MegaRobo, एक चिनी कंपनी जी स्वत: भौतिक प्रयोग करण्यास सक्षम रोबोट तयार करते, ज्याला AI-for-science म्हणतात त्याला गती देण्यासाठी $200 दशलक्ष नवीन निधी जमा केला आहे - प्रयोगशाळेत काम करण्यासाठी AI एजंट योजना करू शकतात, कार्यान्वित करू शकतात आणि शेवटपर्यंत अर्थ लावू शकतात. SiliconANGLE ने गुरुवारी निधीची नोंद केली, हे लक्षात घेऊन भांडवल कंपनीच्या मूळ तंत्रज्ञानाकडे जाईल आणि वाढत्या जटिल भौतिक प्रणालींसाठी त्याच्या स्वयंचलित जीवन विज्ञान पायाभूत सुविधांच्या विस्ताराकडे जाईल.

2016 मध्ये स्थापित, MegaRobo एकाच वेळी दोन प्रवाहांच्या छेदनबिंदूवर बसले आहे: रोबोटिक्स जे भौतिक जगात कार्य करू शकतात आणि AI मॉडेल जे प्रश्नांची उत्तरे देण्यापेक्षा अधिक करू शकतात. कंपनीने आत्तापर्यंत अंदाजे $600 दशलक्ष उभे केले आहेत, ज्यामध्ये 2022 मध्ये जवळपास $300 दशलक्ष सिरीज C समाविष्ट आहे आणि त्याची खेळपट्टी अचूक लॅब उपकरणांपासून स्वयंचलित शोधासाठी ऑपरेटिंग सिस्टमच्या जवळ विकसित झाली आहे. फिजिकल-एआय फंडिंग वेव्ह कोठे जात आहे याविषयी अधिक माहितीसाठी, द एआय डेव्हलपमेंट्स चा आमचा राउंडअप पहा.

या फेरीमागे गुंतवणूकदार

या फेरीत सार्वभौम, प्रादेशिक आणि धोरणात्मक भांडवल यांचे मिश्रण झाले. SiliconANGLE नुसार, सामील झालेल्या गुंतवणूकदारांमध्ये ओमान इन्व्हेस्टमेंट अथॉरिटी, एशिया इन्व्हेस्टमेंट कॅपिटल, ग्रॅनाइट एशिया, सिनोव्हेशन व्हेंचर्स आणि CMB इंटरनॅशनल यांचा समावेश आहे. सिंडिकेटची रुंदी - आखाती, सिंगापूर-लिंक्ड कॅपिटल आणि चिनी VC दिग्गजांपर्यंत पसरलेली - हे प्रतिबिंबित करते की फिजिकल-एआय आणि बायो-ऑटोमेशन स्टार्टअप्स आता किती प्रमाणात वाढवत आहेत जे कोणत्याही एकल उद्यम इकोसिस्टमला मागे टाकते.

संस्थापक आणि मुख्य कार्यकारी डॅनियल हुआंग यांनी एका निवेदनात प्रबंध तयार केला: "AI ची पहिली पिढी मानवजातीच्या संचित ज्ञानातून शिकली. पुढील पिढी भौतिक जगात कृती करून - प्रयोग, उत्पादन आणि सतत अभिप्राय याद्वारे अधिकाधिक शिकेल. ते AI बदलते अशा प्रणालीतून बदलते जी जगाला नवीन ज्ञान, साहित्य, उत्पादने आणि प्रक्रिया तयार करण्यात मदत करू शकते."

मेगालेक्सी लॅब प्रत्यक्षात काय करते

कंपनीची प्रमुख ऑफर, Megalaxy Lab, एक AI-कनेक्टेड प्रायोगिक प्लॅटफॉर्म आहे. MegaRobo ने वर्णन केल्याप्रमाणे, कल्पना वास्तविक-जगातील प्रयोगांना प्रोग्राम करण्यायोग्य बनवणे आहे: संशोधक — किंवा AI एजंट — प्रयोग कॉन्फिगर करतात, ते स्वयंचलित प्रयोगशाळा प्रणालींद्वारे मार्गस्थ करतात, अंमलबजावणीचा मागोवा घेतात आणि संरचित, मशीन-वाचनीय परिणाम प्राप्त करतात जे वैज्ञानिक तर्कांच्या पुढील चक्रात थेट प्रवेश करतात.

लूप बंद करणे हा महत्त्वाचा भाग आहे. आज विज्ञानातील बहुतेक AI विश्लेषण किंवा साहित्यात मदत करतात; Megalaxy ची रचना मॉडेल्सना प्रस्तावित करण्यासाठी आणि प्रत्यक्षरित्या प्रयोग करू देण्यासाठी, नंतर परिणामांमधून शिकण्यासाठी केली गेली आहे. MegaRobo असेही म्हणते की प्लॅटफॉर्मचे मोठे डेटा रीडआउट वैज्ञानिक डेटा, प्रोटीन डिझाइन, बायोकेमिस्ट्री आणि इतर गुणधर्मांचे प्रतिनिधित्व करणारे डिजिटल जुळे म्हणून वाढविले जाऊ शकते - भौतिक एकाच्या वर एक सिम्युलेशन लेयर.

