Снимка: iStock

Финансирането е водено от Radical Ventures, а сред участниците са 8VC, Union Square Ventures и Hanabi Capital. В кръга се включват и досегашни инвеститори като Nvidia и Bezos Expeditions. Присъствието на тези имена е важен сигнал. То показва, че Generalist AI не се възприема просто като поредната лаборатория за впечатляващи демонстрации, а като компания, която може да се позиционира в една от най-трудните и потенциално най-доходоносни области на технологичната индустрия.

Сред индивидуалните инвеститори се открояват главният изпълнителен директор на Zoom Communications Ерик Юан, съоснователят на Xiaomi Лин Бин и изследователката в областта на изкуствения интелект Фей-Фей Ли. Подобна комбинация от стратегически капитал, рисково финансиране и лична подкрепа от водещи технологични фигури подсказва, че залогът около роботиката вече не е периферен. Секторът постепенно се превръща в естествено продължение на бума при изкуствения интелект.

Generalist AI е основана през 2024 година от специалисти с опит в Google DeepMind и Boston Dynamics — две от организациите, които имат особена тежест в развитието на модерния изкуствен интелект и напредналата роботика. Съоснователи на компанията са Пийт Флорънс, Анди Зенг и Анди Бари. Този произход е съществен, защото роботиката не допуска лесни преки пътища. За разлика от софтуерните продукти, при които грешката често остава в рамките на екрана, роботът трябва да взаимодейства с предмети, пространство, хора, сила, триене, случайност и непредвидими условия.

Най-новият модел на компанията се нарича GEN-1. Той е създаден, за да помага на роботи да усвояват и изпълняват базови физически задачи. На пръв поглед това може да звучи скромно на фона на големите обещания за универсални машини, способни да заменят човешки труд в заводи, складове, домове и болници. В действителност обаче именно простите задачи са едни от най-трудните за автоматизиране, когато трябва да бъдат изпълнявани надеждно, повтаряемо и в условия, които не са напълно контролирани.

Пийт Флорънс, съосновател и главен изпълнителен директор на Generalist AI, описва сегашния етап като момент, в който технологията започва да преминава към търговска приложимост при много прости задачи. Това уточнение е важно. В езика на роботиката „просто“ не означава лесно. То означава кратки операции, обикновено с продължителност до около минута, при които броят на променливите е ограничен. Дори в тази рамка машината трябва да разпознава обект, да преценява позиция, да регулира натиск, да коригира движение и да реагира, ако средата не се държи точно според очакването.

Компанията работи и върху по-добра сръчност на роботите - област, която остава сред най-големите препятствия пред масовата автоматизация. Generalist AI вече е показвала видеоматериали, в които GEN-1 позволява на машини да изпълняват задачи като завързване на пластмасови свински опашки и подреждане на картофен чипс. Тези примери могат да изглеждат почти битови, но носят сериозно технологично значение. Те изискват контрол върху деформируеми, чупливи или непредсказуеми предмети точно онзи тип взаимодействие, който човешката ръка извършва интуитивно, а роботът трябва да научи чрез данни, изчисления и повтаряем опит.

Generalist AI вече има клиенти, които използват нейния модел, но компанията не разкрива публично имената им. Това е обичайна предпазливост в сектор, в който конкурентното предимство често се измерва не само с алгоритми, а и с достъп до данни, промишлени партньорства и конкретни сценарии за внедряване. За потенциалните корпоративни клиенти роботиката не е игра на любопитство, а въпрос на цена, надеждност, безопасност и възвръщаемост.

Един от ключовите аргументи в полза на Generalist AI е, че според инвеститорите компанията показва последователни и предвидими подобрения при добавяне на повече данни и изчислителни ресурси към своите модели. Това е особено важно, защото технологичната индустрия търси в роботиката същия тип мащабиране, който направи възможен напредъка при големите езикови модели. При текстовете, изображенията и видеото огромни масиви от данни вече съществуват в цифров вид. При роботите проблемът е много по-сложен: няма готов, всеобщ и леснодостъпен „интернет“ от роботизирани действия.

