Skild AI sichert sich 300 Mio. US-Dollar zur Skalierung von physischen KI-Daten für allgemeine Zwecke

Skild AI hat eine bekannt gegebene Serie-A-Finanzierungsrunde über 300 Millionen US-Dollar (https://techcrunch.com/2024/07/09/skild-ai-is-building-a-general-purpose-ai-brain-for-robots-with-300m-from-bezos-and-softbank/) mit einer geschätzten Bewertung von 1,5 Milliarden US-Dollar (https://www.bloomberg.com/news/articles/2024-07-09/bezos-softbank-back-robotics-startup-skild-ai-at-1-5-billion-valuation/) abgeschlossen, um den dringendsten Engpass der Branche zu lösen: den Mangel an hochpräzisen Daten für die physische Welt. Unter der Leitung von Lightspeed Venture Partners, Coatue und SoftBank Group, mit Beteiligung von Jeff Bezos, zielt die Kapitalzuführung auf die Schaffung eines Basismodells ab, das in der Lage ist, diverse Roboterhardware durch ein 'Skalierungsgesetz' für Daten physischer Interaktion anzutreiben.

Der große Pivot bei physischen Daten

Während große Sprachmodelle (LLMs) von den riesigen, leicht verfügbaren Datensätzen des offenen Internets profitiert haben, erfordert Physical AI eine grundlegend andere Art von Informationen. Die Kernthese von Skild AI ist, dass die nächste Grenze der Intelligenz in 'Interaktionsdaten' liegt – den sensorischen und motorischen Rückkopplungsschleifen, die entstehen, wenn Maschinen mit der physischen Umgebung interagieren. Im Gegensatz zu textbasierten Daten können diese Informationen nicht aus dem Web extrahiert werden; sie müssen durch massive Simulationen und Teleoperationen in der realen Welt generiert werden. Das Unternehmen zielt darauf ab, sein Skild Brain mit 1.000-mal mehr Daten (https://techcrunch.com/2024/07/09/skild-ai-is-building-a-general-purpose-ai-brain-for-robots-with-300m-from-bezos-and-softbank/) als aktuelle Wettbewerber zu trainieren und sich als primärer Aggregator und Verarbeiter von Verhaltensdaten für Roboter zu positionieren.

Skalierung von Basismodellen für die Robotik

Die Investition unterstreicht eine wachsende Marktüberzeugung, dass die allgemeine Robotik die gleiche Skalierungsentwicklung wie generative KI durchlaufen wird. Indem das 'Gehirn' (das Modell) vom 'Körper' (der Hardware) entkoppelt wird, baut Skild AI einen hardwareunabhängigen Datenbestand auf. Dies ermöglicht die Lizenzierung des Modells an Hersteller von allem, von humanoiden Arbeitskräften bis hin zu industriellen Manipulatoren. Dieser Ansatz spiegelt direkt die Strategie von Physical Intelligence (Pi) wider, das kürzlich geschätzte 400 Millionen US-Dollar (https://www.bloomberg.com/news/articles/2024-11-04/robotics-startup-physical-intelligence-raises-400-million-from-bezos-openai/) erhalten hat, um einen ähnlichen 'Generalisten'-Datenpfad zu verfolgen. Für Investoren liegt der Wert nicht in den Robotern selbst, sondern in den proprietären Datensätzen physischer Fehler und Erfolge, die die prädiktiven Fähigkeiten des Modells verfeinern.

Die Wettbewerbslandschaft von Weltmodellen

Das Rennen um die Vorherrschaft bei 'World AI' intensiviert sich, da spezialisierte Datenanbieter zu den neuen Königsmachern werden. Neben Skild AI konzentrieren sich Unternehmen wie Wayve, das Anfang dieses Jahres 1,05 Milliarden US-Dollar (https://wayve.ai/news/wayve-series-c/) bekannt gab, auf 'Embodied AI' für autonome Systeme. Diese Firmen konkurrieren zunehmend um begrenzte Pools hochwertiger Sensordaten, was zu einem Anstieg spezialisierter Hardware (https://www.forbes.com/sites/kenrickcai/2024/06/25/etched-funding-120-million-sohu-chip-nvidia-competitor/) führt, die speziell für die Verarbeitung der multimodalen Eingaben der physischen Welt entwickelt wurde. Mit zunehmender Skalierung von Skild AI wird die Fähigkeit, seine proprietären Daten durch Lizenzvereinbarungen zu monetarisieren, die primäre Kennzahl für seinen langfristigen Unternehmenswert sein.

Warum es für Dateneigentümer wichtig ist

Für Eigentümer von Industrie-, Logistik- und Sensordaten signalisiert die Skild AI-Runde eine massive Ausweitung des adressierbaren Marktes. Wir bewegen uns über die 'Text-Ära' der Datenmonetarisierung hinaus in die 'Interaktions-Ära'. Proprietäre Datensätze von physischen Bewegungen, Fehlerprotokolle aus automatisierten Lagern und hochauflösende Telemetriedaten von autonomen Flotten sind nicht länger nur operative Abfallprodukte – sie sind der hochoktanige Treibstoff für die nächste Generation allgemeiner KI. Dateneigentümer, die diese physischen Interaktionsdaten strukturieren und lizenzieren können, werden einen erheblichen Aufschlag erzielen, da die Nachfrage nach 'weltbereiten' Trainingsdaten das Angebot übersteigt.