Generalist AI Inc., startup z siedzibą w San Mateo, który buduje podstawowe modele robotów, zebrał około 200 milionów dolarów w nowej rundzie finansowania prowadzonej przez firmę venture 8VC, poinformowała w poniedziałek Axios, powołując się na źródło zaznajomione z umową i wniosek federalny ujawniający podwyżkę.
Według SiliconANGLE runda ta ma miejsce zaledwie dwa miesiące po tym, jak Generalist sfinalizował w czerwcu finansowanie o wartości 400 milionów dolarów przy zgłoszonej wycenie na 2 miliardy dolarów, przy czym runda obejmowała udział firm Nvidia i Bezos Expeditions. Dzięki nowemu kapitałowi firma zebrała łącznie ponad 650 milionów dolarów, podczas gdy inwestorzy nadal gromadzą się w tak zwanych fizycznych firmach zajmujących się sztuczną inteligencją, budujących systemy robotyczne ogólnego przeznaczenia. Więcej kontekstu na ten temat znajdziesz w naszych wiadomości AI.
Programowe mózgi, a nie metalowe ciała
Generalist zajmuje charakterystyczną pozycję w boomie robotyki: zamiast produkować sprzęt robotyczny, firma opracowuje „mózgi” sztucznej inteligencji – podstawowe modele szkolone na ogromnych ilościach danych – które mogą zasilać maszyny budowane przez innych producentów. Podejście to odzwierciedla strategię, w ramach której duże modele językowe stały się podstawową infrastrukturą branży chatbotów i zostały zastosowane w świecie fizycznym.
Startup zakłada, że w miarę rozprzestrzeniania się robotów w fabrykach i magazynach wartość skupi się na warstwie inteligencji, a nie na siłownikach i podwoziu. Inwestorzy wydają się podzielać tę tezę. W czerwcowej rundzie udział wzięła Nvidia – której linia chipów Jetson przeznaczona jest specjalnie dla robotów – wraz z ponad pół tuzinem innych sponsorów, a do nowego zastrzyku o wartości 200 milionów dolarów dołączyło kilku anonimowych istniejących inwestorów, jak podaje Axios.
Gen-1.5: Nauczanie robotów poprzez demonstrację
Wiadomość o finansowaniu pojawia się około tydzień po debiucie Generalist swojego najnowszego modelu Gen-1.5, który ma zasilać ramiona robotyczne w warunkach przemysłowych. Model rozwiązuje jedno z najbardziej utrzymujących się wąskich gardeł w automatyzacji fabryk: koszt i kruchość programowania robotów do każdego nowego zadania.
Historycznie rzecz biorąc, inżynierowie musieli pisać niestandardowy kod dla każdego zadania wykonywanego przez ramię robota, a nawet drobne zmiany operacyjne – na przykład zamiana większych pudeł opakowaniowych – mogły wymagać przepisania. Chociaż niektóre nowoczesne roboty są wyposażone w sztuczną inteligencję, która ogranicza ręczne kodowanie, uczenie ich nowych zadań zazwyczaj oznacza dostrajanie sieci neuronowych, a jest to proces, który może pochłonąć znaczną ilość czasu inżynieryjnego.
Gen-1.5 przyjmuje inne podejście. Użytkownicy mogą nauczyć robota nowego zadania, po prostu demonstrując je własnymi rękami, a ruch rejestrują wbudowane kamery robota lub czujniki noszone na rękach demonstratora. Model może także uczyć się z nagranych klipów przedstawiających symulowane roboty wykonujące zadania.
Liczby wydajności opublikowane przez firmę są godne uwagi. W 10 przykładowych zadaniach pokolenie 1.5 osiągnęło średni wskaźnik ukończenia zadań na poziomie 59 procent po pojedynczej demonstracji, jak je wykonać. Gdy użytkownicy podali kilka dodatkowych przykładów, wskaźnik ukończenia wzrósł do 83 procent. Generalist twierdzi, że ten model jest pierwszym, który potrafi nauczyć się szerokiego zakresu zadań robotyki na podstawie jednego lub kilku przykładów.
Model wykazywał także oznaki autonomicznej oceny podczas testów: w przypadku niektórych zadań Gen-1.5 zdecydował się wykonać zadanie przy użyciu innego narzędzia niż to, którego poinstruowano.
Oblicz koszt inteligencji fizycznej
Szkolenie takich modeli nie jest tanie. Generalist twierdzi, że szkolenie Gen-1.5 zajęło ponad osiem miesięcy i chociaż firma nie określiła szczegółowo, w jaki sposób przeznaczy nowe 200 milionów dolarów, oczekuje się, że znaczna część zostanie przeznaczona na finansowanie infrastruktury sztucznej inteligencji. Udział Nvidii w czerwcowej rundzie wskazuje, że szkolenia Generalist opierają się w dużej mierze na procesorach graficznych producenta chipów dla centrów danych.
Szybkie, kolejne zbiórki – 400 milionów dolarów w czerwcu i kolejne 200 milionów dolarów pod koniec sierpnia – odzwierciedlają nasilający się wyścig kapitałowy w dziedzinie ucieleśnionej sztucznej inteligencji. W ciągu ostatnich dwóch lat wzrosło finansowanie przedsięwzięć typu venture na rzecz robotyki i fizycznych start-upów zajmujących się sztuczną inteligencją, ponieważ ulepszenia modeli wizji, manipulacji i rozumowania sprawiły, że roboty ogólnego przeznaczenia stały się komercyjnie wiarygodne.
Generalist stoi w obliczu konkurencji ze strony dobrze finansowanych rywali realizujących podobne strategie oparte na modelach podstawowych, w tym inteligencję fizyczną, której ogólna polityka dotycząca robotów przyciągnęła znaczną uwagę badaczy. Nie wiadomo, jak będą wyglądać zwycięzcy tego segmentu, ale skala kapitału napływającego obecnie do start-upów wykorzystujących mózgi robotów sugeruje, że inwestorzy uważają, że warstwa oprogramowania robotyki może stać się równie istotna, jak warstwa modelowa rynku chatbotów.
Tempo podwyżek odzwierciedla także szybkość dojrzewania rynku oprogramowania dla robotyki. Firma, która dwa lata temu byłaby projektem badawczym, obecnie osiąga wielomiliardowe wyceny na podstawie filmów demonstracyjnych i porównawczych wskaźników wykonania zadań – wskaźników, które zaledwie kilka generacji sprzętu temu wydawałyby się fantastyczne w przypadku modeli manipulacji ogólnego przeznaczenia. Sama runda czerwcowa przyciągnęła Nvidię, Bezos Expeditions i ponad pół tuzina dodatkowych sponsorów z tego, co SiliconANGLE określił jako zatłoczony syndykat, a fakt, że 8VC ponownie wróciło na prowadzenie zaledwie osiem tygodni później, sygnalizuje, że zapotrzebowanie na alokację w firmie przekroczyło to, co była w stanie wchłonąć jedna runda.
Na razie Generalist sygnalizuje zaufanie swoim portfelem. Firma, która w ciągu jednego lata zebrała prawie dwie trzecie miliarda dolarów, skutecznie wmawia rynkowi, że era robotów uczących się zadań poprzez obserwację ludzi jest na tyle bliska rzeczywistości komercyjnej, że uzasadnia największe zakłady.
---
Bądź na Bieżąco z AINajnowsze wiadomości, analizy i przełomy w dziedzinie AI — wszystko w jednym miejscu.
Czytaj więcej wiadomości AI →
