Skild AI залучила $300 млн для масштабування загального фізичного ШІ-датасету

Skild AI закрила раунд фінансування Серії А на суму $300 мільйонів (https://techcrunch.com/2024/07/09/skild-ai-is-building-a-general-purpose-ai-brain-for-robots-with-300m-from-bezos-and-softbank/) з оцінкою приблизно $1.5 мільярда (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 керувати різноманітним робототехнічним обладнанням за допомогою «закону масштабування» для даних фізичної взаємодії.

Великий поворот до фізичних даних

Хоча великі мовні моделі (LLM) отримали переваги від величезних, легкодоступних датасетів відкритого інтернету, Фізичний ШІ вимагає принципово іншого класу інформації. Основна теза Skild AI полягає в тому, що наступним кордоном інтелекту є «дані взаємодії» — петлі зворотного зв'язку сенсорних та моторних даних, що генеруються під час взаємодії машин з фізичним середовищем. На відміну від текстових даних, цю інформацію неможливо отримати з веб-сайтів; її необхідно генерувати шляхом масштабного моделювання та реальної телеоперації. Компанія прагне навчити 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 поточних конкурентів, позиціонуючи себе як основного агрегатора та обробника робототехнічних активів поведінки.

Масштабування фундаментальних моделей для робототехніки

Інвестиції підкреслюють зростаюче переконання ринку в тому, що загальна 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. Цей підхід безпосередньо відображає стратегію Physical Intelligence (Pi), яка нещодавно залучила приблизно $400 мільйонів (https://www.bloomberg.com/news/articles/2024-11-04/robotics-startup-physical-intelligence-raises-400-million-from-bezos-openai/) для реалізації подібного «загального» шляху даних. Для інвесторів цінність полягає не в самих роботах, а в пропрієтарних датасетах фізичних невдач та успіхів, 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, такі компанії, як Wayve, яка раніше цього року залучила заявлені $1.05 мільярда (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 вартості.

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 датасети фізичних рухів, журнали помилок автоматизованих складів та високоточна телеметрія автономних автопарків більше не є просто операційними відходами — вони є високооктановим паливом для наступного покоління загального ШІ. Власники даних, які можуть структурувати та ліцензувати ці активи фізичної взаємодії, отримають значну премію, оскільки попит на «готові до світу» навчальні дані перевищує пропозицію.