Generalist, робототехнический стартап, основанный в 2024 году, объявил о новом раунде финансирования, который поднял его оценку до 3 миллиардов долларов после привлечения почти 200 миллионов долларов. Приток капитала под руководством 8VC доводит общий объем финансирования серии B до 600 миллионов долларов и свидетельствует о том, что инвесторы видят стремительно приближающийся путь к созданию роботов, способных обучаться новым задачам по коротким видеороликам.

Всплеск финансирования и состав инвесторов

Согласно регуляторным документам, вливание 200 миллионов долларов расширяет раунд серии B, который начался с раунда на 400 миллионов долларов под руководством Radical Ventures в июне. Раунд пополнил список инвесторов Generalist такими тяжеловесами, как Nvidia, Union Square Ventures, Bezos Expeditions и пионер в области ИИ Fei-Fei Li. Их участие подчеркивает веру в то, что единый ИИ-«мозг» для множества робототехнических платформ может спровоцировать новую волну автоматизации на заводах, складах и в сфере услуг.

Gen 1.5: обучение на сверхкоротких демонстрациях

Главная гордость Generalist — их базовая модель Gen 1.5. Вместо того чтобы вручную прописывать каждое движение, модель позволяет роботу посмотреть видеоклип — часто длительностью всего от трех до двенадцати секунд — и затем воспроизвести продемонстрированную задачу. Этот подход основан на обучении имитации: ИИ извлекает из визуального ряда подсказки о движении, взаимодействии с объектами и тайминге, а затем преобразует их в команды управления приводами робота. Теоретически, один робот мог бы осваивать десятки новых навыков каждую неделю, просто просматривая короткие записи, что резко сокращает время и опыт, необходимые для внедрения автоматизации в меняющихся условиях.

«Момент ChatGPT», за которым охотятся инвесторы

Generalist участвует в напряженной гонке за то, чтобы дать аппаратному обеспечению тот же прорыв, который большие языковые модели дали программному обеспечению. Конкуренты, такие как Physical Intelligence и поддерживаемая SoftBank компания Skild AI, уже имеют оценку в десятки миллиардов долларов, что подпитывает нарратив о грядущем «моменте ChatGPT» для робототехники. Суть проста: универсальная предобученная модель, которую можно дообучить на минимальном объеме данных, позволит компаниям добавлять робототехнические возможности без необходимости перестраивать стеки управления с нуля.

Узкое место в физических данных и скептические голоса

Энтузиазм сталкивается с практическим препятствием. Большие языковые модели процветают благодаря бесконечному количеству текстов в интернете, но роботам для генерации обучающих данных необходимо физическое взаимодействие. Датчики должны фиксировать силы, контакты и 3D-геометрию, и каждый новый сценарий может потребовать сбора свежих данных. Некоторые эксперты предупреждают, что дефицит высококачественных и разнообразных наборов физических данных может отложить появление по-настоящему универсального робототехнического интеллекта на годы. Без постоянного потока демонстраций из реального мира даже такая гибкая модель, как Gen 1.5, может столкнуться с трудностями при попытке обобщить опыт за пределы тех сред, которые она уже видела.

На что обратить внимание

  • Испытания в эксплуатации: Следующие публичные испытания Generalist — будь то в логистических центрах или на производственных линиях — покажут, насколько хорошо Gen 1.5 масштабируется от лабораторных демо до шумных и непредсказуемых объектов.
  • Разработка конвейера данных: Прогресс в автоматизированном сборе данных (например, использование флотилий камер для подачи данных в модель) может облегчить проблему «узкого места» в физических данных.
  • Действия конкурентов: Следите за раундами финансирования и объявлениями о партнерствах конкурентов, так как гонка за первой широко применимой базовой моделью для роботов все еще находится на стадии спринта.

Итог: Оценка Generalist в 3 миллиарда долларов отражает твердую уверенность в том, что единая модель ИИ может сделать роботов такими же адаптивными, как современные чат-боты, но успех зависит от способности превращать короткие видеоклипы в надежные движения в реальном мире — инженерная задача, которая определит, воплотятся ли обещания в повседневную автоматизацию.