A mesterséges intelligencia után most a robotika körül kezd felpörögni a befektetői verseny. A Generalist friss tőkebevonása jól mutatja, mennyire komolyan veszik azt az elképzelést, hogy egyetlen AI-modell sokféle robot „agya” lehet.

Mi történt

A Generalist újabb, közel 200 millió dolláros tőkét vont be, amivel a cég értékelése 3 milliárd dollárra emelkedett. Ez a pénz egy korábban bejelentett, 400 millió dolláros Series B kör kiterjesztése: vagyis nem teljesen új finanszírozási fordulóról van szó, hanem ugyanannak a körnek a kibővítéséről. Így a teljes kör már 600 millió dollárnál jár.

A startupot 2024-ben alapította két korábbi Google DeepMind-kutató, Pete Florence és Andy Zeng, valamint Andrew Barry, aki korábban a Boston Dynamicsnál dolgozott. A cég eddig viszonylag csendben építkezett, miközben egy úgynevezett foundation modellt fejleszt robotokhoz. Ez leegyszerűsítve olyan alapmodellt jelent, amelyet nem egyetlen feladatra készítenek, hanem sokféle roboton és helyzetben lehet továbbhangolni. A Generalist állítása szerint a friss Gen 1.5 modell már 3–12 másodperces videós bemutatókból is képes új feladatokat megtanítani a robotoknak.

A vállalat már néhány ügyféllel dolgozik együtt, és a visszajelzéseik alapján igazítja a modellt konkrét felhasználási esetekhez. Ez fontos részlet: a „mindenre jó” robotikai AI egyelőre nem kész terméknek, inkább folyamatosan formálódó platformnak tűnik.

Miért fontos

A nagy összegű befektetés nemcsak a Generalistról szól, hanem arról a szélesebb iparági fogadásról is, hogy a robotika közelebb kerülhet egy általánosabb működéshez. Gondolj rá úgy, mint a külön-külön betanított gépek és egy rugalmasabb, több helyzethez alkalmazkodó rendszer közti váltásra: ma sok robot még olyan, mint egy alkalmazott, aki csak egyetlen munkafolyamatot tud elvégezni, míg az új megközelítés célja egy sokoldalúbb „digitális agy”. A TechCrunch anyagában megszólaló befektetői nézőpont szerint sokan egy robotikai „ChatGPT-pillanatra” számítanak, de a párhuzam nem tökéletes. A nyelvi modelleket az internet hatalmas adatmennyiségén lehetett tanítani, a robotoknál viszont a valós mozgásról, tárgykezelésről és környezeti reakciókról sokkal nehezebb és drágább adatot gyűjteni.

Mire figyelj

  1. Az egyik nagy kérdés az lesz, hogy a videóból tanulás mennyire működik a gyakorlatban. Látványos demót könnyű készíteni, de az ipari vagy otthoni környezet sokkal kiszámíthatatlanabb.
  1. Érdemes figyelni, hogy a Generalist milyen ügyfelekkel és milyen konkrét feladatokon dolgozik. Ebből derül ki, hogy a technológia inkább raktárakban, gyártásban vagy más területeken lehet először igazán hasznos.
  1. A verseny is egyre élesebb. Több rivális cég hasonló céllal épít általánosabb robotikai modelleket, ezért a következő időszakban nemcsak a tőkebevonás, hanem a valódi teljesítmény és a piaci bevezetés tempója dönthet.
  1. A legfontosabb végül az lesz, hogy a robotikai AI túl tud-e lépni a labor- és demószinten. Ha igen, az a hétköznapi felhasználónak először valószínűleg nem humanoid robotokban, hanem ügyesebb raktári, logisztikai és ipari rendszerekben jelenik meg.