली अंदाजे $500 दशलक्ष मूल्याच्या नवीन निधी फेरीच्या जवळ आहे, TechCrunch च्या अहवालानुसार या कराराची माहिती असलेल्या दोन लोकांचा हवाला देऊन. कंपनीने फ्रेमवर्क व्हेंचर्सच्या नेतृत्वाखालील $60 दशलक्ष फेरीची घोषणा केल्यानंतर फक्त तीन महिन्यांनी वित्तपुरवठा होईल.

नवीन फेरीचा अचूक आकार उघड केला गेला नाही आणि TechCrunch ने नमूद केले की अटी अंतिम नाहीत आणि तरीही बदलू शकतात. मेका एआयने टिप्पणीच्या विनंतीला प्रतिसाद दिला नाही आणि सेक्वॉइयाने टिप्पणी करण्यास नकार दिला. AI स्टार्टअप्समध्ये वाहणाऱ्या पैशांबद्दल अधिक माहितीसाठी, आमचे स्टार्टअप आणि व्हेंचर कॅपिटल कव्हरेज फॉलो करा.

Fintech संस्थापकांपासून रोबोट डेटापर्यंत

Mecka AI ची 2024 मध्ये चार उद्योजकांनी सह-स्थापना केली: कॅनेडियन जोश गाओ आणि मोगेन चेंग, ज्यांनी यापूर्वी रेस्टॉरंट फिनटेक स्टार्टअप तयार केले होते; जेसन चोंग, जो कॉइनबेसमध्ये सामील झाला त्यानंतर त्याचे क्रिप्टो एक्सचेंज विकत घेतले; आणि Duy Nguyen, जे ऑपरेशन्सवर लक्ष केंद्रित करतात. चारपैकी कोणीही रोबोटिक्समधून आलेले नाही — परंतु त्यांनी एक अडचण शोधून काढली जी उद्योगातील सर्वात मौल्यवान समस्यांपैकी एक बनली आहे.

कंपनीचे नाव "मेका" वरून आलेले आहे, जे मानवाद्वारे नियंत्रित विशाल रोबोट्सचे काल्पनिक प्रकार आहे आणि त्याचे व्यवसाय मॉडेल त्याच तर्काचे अनुसरण करते ज्याने भाषा मॉडेल युगातील डेटा-लेबलिंग दिग्गज तयार केले. मेका लोकांना दैनंदिन कार्ये - कॉफी बनवणे, कार फिक्स करणे — शरीर सेन्सर आणि स्मार्टफोन वापरून रेकॉर्ड करण्यासाठी पैसे देते, ज्याला उद्योग "अहंकेंद्रित" डेटा म्हणतात: कलाकारांच्या दृष्टिकोनातून वास्तविक-जागतिक मानवी गती.

त्यानंतर तो डेटा रोबोटिक्स कंपन्यांना आणि टेलीऑपरेशनसारख्या इतर भौतिक डेटा संकलन पद्धतींसह सामान्य-उद्देश आणि ह्युमनॉइड रोबोट्सचे प्रशिक्षण देणाऱ्या एआय लॅबला विकला जातो. प्रत्यक्षात, मेका रोबोटिक्ससाठी स्केल एआय, मर्कर, सर्ज आणि इतर मानवी डेटा कंपन्यांनी मोठ्या भाषेच्या मॉडेल्ससाठी काय करण्याचा प्रयत्न करीत आहे.

महसूल वाढीकडे सेक्वियाचे लक्ष वेधले गेले

आर्थिक प्रक्षेपण प्रीमियम मूल्यांकनाचे स्पष्टीकरण देते. जूनच्या सुरुवातीस, मेका अंदाज करत होता की ते $100 दशलक्ष वार्षिक रन रेटने 2026 संपेल, सह-संस्थापक जोश गाओने फॉर्च्युनला सांगितले जेव्हा कंपनीने मागील निधी उभारणीची घोषणा केली. 2024 मध्ये स्थापन झालेल्या कंपनीसाठी, दोन वर्षांच्या आत नऊ-आकड्यांचा महसूल रन रेट गाठणे - जर साध्य केले तर - ते भौतिक AI पुरवठा साखळीतील सर्वात जलद-स्केलिंग कंपन्यांमध्ये सामील होईल.

जूनमध्ये घोषित $60 दशलक्ष फेरीचे नेतृत्व फ्रेमवर्क व्हेंचर्सने मेनलो व्हेंचर्स, SV एंजल आणि Kindred Ventures यांच्या सहभागाने केले होते. तीन महिन्यांतील मूल्यांकनाच्या अंदाजे आठ पटीने Sequoia-नेतृत्वाखालील फेरी या वर्षी या क्षेत्रातील सर्वात उंच मूल्यांकन चढाईंपैकी एक असेल.

भौतिक डेटा गोल्ड रश

वास्तविक-जगातील डेटा हा रोबोटिक्स युगाचा दुर्मिळ स्त्रोत आहे अशी सट्टेबाजी करण्यात मेका एकटा नाही. TechCrunch ने गेल्या आठवड्यात अहवाल दिला की XDOF, रोबोट प्रशिक्षणासाठी वास्तविक-जागतिक डेटा गोळा करणारा आणखी एक स्टार्टअप $1.2 अब्ज मूल्याच्या नवीन फेरीच्या जवळ आहे. दरम्यान, LLM साठी बनवलेले मानवी-डेटा प्लॅटफॉर्म — स्केल एआय आणि मायक्रो१ सह — भाषा डेटाच्या पलीकडे भौतिक-जागतिक संग्रहांमध्ये विस्तारत आहेत.

