Skild AI залучила $300 млн для масштабування загальнопризначених фізичних AI-даних

Компанія Skild AI закрила раунд фінансування Серії А на суму 300 мільйонів доларів США (https://techcrunch.com/2024/07/09/skild-ai-is-building-a-general-purpose-ai-brain-for-robots-with-300m-from-bezos-and-softbank/) з оціночною вартістю 1,5 мільярда доларів США (https://www.bloomberg.com/news/articles/2024-07-09/bezos-softbank-back-robotics-startup-skild-ai-at-1-5-billion-valuation/), щоб вирішити найгострішу проблему галузі: дефіцит високоякісних даних для фізичного світу. Залучені кошти, під керівництвом Lightspeed Venture Partners, Coatue та SoftBank Group, за участі Джеффа Безоса, спрямовані на створення фундаментальної моделі, здатної забезпечувати роботу різноманітного роботизованого обладнання за допомогою «закону масштабування» для даних фізичної взаємодії.

Велика зміна парадигми фізичних даних

Хоча великі мовні моделі (LLM) отримали переваги від величезних, легкодоступних наборів даних з відкритого Інтернету, фізичний ШІ потребує принципово іншого класу інформації. Основна теза Skild AI полягає в тому, що наступним рубежем інтелекту є «дані взаємодії» — петлі зворотного зв'язку сенсорних і моторних даних, що генеруються під час взаємодії машин з фізичним середовищем. На відміну від текстових даних, цю інформацію неможливо отримати з Інтернету; її необхідно генерувати за допомогою масштабного моделювання та телеоперації в реальному світі. Компанія прагне навчати свій Skild Brain на даних, що в 1000 разів перевищують обсяг (https://techcrunch.com/2024/07/09/skild-ai-is-building-a-general-purpose-ai-brain-for-robots-with-300m-from-bezos-and-softbank/) у порівнянні з поточними конкурентами, позиціонуючи себе як основного агрегатора та обробника активів роботизованої поведінки.

Масштабування фундаментальних моделей для робототехніки

Інвестиції підкреслюють зростаюче ринкове переконання, що універсальна робототехніка піде тим самим шляхом масштабування, що й генеративний ШІ. Відокремлюючи «мозок» (модель) від «тіла» (обладнання), Skild AI створює апаратні незалежні дані. Це дозволяє ліцензувати модель виробникам усього, від людиноподібних робітників до промислових маніпуляторів. Такий підхід безпосередньо відображає стратегію Physical Intelligence (Pi), яка нещодавно залучила приблизно 400 мільйонів доларів США (https://www.bloomberg.com/news/articles/2024-11-04/robotics-startup-physical-intelligence-raises-400-million-from-bezos-openai/) для реалізації подібного «універсального» шляху даних. Для інвесторів цінність полягає не в самих роботах, а в пропрієтарних наборах даних про фізичні збої та успіхи, які вдосконалюють прогностичні можливості моделі.

Конкурентне середовище світових моделей

Гонка за домінування у сфері «світового ШІ» загострюється, оскільки спеціалізовані постачальники даних стають новими ключовими гравцями. Окрім Skild AI, компанії, такі як Wayve, яка раніше цього року залучила 1,05 мільярда доларів США (https://wayve.ai/news/wayve-series-c/), зосереджуються на «втіленому ШІ» для автономних систем. Ці фірми все частіше конкурують за обмежені пули високоякісних сенсорних даних, що призводить до сплеску спеціалізованого обладнання (https://www.forbes.com/sites/kenrickcai/2024/06/25/etched-funding-120-million-sohu-chip-nvidia-competitor/), розробленого спеціально для обробки мультимодальних вхідних даних фізичного світу. У міру масштабування Skild AI її здатність монетизувати пропрієтарні дані через ліцензійні угоди буде основним показником її довгострокової корпоративної цінності.

Чому це важливо для власників даних

Для власників промислових, логістичних та сенсорних даних раунд Skild AI сигналізує про масивне розширення адресного ринку. Ми виходимо з «Ери тексту» монетизації даних в «Еру взаємодії». Пропрієтарні набори даних про фізичні рухи, журнали помилок з автоматизованих складів та високодетальна телеметрія з автономних парків більше не є просто операційними відходами — вони є високооктановим паливом для наступного покоління універсального ШІ. Власники даних, які можуть структурувати та ліцензувати ці активи фізичної взаємодії, можуть отримати значну премію, оскільки попит на «готові до світу» навчальні дані перевищує пропозицію.