Робототехнический стартап Generalist AI, работающий на стыке искусственного интеллекта и автоматизации, привлёк $400 млн в рамках раунда, итоги которого планируется объявить в четверг. По оценке, озвученной в деловой прессе, компания будет оценена в $2 млрд с учётом привлечённого финансирования. Для отрасли это сигнал о том, что инвесторы продолжают наращивать ставки на «практический» ИИ — тот, который помогает роботам действовать в реальном мире, а не только выполнять заранее запрограммированные сценарии.
Кто и на каких условиях вошёл в раунд
Во главе сделки выступила Radical Ventures. Помимо неё в финансировании приняли участие 8VC, Union Square Ventures и Hanabi Capital. Также в раунде участвовали действующие инвесторы — Nvidia и Bezos Expeditions, что важно с точки зрения технологической и отраслевой поддержки: такие игроки обычно не ограничиваются деньгами, а помогают стартапам выстраивать продуктовую стратегию и доступ к вычислительным ресурсам.
Привлечённые средства будут направлены на развитие более продвинутых моделей искусственного интеллекта. Смысл проекта — научить роботов выполнять задачи, которые становятся всё сложнее по мере того, как автоматизация выходит за пределы лабораторий и складов, переходя в бытовые и промышленные сценарии, где условия меняются.
Участники и «звёздный» состав
В раунде участвовали руководители и предприниматели из технологического сектора. Среди них — Эрик Юань, генеральный директор Zoom Communications Inc. (NASDAQ:ZM), а также Линь Бин, сооснователь Xiaomi Corp. Кроме того, в сделке фигурирует имя Фэй-Фэй Ли — известного исследователя в области ИИ.
Сам факт присутствия представителей крупных компаний и признанных специалистов подчёркивает, что Generalist AI развивается в нише, которая сейчас привлекает повышенное внимание: когда ИИ не просто «понимает» данные, а помогает роботам выполнять физические действия — поднимать, перемещать, сортировать, взаимодействовать с предметами и инструментами в условиях неопределённости.
Что известно о модели GEN-1
Ключевой технологический акцент связан с последней разработкой стартапа — моделью GEN-1. Её назначение — помочь роботам осваивать и выполнять более «базовые» физические операции, то есть те действия, которые служат фундаментом для дальнейшего усложнения сценариев.
По словам Пита Флоренса, сооснователя и генерального директора Generalist AI, система «в общем виде начинает приближаться к коммерческой применимости для очень простых задач». Иными словами, GEN-1 ориентирована на практическую пользу уже сейчас — пусть и в сравнительно ограниченном наборе действий, которые важны для первых внедрений в бизнес.
Почему раунд пришёлся именно на этот момент
Финансирование Generalist AI происходит на фоне активизации венчурного рынка в сегменте, где ИИ соединяют с робототехникой. Инвесторы всё чаще поддерживают компании, которые создают модели, позволяющие роботам расширять спектр физических операций — от простых повторяющихся действий до более адаптивных сценариев.
В таких проектах главная задача обычно заключается в том, чтобы алгоритмы могли переносить навыки между ситуациями: например, робот должен уметь действовать не только в идеально подготовленной среде, но и при вариациях в формах, размерах, расположении предметов и даже уровне «шума» в восприятии.
Справка: что означает «Generalist AI» в контексте робототехники
-
Generalist AI — подход к ИИ, при котором система стремится быть «универсальнее» узкоспециализированных решений: она должна осваивать разные типы задач, а не только один заранее заданный сценарий.
-
Модель — программная система, которая «учится» по данным и затем делает выводы: в робототехнике это может означать выбор действий в ответ на то, что робот видит и понимает.
-
Физические задачи — операции, требующие управления механикой: захват, перенос, сортировка, манипуляции с объектами и другие действия в трёхмерной среде.
Итог
Раунд на $400 млн и оценка компании в $2 млрд с учётом новых инвестиций укрепляют позиции Generalist AI среди игроков, которые пытаются сделать роботам «человеко-подобные» навыки на уровне практических действий. Дальнейшее развитие моделей и фокус на задачах, которые легче всего масштабировать в коммерческих условиях, будут определять, насколько быстро технологии перейдут от прототипов к массовым внедрениям.