गर्दी एक संरचनात्मक अंतर प्रतिबिंबित करते: मजकूर आणि प्रतिमा इंटरनेटवर जवळजवळ अमर्यादित प्रमाणात अस्तित्वात असताना, कोणीही मोठ्या प्रमाणावर भौतिक जगाची नोंद केलेली नाही. ह्युमॅनॉइड रोबोट निर्मात्यांना त्यांच्या मशीन्सना कौशल्य, संतुलन आणि निर्णय शिकवण्यासाठी सामान्य कामे — फोल्डिंग लॉन्ड्री, फर्निचर असेंबल करणे, ऑपरेटींग मशिनरी — करत असलेल्या लाखो तासांच्या प्रात्यक्षिकांची आवश्यकता असते. मोशन सेन्सर्स आणि कॅमेऱ्यांसह डेटा कॅप्चर करणे ही सध्या एकमात्र मोजमाप करण्यायोग्य पद्धतींपैकी एक आहे, म्हणूनच गुंतवणूकदार या कंपन्यांना साधनांऐवजी पायाभूत सुविधांप्रमाणे किंमत देत आहेत. मेका वापरत असलेल्या अहंकारी दृष्टिकोनाचे पर्यायांपेक्षा वेगळे फायदे आहेत. टेलिऑपरेशन, जिथे मानवी पायलट रोबोट हात दूरस्थपणे करते आणि हालचाली लॉग करते, विशिष्ट रोबोटच्या भूमितीशी जोडलेला डेटा तयार करते, ज्यामुळे हार्डवेअर पिढ्यांमध्ये पुन्हा वापरणे महाग होते. वेअरेबल सेन्सरमधून मोशन कॅप्चर, याउलट, हार्डवेअर-अज्ञेयवादी आहे: एखाद्या इंजिनची पुनर्बांधणी करणाऱ्या मेकॅनिकचे रेकॉर्डिंग उपयुक्त आहे, मग तो ग्राहक एखाद्या ह्युमनॉइड, औद्योगिक आर्म किंवा चतुर्भुज प्रशिक्षित करतो. हे स्केल करणे देखील खूप स्वस्त आहे, कारण स्मार्टफोन आणि सेन्सर किट असलेले कोणीही योगदानकर्ता बनू शकतात - समान क्राउडसोर्सिंग लॉजिक ज्यामुळे लेबलिंग प्लॅटफॉर्म्स रात्रभर हजारो कर्मचारी एकत्र करू शकतात.

अर्थशास्त्र देखील कमी सोयीस्कर पद्धतीने भाषा-मॉडेल युगाला प्रतिबिंबित करते. LLM बूममधील डेटा कंपन्यांनी शोधून काढले की त्यांचे ग्राहक — लॅब — हे त्यांचे सर्वात सक्षम संभाव्य प्रतिस्पर्धी देखील आहेत, ज्यांच्याकडे घरांतर्गत शस्त्रे गोळा करण्यासाठी संसाधने आहेत. खरेदी केलेल्या प्रात्यक्षिकांवर त्यांचे अवलंबित्व कमी करण्यासाठी रोबोटिक्स लॅब आधीपासूनच सिम्युलेशन आणि व्हिडिओ-लर्निंग पाइपलाइनसह प्रयोग करत आहेत. आवर्ती डेटाची मागणी आणि ग्राहकांचे विघटन यांच्यातील तणाव आजचे डेटा मूल्यांकन आहे की नाही हे आकार देईल.

काय पहावे

करार बंद झाला नाही आणि दोन्ही पक्षांनी रेकॉर्डवर भाष्य करण्यास नकार दिला. परंतु जर ते नोंदवलेल्या अटींच्या जवळ पूर्ण झाले तर, रोबोटिक्स डेटा सेक्टरने एकाच आठवड्यात दोन नऊ-आकड्यांचे मूल्यमापन केले असेल, ज्याने पुष्टी केली की मागणीचा धक्का ह्युमनॉइड हार्डवेअरमधून हलविला गेला आहे — जिथे फिगर, टेस्ला आणि युनिटरी सारख्या कंपन्या स्पर्धा करतात — त्यांना प्रशिक्षण देणाऱ्या डेटाचा एक स्तर खाली आहे.

यामुळे प्रत्येक डेटा मध्यस्थांना शेवटी तोंड द्यावे लागते असा प्रश्न देखील उपस्थित होतो: डेटा विकत घेणाऱ्या लॅब मध्यस्थांना पैसे देत राहतील का, किंवा बाजार परिपक्व होताना घरामध्ये संग्रह आणेल. आत्तासाठी, पैसा म्हणतो की अडथळे वास्तविक आणि खराब होत आहेत - आणि गुंतवणूकदार जो कोणी ते बंद करेल त्याला पैसे देण्यास तयार आहेत.

---

एआयच्या पुढे राहा

नवीनतम AI बातम्या, विश्लेषण आणि यश मिळवा — सर्व एकाच ठिकाणी.

अधिक AI बातम्या वाचा →