Skild AI sichert sich 300 Mio. USD Series A für Physical AI Foundation Models

Skild AI hat eine bekannt gegebene Series A-Finanzierungsrunde in Höhe von 300 Millionen US-Dollar (https://techcrunch.com/2024/07/01/skild-ai-robotics-funding-softbank-bezos/) abgeschlossen, die das Robotik-Startup mit geschätzten 1,5 Milliarden US-Dollar bewertet (https://www.bloomberg.com/news/articles/2024-07-01/jeff-bezos-softbank-back-robotics-startup-skild-ai-at-1-5-billion-value). Das in Pittsburgh ansässige Unternehmen, das von ehemaligen Professoren der Carnegie Mellon University gegründet wurde, stellt eine bedeutende Wende in der Risikokapitallandschaft hin zu "Physical AI" dar – der Entwicklung von Foundation Models, die diverse Hardware antreiben können, von humanoiden Robotern bis hin zu industriellen Manipulatoren. Die Runde wurde von Lightspeed Venture Partners, Coatue und SoftBank Group angeführt, mit Beteiligung von Jeff Bezos' Bezos Expeditions, was eine der größten Frühphaseninvestitionen im Bereich der verkörperten KI bisher darstellt.

Der Wandel hin zu Daten für verkörperte Intelligenz

Im Gegensatz zu herkömmlichen Large Language Models (LLMs), die auf textbasierten Internetdaten basieren, entwickelt Skild AI ein "universelles Gehirn" für die physische Welt. Dies erfordert eine grundlegend andere Art von Datenressourcen: multimodale sensorimotorische Datensätze, die erfassen, wie Maschinen mit physischen Umgebungen interagieren. Durch das Training mit einer bekannt gegebenen Menge an diversen Robotikdaten (https://www.forbes.com/sites/kenrickcai/2024/07/01/skild-ai-300-million-funding-bezos-softbank/) zielt Skild AI darauf ab, das Problem der "Datenknappheit" zu überwinden, das die Robotik seit langem plagt. Ihr Modell ist darauf ausgelegt, über verschiedene Roboterkonfigurationen hinweg zu generalisieren und die KI-"Intelligenz" effektiv von der spezifischen Hardware zu entkoppeln, auf der sie läuft.

Dieser Ansatz spiegelt den jüngsten Erfolg anderer Pioniere im Bereich Physical AI wider. Beispielsweise hat das autonome Fahr-Startup Wayve kürzlich eine bekannt gegebene Series C-Finanzierung in Höhe von 1,05 Milliarden US-Dollar (https://www.reuters.com/technology/softbank-leads-1-billion-funding-uk-self-driving-startup-wayve-2024-05-07/) gesichert, um seine "verkörperte KI" für Fahrzeuge weiterzuentwickeln. Beide Unternehmen setzen darauf, dass die nächste Grenze des KI-Werts nicht in digitalen Inhalten liegt, sondern in der Fähigkeit, die dreidimensionale Welt zu navigieren und zu manipulieren. Die Skild AI-Runde validiert weiter die These, dass hochauflösende Daten zur physischen Interaktion zunehmend zur wertvollsten proprietären Anlageklasse der Welt werden.

Kapitalintensität und das Wettrüsten um Physical AI

Das Ausmaß der Skild AI-Runde spiegelt die immense Kapitalintensität wider, die für die Beschaffung, Simulation und Verarbeitung von Daten aus der physischen Welt erforderlich ist. Das Unternehmen konkurriert in einem sich schnell füllenden Feld, zu dem auch Figure AI gehört, das Anfang dieses Jahres 675 Millionen US-Dollar (https://www.bloomberg.com/news/articles/2024-02-29/bezos-nvidia-join-openai-in-funding-humanoid-robot-startup-figure) bekannt gegeben hat, und Tesla, das weiterhin seine Flotte von Millionen von Fahrzeugen als massive Datenerfassungsmaschine für sein Optimus-Humanoide-Programm nutzt. Die primäre Engstelle für diese Unternehmen ist nicht mehr nur die Rechenleistung, sondern die Verfügbarkeit von hochwertigen, gelabelten "Action-Daten" – Sequenzen, die zeigen, wie ein Roboter eine Aufgabe in der realen Welt erfolgreich abschließt.

Über reine Robotik hinaus expandiert der Trend zu Physical AI in spezialisierte Domänen. EvolutionaryScale hat kürzlich 142 Millionen US-Dollar (https://www.reuters.com/technology/biotech-startup-evolutionaryscale-raises-142-mln-led-by-nat-friedman-daniel-gross-2024-06-25/) bekannt gegeben, um Foundation Models auf biologische Daten anzuwenden und die physischen Strukturen von Proteinen als zu dekodierende Sprache zu behandeln. Ebenso hat das Verteidigungstechnologieunternehmen Helsing kürzlich 450 Millionen Euro (https://www.reuters.com/technology/european-defense-tech-startup-helsing-raises-487-million-2024-07-02/) gesichert, um KI auf physischen Verteidigungsplattformen einzusetzen. Diese Deals signalisieren gemeinsam, dass sich der Markt für "Daten für KI" hin zu Vermögenswerten bewegt, die die Lücke zwischen digitalen Bits und physischen Atomen schließen.

Die Lizenzierungsfront für Daten

Da die Nachfrage nach hochwertigen Trainingsdaten die öffentliche Verfügbarkeit übersteigt, werden Lizenzierungsvereinbarungen zum Standard für Modellentwickler. OpenAI hat kürzlich eine mehrjährige Lizenzvereinbarung mit Time (https://openai.com/index/time-and-openai-partnership/) unterzeichnet, um Zugang zu über 100 Jahren Archivmaterial zu erhalten, während YouTube Berichten zufolge Gespräche mit großen Plattenlabels führt, um Musik für KI-Trainingsdaten zu lizenzieren (https://www.ft.com/content/13812821-2e5f-4a6c-95b7-7e6144e54a9d). Für Physical AI-Unternehmen wie Skild wird die Lizenzierungsfront wahrscheinlich Partnerschaften mit Logistikriesen, Herstellern und Sensoranbietern umfassen, die über riesige Repositorien ungenutzter Telemetriedaten verfügen.

Warum es für Dateneigentümer wichtig ist

Für Eigentümer von industriellen, logistischen oder biologischen Daten ist die Skild AI-Runde ein klares Signal für die Marktbewertung. Da sich Foundation Models in den physischen Bereich verlagern, steigt die Prämie für "Real-World"-Telemetrie sprunghaft an. Dateneigentümer, die hochauflösende Zeitreihendaten von physischen Prozessen bereitstellen können – sei es Lagerbewegung, chemische Reaktionen oder mechanische Ausfälle –, verwalten nicht mehr nur operative Aufzeichnungen; sie verfügen über den wesentlichen Treibstoff für die nächste Generation von KI-Plattformen im Wert von mehreren Milliarden Dollar. Der Übergang von LLMs zu Physical AI deutet darauf hin, dass die lukrativsten Datenlizenzierungsgeschäfte der nächsten 24 Monate wahrscheinlich in den Bereichen physische und allgemeine KI stattfinden werden, wo Simulation und reale Sensordaten die primären Burggräben darstellen.