Axios 周一报道称，总部位于圣马特奥的机器人基础模型初创公司 Generalist AI Inc. 在由风险投资公司 8VC 领投的新一轮融资中筹集了约 2 亿美元，并援引了一位熟悉该交易的消息人士的消息以及一份披露融资情况的联邦文件。
据 SiliconANGLE 报道，距离 Generalist 在 6 月完成了 4 亿美元融资仅两个月后，据报道估值为 20 亿美元，Nvidia 和 Bezos Expeditions 参与了这一轮融资。随着投资者继续涌入构建通用机器人系统的所谓实体人工智能公司，凭借新资金，该公司目前已筹集了超过 6.5 亿美元的资金。 更多相关背景，请参阅我们的人工智能资讯。
软件大脑，而不是金属身体
Generalist 在机器人热潮中占据着独特的地位：该公司不是制造机器人硬件，而是开发人工智能“大脑”——经过大量数据训练的基础模型——可以为其他制造商制造的机器提供动力。该方法反映了将大型语言模型作为聊天机器人行业的底层基础设施的策略，并将其应用于物理世界。
这家初创公司的赌注是，随着机器人在工厂和仓库中激增，其价值将集中在智能层，而不是执行器和底盘。投资者似乎也认同这一观点。据 Axios 报道，6 月份的这轮融资吸引了 Nvidia（其 Jetson 芯片系列专门针对机器人）以及其他六家以上的支持者，新注入的 2 亿美元资金还包括几位未透露姓名的现有投资者。
Gen-1.5：通过演示教学机器人
这一融资消息是在 Generalist 推出其最新型号 Gen-1.5 大约一周后发布的，该型号旨在为工业环境中的机器人手臂提供动力。该模型解决了工厂自动化中最持久的瓶颈之一：为每项新任务编程机器人的成本和脆弱性。
从历史上看，工程师必须为机械臂执行的每项任务编写自定义代码，甚至微小的操作变化（例如更换更大的包装盒）也可能需要重写。虽然一些现代机器人配备的人工智能可以减少手工编码，但教它们新任务通常意味着微调神经网络，这个过程可能会消耗大量的工程时间。
Gen-1.5 采用了不同的方法。用户只需用自己的双手演示即可教机器人一项新任务，机器人的内置摄像头或演示者手上佩戴的传感器捕捉到动作。该模型还可以从模拟机器人执行任务的录制片段中学习。
该公司公布的业绩数据引人注目。在 10 个示例任务中，当仅演示如何执行这些任务时，Gen-1.5 的平均任务完成率为 59%。当用户提供一些额外的示例时，完成率攀升至 83%。通才表示，该模型是第一个能够仅从一个或几个示例中学习广泛的机器人任务的模型。
该模型在测试过程中还表现出了自主判断的迹象：在某些任务中，Gen-1.5 选择使用与指示使用的工具不同的工具来完成任务。
物理智能的计算成本
训练这样的模型并不便宜。 Generalist 表示，Gen-1.5 花了八个多月的时间进行培训，虽然该公司尚未详细说明将如何部署新的 2 亿美元，但预计其中相当大的一部分将用于资助人工智能基础设施。 Nvidia 参与 6 月份的一轮融资表明 Generalist 的训练很大程度上依赖于该芯片制造商的数据中心 GPU。
连续两年的快速融资——6 月份筹集了 4 亿美元，8 月底又筹集了 2 亿美元——反映了实体人工智能领域日益激烈的资本竞争。过去两年，随着视觉、操作和推理模型的改进使得通用机器人在商业上变得可行，对机器人和物理人工智能初创公司的风险投资加速。
通才面临来自资金雄厚的竞争对手的竞争，这些竞争对手追求类似的基础模型策略，包括物理智能，其通才机器人政策引起了研究人员的极大关注。该领域的赢家将是什么样子仍不确定，但目前流入机器人大脑初创公司的资本规模表明，投资者相信机器人技术的软件层可能会变得与聊天机器人市场的模型层一样重要。
加薪的速度也反映了机器人软件市场成熟的速度。一家两年前还只是一个研究项目的公司现在凭借演示视频和基准任务完成率获得了数十亿美元的估值——这些指标对于几代硬件之前的通用操纵模型来说似乎是天方夜谭。仅 6 月份的一轮融资就吸引了 Nvidia、Bezos Expeditions 以及超过六家其他支持者，SiliconANGLE 称其为一个拥挤的财团，而仅仅八周后 8VC 再次领先的事实表明，该公司的分配需求超出了单轮融资所能吸收的范围。
目前，Generalist 正在表达对其钱包的信心。一家在一个夏天就筹集了近三分之二十亿美元的公司正在有效地告诉市场，机器人通过观察人类来学习任务的时代已经足够接近商业现实，足以证明最大的赌注是合理的。
---
掌握AI最新动态获取最新的AI新闻、分析和突破——尽在一处。
阅读更多AI新闻 →
