أعلنت Generalist، وهي شركة ناشئة في مجال الروبوتات تأسست في عام 2024، عن جولة تمويل جديدة ترفع تقييمها إلى 3 مليارات دولار بعد جمع ما يقرب من 200 مليون دولار. وتأتي هذه الدفعة الرأسمالية، التي قادتها 8VC، لترفع إجمالي تمويل Series B إلى 600 مليون دولار، مما يشير إلى أن المستثمرين يرون مساراً يقترب بسرعة نحو روبوتات يمكنها تعلم وظائف جديدة من بضع ثوانٍ من الفيديو.

طفرة التمويل وقائمة الداعمين

تُظهر الملفات التنظيمية أن ضخ 200 مليون دولار يوسع جولة Series B التي بدأت بجولة بقيمة 400 مليون دولار بقيادة Radical Ventures في يونيو. وتضيف هذه الجولة أسماءً ثقيلة مثل Nvidia وUnion Square Ventures وBezos Expeditions والرائدة في مجال الذكاء الاصطناعي Fei-Fei Li إلى قائمة مستثمري Generalist. ويؤكد انخراطهم الإيمان بأن وجود "عقل" ذكاء اصطناعي واحد للعديد من منصات الروبوتات يمكن أن يطلق موجة جديدة من الأتمتة عبر المصانع والمستودعات وبيئات الخدمة.

Gen 1.5: التعلم من العروض التوضيحية فائقة القصر

يكمن سر شهرة Generalist في نموذجها التأسيسي Gen 1.5. فبدلاً من تصميم كل حركة يدوياً، يتيح النموذج للروبوت مشاهدة مقطع فيديو — يتراوح طوله غالباً بين ثلاث إلى اثنتي عشرة ثانية فقط — ثم إعادة إنتاج المهمة الموضحة. يعتمد هذا النهج على "التعلم بالتقليد" (imitation learning)؛ حيث يستخرج الذكاء الاصطناعي إشارات الحركة، والتفاعلات مع الأشياء، والتوقيت من المدخلات المرئية، ثم يترجمها إلى أوامر تحكم للمشغلات الميكانيكية (actuators) الخاصة بالروبوت. من الناحية النظرية، يمكن لروبوت واحد اكتساب عشرات المهارات الجديدة كل أسبوع بمجرد عرض تسجيلات قصيرة عليه، مما يقلل الوقت والخبرة اللازمين لنشر الأتمتة في البيئات المتغيرة.

"لحظة ChatGPT" التي يطاردها المستثمرون

تنافس Generalist في سباق مزدحم لمنح الأجهزة (hardware) الطفرة التي منحتها النماذج اللغوية الكبيرة للبرمجيات. وتسيطر شركات منافسة مثل Physical Intelligence وSkild AI المدعومة من SoftBank بالفعل على تقييمات بمليارات الدولارات، مما يغذي رواية "لحظة ChatGPT" الأوسع نطاقاً في مجال الروبوتات. الفرضية بسيطة: نموذج متعدد الاستخدامات ومدرب مسبقاً يمكن ضبطه بدقة (fine-tuned) باستخدام الحد الأدنى من البيانات، مما قد يسمح للشركات بإضافة قدرات روبوتية دون الحاجة إلى إعادة بناء مجموعات التحكم من الصفر.

عنق الزجاجة في البيانات الفيزيائية والأصوات المتشككة

يصطدم هذا الحماس بعقبة عملية. فبينما تزدهر النماذج اللغوية الكبيرة بفضل النصوص اللامتناهية على الإنترنت، تحتاج الروبوتات إلى التفاعل الفيزيائي لتوليد بيانات التدريب. يجب أن تلتقط المستشعرات القوى، والتماسات، والهندسة ثلاثية الأبعاد، وقد يتطلب كل سيناريو جديد جمع بيانات جديدة. ويحذر بعض الخبراء من أن ندرة مجموعات البيانات الفيزيائية المتنوعة وعالية الجودة قد تبقي الذكاء الروبوتي العالمي الحقيقي بعيداً عن الجدوى التجارية لسنوات. فبدون تدفق مستمر من العروض التوضيحية في العالم الحقيقي، قد يكافح حتى نموذج مرن مثل Gen 1.5 للتعميم خارج البيئات التي رآها.

ما يجب مراقبته لاحقاً

  • تجارب النشر: ستكشف ميادين الاختبار العامة التالية لشركة Generalist — سواء في مراكز الخدمات اللوجستية أو خطوط التصنيع — عن مدى قدرة Gen 1.5 على التوسع من العروض التوضيحية المختبرية إلى المواقع الصاخبة وغير المتوقعة.
  • تطوير خطوط أنابيب البيانات: قد يؤدي التقدم في التقاط البيانات آلياً (مثل أساطيل الكاميرات التي تغذي النموذج) إلى تخفيف عنق الزجاجة في البيانات الفيزيائية.
  • التحركات التنافسية: تتبع جولات التمويل وإعلانات الشراكة من المنافسين، حيث لا يزال السباق نحو أول نموذج تأسيسي للروبوتات قابل للاعتماد على نطاق واسع في مراحله الأولى.

الخلاصة: يعكس تقييم Generalist البالغ 3 مليارات دولار إيماناً قوياً بأن نموذج ذكاء اصطناعي واحد يمكن أن يجعل الروبوتات قابلة للتكيف مثل روبوتات الدردشة اليوم، ولكن المسار يعتمد على تحويل مقاطع الفيديو القصيرة إلى حركة موثوقة في العالم الحقيقي — وهو تحدٍ هندسي سيحدد ما إذا كان هذا الوعد سيترجم إلى أتمتة يومية.