MegaRobo, een Chinees bedrijf dat robots bouwt die zelf fysieke experimenten kunnen uitvoeren, heeft 200 miljoen dollar aan nieuwe financiering opgehaald om wat zij AI-for-science noemt te versnellen – een poging om van laboratoriumwerk iets te maken dat AI-agenten van begin tot eind kunnen plannen, uitvoeren en interpreteren. SiliconANGLE rapporteerde de financiering donderdag en merkte op dat het kapitaal zal gaan naar de kerntechnologie van het bedrijf en de uitbreiding van zijn geautomatiseerde life sciences-infrastructuur voor steeds complexere fysieke systemen.
MegaRobo, opgericht in 2016, bevindt zich op het kruispunt van twee stromingen die tegelijkertijd aan de industrie trekken: robotica die in de fysieke wereld kunnen optreden, en AI-modellen die meer kunnen dan alleen vragen beantwoorden. Het bedrijf heeft tot nu toe ongeveer $600 miljoen opgehaald, waaronder een Series C van bijna $300 miljoen in 2022, en zijn pitch is geëvolueerd van precisielaboratoriuminstrumenten naar iets dat dichter in de buurt komt van een besturingssysteem voor geautomatiseerde ontdekking. Voor meer informatie over waar de fysieke AI-financieringsgolf naartoe gaat, zie ons overzicht van de nieuwste AI-ontwikkelingen.
De investeerders achter de ronde
De ronde trok een mix van soeverein, regionaal en strategisch kapitaal. Investeerders die meededen waren onder meer Oman Investment Authority, Asia Investment Capital, Granite Asia, Sinovation Ventures en CMB International, aldus SiliconANGLE. De breedte van het syndicaat – dat zich uitstrekt over de Golf, het met Singapore verbonden kapitaal en Chinese durfkapitaalbedrijven – weerspiegelt hoe startups op het gebied van fysieke AI en bio-automatisering zich nu ontwikkelen op een schaal die elk afzonderlijk venture-ecosysteem te boven gaat.
Oprichter en CEO Daniel Huang vatte de stelling samen in een verklaring: “De eerste generatie AI heeft geleerd van de verzamelde kennis van de mensheid. De volgende generatie zal steeds meer leren door in de fysieke wereld te handelen – door middel van experimenten, productie en voortdurende feedback. Die verschuiving verandert AI van een systeem dat de wereld interpreteert in een systeem dat kan helpen nieuwe kennis, materialen, processen en producten te creëren.”
Wat Megalaxy Lab eigenlijk doet
Het vlaggenschipaanbod van het bedrijf, Megalaxy Lab, is een met AI verbonden experimenteel platform. Het idee, zoals MegaRobo het beschrijft, is om experimenten in de echte wereld programmeerbaar te maken: onderzoekers – of AI-agenten – configureren een experiment, leiden het door geautomatiseerde laboratoriumsystemen, volgen de uitvoering en ontvangen gestructureerde, machinaal leesbare resultaten die rechtstreeks bijdragen aan de volgende cyclus van wetenschappelijk redeneren.
Dat sluiten van de kringloop is het belangrijkste deel. De meeste AI in de wetenschap helpt tegenwoordig bij analyse of literatuur; Megalaxy is ontworpen om modellen experimenten voor te laten stellen en fysiek uit te voeren, en vervolgens van de resultaten te leren. MegaRobo zegt ook dat de grote data-uitlezingen van het platform kunnen worden versterkt als digitale tweelingen die wetenschappelijke gegevens, eiwitontwerp, biochemie en andere eigenschappen vertegenwoordigen – een simulatielaag bovenop de fysieke laag.
Hardware met een decennium aan kilometers
In tegenstelling tot veel nieuwkomers op het gebied van AI-voor-wetenschap, is het aanbod van MegaRobo verankerd in hardware die het al jaren levert. Het portfolio omvat CellVue T2000, een geautomatiseerd instrument voor celbeeldvorming; het Auflo-werkstation voor monstervoorbereiding; en het Seloris-automatiseringssysteem voor celkweek, naast de precisiemeet- en inspectie-instrumenten die het aan fabrikanten verkoopt. SiliconANGLE karakteriseert Megalaxy Lab als het publieke gezicht van de AI-for-science-strategie van het bedrijf, waarbij de instrumenten de concrete apparatuur vertegenwoordigen die het voor de industrie bouwt.
Het bedrijf ontwikkelt ook wat het de One Intelligence Stack noemt, beschreven als een gemeenschappelijke technologische basis die instrumenten, machines, materiaalprocessen en feedback uit de echte wereld omvat. Het frame positioneert het minder als een verzameling AI-producten en meer als infrastructuur waarmee AI kan handelen, leren en observeren in complexe fysieke omgevingen.
Poreva Open: eiwitontwerp testen in echte natte laboratoria
Het meest concrete bewijs van de strategie is Poreva Open, een wereldwijde AI-eiwitontwerpuitdaging die MegaRobo samen met industriële partners uitvoert, waaronder Tencent Cloud en Twist Bioscience. De uitdaging staat open voor alle modellen en technische benaderingen, en Megalaxy zal wet-lab-validatie bieden voor meer dan 10.000 eiwitontwerpsequenties – waardoor modelontwikkelaars de kans krijgen om hun ontwerpen te testen aan de hand van echte experimentele gegevens in plaats van alleen aan benchmarks.
Dat is van belang omdat eiwitontwerp een van de meest competitieve showcases voor AI in de biologie is geworden, en de aanhoudende zwakte van het veld de grondwaarheid is: modellen kunnen plausibele structuren genereren, maar het verifiëren ervan vereist een schaarse laboratoriumcapaciteit. Een roboticalaboratorium dat gestandaardiseerde wet-lab-validatie op die schaal aanbiedt, verkoopt in feite de ontbrekende helft van de lus.
De financieringsgolf van fysieke AI
MegaRobo's verbouwen land te midden van een bredere golf van kapitaal in robots die leren door te doen. De berichtgeving van SiliconANGLE deze maand heeft verschillende grote rondes in de ruimte gevolgd, waaronder de in Parijs gevestigde Genesis AI's Series A van $ 500 miljoen tegen een waardering van $ 3,5 miljard voor zijn robot op wielen voor algemeen gebruik, en de financieringsronde van $ 500 miljoen van Agile Robots onder leiding van SoftBank tegen een waardering van $ 8,5 miljard. De rode draad is de weddenschap dat de volgende stap in AI-mogelijkheden voortkomt uit het sluiten van de lus tussen modellen en de fysieke wereld – of die lus nu een fabrieksvloer, een huis of een biologielaboratorium is.
MegaRobo's variant van de weddenschap is smaller en waarschijnlijk dichter bij de inkomsten: laboratoria zijn gestructureerde omgevingen met hoogwaardige output, waar automatisering een vaste budgetlijn heeft en AI-agenten een duidelijke rol spelen bij het ontwerpen van experimenten. Het bedrijf zegt dat het nieuwe kapitaal extra aanwerving van AI-onderzoekers en robotici zal financieren en de verzameling van trainingsgegevens zal uitbreiden om de mogelijkheden van zijn modellen te vergroten.
Als de stelling over fysieke AI klopt, kunnen de laboratoria die de wetenschap runnen net zo strategisch belangrijk worden als de modellen die deze ontwerpen – en MegaRobo heeft nu nog eens $200 miljoen om dat te bewijzen.
---
Blijf AI een stap voorOntvang het laatste AI-nieuws, analyses en doorbraken – allemaal op één plek.
Lees meer AI-nieuws →