Роб Тюс, партньор в Radical Ventures, посочва именно това като едно от големите предизвикателства. За големите езикови модели съществуват неизмерими количества текст, създаван с десетилетия от хора по цял свят. Роботите обаче имат нужда от друг тип информация - данни за движение, захват, натиск, грешки, корекции, контакт с реални предмети и физическа среда. Тези данни не могат просто да бъдат изтеглени от мрежата в достатъчно качество и обем.

Различните компании в сектора търсят различни решения. Някои използват милиони публично достъпни видеа от интернет, за да обучават системи, които разбират човешки действия и физически контекст. Generalist AI е избрала по-пряк и по-труден път. Компанията е създала специални захващащи устройства, които имитират роботизирани ръце, и е разпространила хиляди от тях сред хора по света. Чрез тази мрежа тя е събрала над 500 000 часа данни от реалния свят.

Това може да се окаже най-важният актив на компанията. В съвременния изкуствен интелект моделите често са видимата част от айсберга, но данните определят колко бързо, колко надеждно и колко трудно за копиране може да бъде едно технологично предимство. Ако Generalist AI действително е успяла да създаде мащабен и качествен източник на роботизирани данни, конкурентите ѝ няма да могат лесно да повторят този ресурс само с повече капитал.

Интересът на Nvidia към компанията също има стратегическа логика. Nvidia е в центъра на инфраструктурата за изкуствен интелект чрез своите графични процесори и платформи за ускорени изчисления. Роботиката отваря следващ хоризонт - не само обучение на модели в центрове за данни, но и внедряване на интелигентни системи в машини, фабрики, складове, автомобили, дронове и други физически устройства. В този смисъл Generalist AI попада в зона, в която изчислителната мощ, софтуерът и хардуерът започват да се сливат.

Оценката от 2 милиарда долара за компания, основана едва през 2024 година, неизбежно поставя и въпроса за очакванията. Инвеститорите очевидно залагат не само на сегашните възможности на GEN-1, а на идеята, че роботите ще преминат през ускорен цикъл на развитие, подобен на този при генеративния изкуствен интелект. Рискът е, че физическият свят е по-бавен, по-скъп и по-непрощаващ от цифровия. Един впечатляващ модел може да напише текст или да създаде изображение за секунди, но роботът трябва да се движи сред реални предмети, да не чупи, да не наранява, да не блокира и да не изисква постоянно човешко наблюдение.

Именно затова пътят към масова търговска употреба вероятно ще бъде постепенен. Най-напред ще се появят ограничени приложения - повтаряеми задачи в контролирана среда, промишлени процеси, сортиране, опаковане, манипулиране на предмети, лабораторна работа или специализирани дейности в складове. Едва след това може да се говори за по-общи роботи, които действат в по-разнообразна и динамична среда.

Generalist AI се позиционира в началото на тази промяна. Компанията не обещава незабавен скок към универсални хуманоидни помощници, а работи върху фундаментален проблем: как машините да усвоят физически умения по начин, който може да се мащабира. Това е по-малко зрелищна, но далеч по-съществена амбиция.

Новият капитал дава на Generalist AI възможност да разшири екипа си, да увеличи изчислителните ресурси, да подобри моделите си и да събира още по-големи масиви от данни. По-важното е, че финансирането показва промяна в настроенията на пазара. След първата вълна на генеративния изкуствен интелект инвеститорите търсят следващата територия, в която алгоритмите могат да произведат икономически ефект. Роботиката е очевиден кандидат, но и една от най-трудните арени.

В крайна сметка Generalist AI се превръща в пример за новата фаза на технологичната надпревара. След като изкуственият интелект се научи да пише, говори, програмира и създава изображения, следващото изпитание е да се научи да хваща, мести, подрежда, поправя и работи в свят, който не е подреден като обучителен набор от данни. Оценката от 2 милиарда долара е висока, но тя отразява именно тази надежда - че бъдещият голям пробив няма да бъде само в софтуера, а в способността на машините да превърнат интелигентността в действие.

*Текстът има аналитичен характер и не представлява инвестиционен съвет.