एक दशकाच्या मायलेजसह हार्डवेअर

अनेक AI-विज्ञान प्रवेशकर्त्यांप्रमाणे, MegaRobo ची ऑफर अनेक वर्षांपासून पाठवलेल्या हार्डवेअरमध्ये आहे. त्याच्या पोर्टफोलिओमध्ये सेलव्ह्यू T2000, एक स्वयंचलित सेल-इमेजिंग इन्स्ट्रुमेंट समाविष्ट आहे; ऑफ्लो नमुना-तयारी वर्कस्टेशन; आणि सेलोरिस सेल कल्चरिंग ऑटोमेशन सिस्टम, अचूक मोजमाप आणि तपासणी साधनांसह ते उत्पादकांना विकते. SiliconANGLE कंपनीच्या AI-for-science धोरणाचा सार्वजनिक चेहरा म्हणून Megalaxy Lab चे वैशिष्ट्य दर्शवते, ज्यामध्ये ती उद्योगासाठी तयार केलेल्या ठोस उपकरणांचे प्रतिनिधित्व करते.

कंपनी ज्याला वन इंटेलिजन्स स्टॅक म्हणतात ते विकसित करत आहे — ज्याचे वर्णन साधने, मशीन्स, साहित्य प्रक्रिया आणि वास्तविक-जगातील अभिप्राय पसरवणारे एक सामान्य तंत्रज्ञान फाउंडेशन म्हणून केले जाते. फ्रेमिंग हे एआय उत्पादनांचा संग्रह म्हणून कमी आणि पायाभूत सुविधा म्हणून अधिक स्थान देते जे एआयला जटिल भौतिक वातावरणात कार्य करू देते, शिकू देते आणि निरीक्षण करू देते.

पोरेवा ओपन: रिअल वेट लॅब विरुद्ध प्रोटीन डिझाइनची चाचणी

धोरणाचा सर्वात ठोस पुरावा म्हणजे पोरेवा ओपन, जागतिक AI प्रोटीन डिझाइन चॅलेंज मेगारोबो टेनसेंट क्लाउड आणि ट्विस्ट बायोसायन्ससह उद्योग भागीदारांसह चालू आहे. हे आव्हान सर्व मॉडेल्स आणि तांत्रिक दृष्टिकोनांसाठी खुले आहे, आणि Megalaxy 10,000 पेक्षा जास्त प्रोटीन डिझाइन अनुक्रमांसाठी वेट-लॅब प्रमाणीकरण प्रदान करेल — मॉडेल डेव्हलपरना त्यांच्या डिझाइनची केवळ बेंचमार्क्सऐवजी वास्तविक प्रायोगिक डेटावर चाचणी घेण्याची संधी देईल.

हे महत्त्वाचे आहे कारण प्रथिने डिझाइन हे जीवशास्त्रातील AI साठी सर्वात स्पर्धात्मक प्रदर्शनांपैकी एक बनले आहे, आणि या क्षेत्राची सततची कमकुवतता हे सत्य आहे: मॉडेल प्रशंसनीय संरचना निर्माण करू शकतात, परंतु त्यांची पडताळणी करण्यासाठी दुर्मिळ प्रयोगशाळेची क्षमता आवश्यक आहे. त्या प्रमाणात प्रमाणित वेट-लॅब प्रमाणीकरण देणारी रोबोटिक्स लॅब लूपच्या हरवलेल्या अर्ध्या भागाची प्रभावीपणे विक्री करत आहे.

भौतिक AI च्या निधीची लाट

MegaRobo च्या मोठ्या प्रमाणावर भांडवलाच्या वाढीमध्ये यंत्रमानव जे कृती करून शिकतात. या महिन्यात SiliconANGLE च्या कव्हरेजने अंतराळातील अनेक प्रमुख फेऱ्यांचा मागोवा घेतला आहे, ज्यामध्ये पॅरिस-आधारित जेनेसिस AI च्या $500 दशलक्ष मालिका A चा त्याच्या चाकांच्या सामान्य-उद्देशीय रोबोटसाठी $3.5 अब्ज मुल्यांकन आणि Agile Robots च्या $500 दशलक्ष फंडिंग राउंडमध्ये SoftBank च्या नेतृत्वाखाली $8u5 बिलियन मूल्याचा समावेश आहे. सामान्य धागा हा एक पैज आहे की एआय क्षमतेचा पुढील भाग मॉडेल आणि भौतिक जग यांच्यातील लूप बंद करण्यापासून येतो — मग तो लूप कारखाना मजला असो, घर असो किंवा जीवशास्त्र प्रयोगशाळा असो.

MegaRobo च्या पैजेचा प्रकार अरुंद आहे आणि, निर्विवादपणे, कमाईच्या जवळ आहे: प्रयोगशाळा उच्च-मूल्य आउटपुटसह संरचित वातावरण आहेत, जेथे ऑटोमेशनची स्थापित बजेट लाइन आहे आणि AI एजंट्सची प्रयोग डिझाइनमध्ये स्पष्ट भूमिका आहे. कंपनीचे म्हणणे आहे की नवीन भांडवल एआय संशोधक आणि रोबोटिस्ट्सच्या अतिरिक्त नियुक्तीसाठी निधी देईल आणि मॉडेल्सची क्षमता वाढवण्यासाठी त्याचे प्रशिक्षण डेटा संग्रह वाढवेल.

फिजिकल-एआय थीसिस धारण केल्यास, विज्ञान चालवणाऱ्या प्रयोगशाळा हे डिझाइन करणाऱ्या मॉडेल्सप्रमाणे धोरणात्मकदृष्ट्या महत्त्वाच्या ठरू शकतात — आणि मेगारोबोकडे आता ते सिद्ध करण्यासाठी आणखी $200 दशलक्ष आहेत.

---

एआयच्या पुढे राहा

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

अधिक AI बातम्या वाचा →