Skild AI haalt $300 miljoen Series A op voor algemene fysieke AI
Bezos en SoftBank steunen de leider in robotica-data met een waardering van $1,5 miljard om de kloof in fysieke AI-data op te lossen.
Skild AI heeft een bekendgemaakte Series A financieringsronde van $300 miljoen afgesloten (bloomberg.com) met een bekendgemaakte waardering van $1,5 miljard (bloomberg.com), wat een massale kapitaalsverschuiving naar de "Physical AI"-sector signaleert. De ronde, geleid door Lightspeed Venture Partners, Coatue en SoftBank Group, met deelname van Jeff Bezos’s Bezos Expeditions, onderstreept de groeiende realisatie dat de volgende grens van AI-monetisatie niet ligt in digitale tekst, maar in de enorme datasets die nodig zijn om algemene robots in de fysieke wereld te laten opereren.
De Fysieke Data Muur
Terwijl LLM's hebben gedijen op de overvloed aan van internet geschraapte data, wordt fysieke AI geconfronteerd met een unieke "data muur". De centrale stelling van Skild AI is dat basismodellen voor robotica getraind moeten worden op significant diversere data dan wat momenteel beschikbaar is van enkelvoudige robotarmen of gespecialiseerde drones. Het bedrijf claimt dat zijn model 1.000 keer meer data gebruikt dan zijn concurrenten (bloomberg.com), gebruikmakend van een eigen datapipline die interacties over verschillende hardwareconfiguraties vastlegt. Deze "data-first" benadering van robotica is ontworpen om een "brein" te creëren dat in elke fysieke vorm kan worden getransplanteerd, van quadrupeds tot humanoïden, en zo de schaalbaarheidsproblemen oplost die de sector historisch hebben geplaagd.
De investering komt op een moment dat durfkapitaalfondsen hun focus verleggen naar startups die de volledige stack van fysieke data-acquisitie beheersen. Coatue Management probeert bijvoorbeeld momenteel naar schatting $1 miljard op te halen (reuters.com) voor een nieuw fonds dat specifiek gericht is op AI, met een sterke nadruk op het overbruggen van de kloof tussen digitale intelligentie en fysieke uitvoering. Deze trend wordt verder onderstreept door de bekende Series B-financiering van $200 miljoen die door Waabi (techcrunch.com) is opgehaald, dat zich richt op generatieve AI voor autonoom vrachtvervoer – een ander domein met hoge inzetten waar fysieke werelddata de belangrijkste drempel is.
Monetiseren van de Biologische en Fysieke Laag
De race om fysieke werelddata breidt zich uit van robotica naar de biologische wetenschappen. EvolutionaryScale heeft onlangs een bekendgemaakte zaaifinanciering van $142 miljoen veiliggesteld (reuters.com) om biologische basismodellen te ontwikkelen. Net als Skild AI behandelt EvolutionaryScale biologische sequenties als een enorme, onbenutte dataset voor generatieve AI, met als doel nieuwe eiwitten te "programmeren". Deze convergentie van robotica, biologie en data-engineering suggereert dat de meest waardevolle data-activa van 2026 niet langer in bibliotheken te vinden zijn, maar in laboratoria en sensorennetwerken.
In de gezondheidszorg kondigde Healwell AI de overname aan van BioPharma Services (healwell.ai), een stap die specifiek is ontworpen om hoogwaardige klinische onderzoeksdata te integreren in zijn AI-platforms. Deze overname benadrukt de premie die wordt geplaatst op "ground truth" data – informatie afkomstig van fysieke experimenten en resultaten van echte patiënten – wat essentieel is voor het trainen van modellen die met hoge precisie moeten opereren in omgevingen met hoge inzetten.
Regelgevende Tegenwind en de Data Soeverein
Naarmate de waarde van fysieke en persoonlijke data exponentieel stijgt, trekken regelgevers hun greep aan. Brazilië's National Data Protection Authority heeft Meta (reuters.com) onlangs verboden om lokale gebruikersdata te gebruiken voor het trainen van zijn AI-modellen, met verwijzing naar privacyrisico's. Dit volgt een bredere wereldwijde trend waarbij data steeds meer wordt gezien als een soeverein bezit. Tegelijkertijd bereiden Franse antitrustregulatoren zich naar verluidt voor om Nvidia (reuters.com) aan te klagen wegens vermeende concurrentievervalsing, wat de zorgen weerspiegelt dat een paar dominante spelers de infrastructuur die nodig is om deze enorme nieuwe datasets te verwerken, zouden kunnen monopoliseren.
Waarom het ertoe doet voor data-eigenaren
Voor data-eigenaren vertegenwoordigen de Skild AI-deal en de bredere opkomst van Physical AI een fundamentele verschuiving in de waardering van activa. We bewegen ons voorbij het tijdperk van "scrapable" data. De nieuwe premie ligt op eigen, hoogwaardige sensordata van robotica, logistiek en biologisch onderzoek. Organisaties die "fysieke ground truth" bezitten – of het nu gaat om logboeken van magazijnbewegingen, resultaten van klinische onderzoeken of gespecialiseerde productietelemetrie – beschikken nu over de meest waardevolle trainingsactiva op de markt. Nu de "digitale bron" opdroogt, is de monetisatie van de fysieke wereld de volgende multi-biljoen dollar kans voor data-activa investeerders.
Data Academy
Go deeper with our guides
Data marketplaces, uitgelegd
Cloud-native, onafhankelijk, verticaal — en wat elk afruilt
Read the guide →4 min readData licenties, term per term
Wat u koopt is een gebruiksrecht — geen bestand
Read the guide →3 min readZijn uw gegevens geld waard?
De 7 monetiseerbare data-activa
Read the guide →From the marketplace
Explore live data opportunities
Blechwaren Limburg — Industriële Operationele Dataset Mogelijkheid
View opportunity →mobiliteitDelgate — Gelegenheid voor mobiliteitstelemetriedataset
View opportunity →mobiliteitBtg — Gelegenheid voor dataset met claimgeschiedenis
View opportunity →News & Insights
Latest from the briefing
- Hoe gecentraliseerde verwijdering de economie van databrokerage opnieuw vormgeeft
- Verborgen aansprakelijkheden bij het kopen van ongeverifieerde data van brokers
- Hoe Universele Verwijderingsmechanismen de Waardering van Consumentengegevens Beïnvloeden
- Hoe te bepalen of uw bedrijf in aanmerking komt als een gereguleerde gegevensverzamelaar
d-nvest turns the data assets behind these deals into scored, actionable opportunities.
Explore the pipeline →