Generalist, startup robotyczny założony w 2024 roku, ogłosił nową rundę finansowania, która podnosi jego wycenę do 3 miliardów dolarów po pozyskaniu blisko 200 milionów dolarów. Zastrzyk kapitału, którym kierował 8VC, zwiększa łączną kwotę serii B do 600 milionów dolarów i sygnalizuje, że inwestorzy widzą zbliżającą się ścieżkę do robotów, które potrafią uczyć się nowych zadań na podstawie zaledwie kilku sekund wideo.

Skok finansowania i lista wspierających

Dokumenty regulacyjne wskazują, że zastrzyk 200 milionów dolarów rozszerza serię B, która rozpoczęła się rundą o wartości 400 milionów dolarów prowadzoną przez Radical Ventures w czerwcu. Runda ta wzbogaca portfolio inwestorów Generalist o takie ciężkie nazwiska jak Nvidia, Union Square Ventures, Bezos Expeditions oraz pionierka AI, Fei-Fei Li. Ich zaangażowanie podkreśla wiarę w to, że pojedynczy „mózg” AI dla wielu platform robotycznych może zapoczątkować nową falę automatyzacji w fabrykach, magazynach i sektorze usług.

Gen 1.5: Nauka na podstawie ultra-krótkich demonstracji

Sławą Generalist cieszy się jego model bazowy Gen 1.5. Zamiast ręcznego programowania każdego ruchu, model pozwala robotowi obejrzeć klip wideo – trwający często zaledwie od trzech do dwunastu sekund – a następnie odtworzyć zaprezentowane zadanie. Podejście to opiera się na uczeniu przez naśladownictwo (imitation learning): AI wyodrębnia wskazówki ruchowe, interakcje z obiektami i wyczucie czasu z sygnału wizualnego, a następnie tłumaczy je na polecenia sterujące dla siłowników robota. W teorii jeden robot mógłby przyswajać dziesiątki nowych umiejętności każdego tygodnia, po prostu oglądając krótkie nagrania, co drastycznie skróciłoby czas i wiedzę ekspercką potrzebną do wdrażania automatyzacji w zmieniających się środowiskach.

„Moment ChatGPT”, za którym gonią inwestorzy

Generalist bierze udział w wyścigu o zapewnienie sprzętowi przełomu, jakiego duże modele językowe (LLM) dostarczyły oprogramowaniu. Rywale, tacy jak Physical Intelligence czy wspierany przez SoftBank Skild AI, osiągają już wyceny liczone w dziesiątkach miliardów dolarów, co napędza szerszą narrację o „momencie ChatGPT” w robotyce. Założenie jest proste: wszechstronny, wstępnie wytrenowany model, który można dostroić przy użyciu minimalnej ilości danych, mógłby pozwolić firmom na dodawanie zdolności robotycznych bez konieczności budowania stosów sterowania od zera.

Wąskie gardło danych fizycznych i głosy sceptyków

Entuzjazm napotyka jednak praktyczną przeszkodę. Duże modele językowe rozkwitają dzięki nieskończonej ilości tekstu w internecie, ale roboty potrzebują interakcji fizycznej, aby generować dane treningowe. Sensory muszą rejestrować siły, kontakty i geometrię 3D, a każdy nowy scenariusz może wymagać świeżego gromadzenia danych. Niektórzy eksperci ostrzegają, że niedobór wysokiej jakości, różnorodnych zbiorów danych fizycznych może sprawić, że prawdziwie uniwersalna inteligencja robotyczna pozostanie lata od komercyjnej wykonalności. Bez stałego strumienia demonstracji ze świata rzeczywistego, nawet elastyczny model, taki jak Gen 1.5, może mieć trudności z generalizacją poza środowiska, które już widział.

Na co warto zwrócić uwagę

  • Testy wdrożeniowe: Kolejne publiczne poligonowe testy Generalist – czy to w centrach logistycznych, czy na liniach produkcyjnych – ujawnią, jak dobrze Gen 1.5 skaluje się z demonstracji laboratoryjnych do głośnych, nieprzewidywalnych miejsc pracy.
  • Rozwój potoków danych: Postępy w automatycznym przechwytywaniu danych (np. floty kamer zasilające model) mogą złagodzić wąskie gardło danych fizycznych.
  • Ruchy konkurencji: Należy śledzić rundy finansowania i ogłoszenia o partnerstwach konkurentów, ponieważ wyścig o pierwszy powszechnie adoptowalny model bazowy dla robotów jest wciąż w fazie wczesnego sprintu.

Wniosek: Wycena Generalist na poziomie 3 miliardów dolarów odzwierciedla silną wiarę w to, że pojedynczy model AI może uczynić roboty tak adaptacyjnymi, jak dzisiejsze chatboty, ale sukces zależy od przekształcenia krótkich klipów wideo w niezawodny ruch w świecie rzeczywistym – to wyzwanie inżynieryjne, które zdecyduje, czy obietnica przełoży się na codzienną automatyzację.