Mi történt
A 36Kr jelentése szerint a Pivot Technology, a 2024-ben alapított shenzeni székhelyű, testesített mesterséges intelligencia infrastrukturális vállalata befejezte az Angel++ és Angel+++ finanszírozási kört. A jelentés szerint az Angel++ kör összesen több tízmillió jüant, míg az Angel+++ kör közel 100 millió jüant. A Pivot szerint az adatgyűjtésen túllépve az emberi munkavégzést fizikai reprezentációkká és képzési adatokká dolgozzák fel, amelyeket a robotok felhasználhatnak. A 36Kr arról is beszámol, hogy a vállalat azt állítja, hogy a 10 milliárd jüan feletti értékű hazai testesített mesterségesintelligencia-vállalatok több mint 60%-a ügyfél, de a cikk nem nevezi meg ezeket az ügyfeleket, és nem is igazolja az adatokat.
A 36Kr jelentése szerint a Pivot Technology két korai fázisú finanszírozási kört teljesített. Az Angel++ kör összesen több tízmillió renminbit jelentett, és a Lingge Venture Capital, a Shenzhen High-tech Investment, valamint egy okostelefonokra és autonóm vezetésre összpontosító ipari befektető részvételével zajlott. Az Angel+++ kört közel 100 millió renminbinek írták le, a Juwai Capital, a Nanshan Strategic Emerging Industry Investment, a Suzhou Trends Capital, az Energy Conservation Capital, a Hangzhou Industrial Group és a West Lake Science and Technology Innovation Investment részvételével. A jelentés nem ad pontos összeget, értékelést, tulajdonosi feltételeket, záró dátumot vagy független visszaigazolást a befektetőktől.
A 36Kr szerint a Pivot-ot 2024-ben alapították, és eredetileg elsősorban az adatgyűjtésre összpontosított. A vállalat most testesült mesterséges intelligencia infrastruktúra-szolgáltatóként mutatja be magát. Kijelentett munkája magában foglalja a fizikai információk elemzését, a viselkedés jellemzését, az emberi cselekvések leképezését robottevékenységekre, és ezen információk kombinálását valódi robotoktól származó adatokkal képzés és érvényesítés céljából. A vállalat úgy írja le a tervezett csővezetéket, hogy az emberi tevékenységet tanulható fizikai tapasztalattá, majd robottevékenységgé alakítja. A jelentés szerint ezek az adatok tartalmazhatnak mozgási pályákat, térbeli összefüggéseket, kéz és test mozgását, tárgyállapotokat, érintkezést, interakciót, feladat munkafolyamatokat, befejezési szabványokat és a cselekvések közötti ok-okozati összefüggéseket.
A jelentés szerint a Pivot egy termékmátrixot épített fel, amelynek célja, hogy több adatforrásból származó információkat olyan adattermékekké alakítson, amelyek importálhatók a képzési folyamatokba. A vállalat azzal érvel, hogy a feldolgozatlan videó mennyiségének növelése önmagában nem feltétlenül javítja a robot képességeit, és az adatok megjelenítésének is hasznosabbá kell válnia a modellek számára. A 36Kr idézi a Pivot CTO-t Mu Wei-t, aki szerint az ügyfeleknek egyre nagyobb szükségük van többszintű információra, a robotcsuklós és térbeli helyzetadatoktól a szándékkal és interakcióval kapcsolatos magasabb szintű információkig. A 36Kr jelentése szerint a Pivot azt állítja, hogy a 10 milliárd jüan feletti értékű hazai testesített mesterségesintelligencia-vállalatok több mint 60%-a vált vásárlóvá, de nem közöl vevőlistát, módszertant, szerződésrészleteket vagy független megerősítést.
Forrás részletei: eu.36kr.com ↗
Miért számít
A jelentés leírja a fizikai mesterséges intelligencia ellátási lánc egy potenciálisan fontos rétegét: az emberi feladatokkal kapcsolatos tapasztalatok strukturált adatokká és robotok készségeivé alakítását. Ez megoldhatná a vállalat által leírt ismert megvalósítási problémát – a valós robotadatok korlátozott elérhetőségét különféle feladatokhoz és környezetekhez. A gyakorlati jelentősége továbbra is bizonytalan, mivel a jelentés nem tartalmaz független ügyfél-visszaigazolásokat, pénzügyi bejelentéseket, telepítési eredményeket, modellértékeléseket, bevételi adatokat, értékelést vagy finanszírozási feltételeket.
A finanszírozás azért számít, mert a befektetők érdeklődését jelzi a megtestesült AI-t támogató infrastruktúra, nem pedig csak a robotgyártók vagy az alapmodell-fejlesztők iránt. A gyárakban, logisztikai létesítményekben és szolgáltatási környezetekben működő robotoknak nem csak vizuális példákra van szükségük: az észlelést a mozgással, az objektumokkal való interakcióval, a szekvenciával, a kivételkezeléssel és a feladatok elvégzésével kell összekapcsolniuk. A Pivot javasolt szerepe az, hogy ezeket a tapasztalati formákat úgy szervezze meg, hogy azokat a képzési és érvényesítési munkafolyamatokon keresztül lehessen használni. Azt, hogy a vállalat ezt érdemben elérte-e, a cikk nem határozza meg.
A vállalat érvelése a fizikai mesterséges intelligencia valódi szűk keresztmetszetére vonatkozik. A valós világban alkalmazott robotok viszonylag korlátozottak, ami korlátozza az adatszolgáltatást, amely megmutatja, hogy a gépeknek hogyan kell kezelniük a különböző objektumokat, környezeteket, munkafolyamatokat és hibákat. Az emberi munkások már rendelkeznek tapasztalattal ezekben a helyzetekben, és ennek a tapasztalatnak a strukturált feljegyzései bővíthetik a robottanuláshoz elérhető viselkedési lehetőségeket. Ha a megközelítés működik, csökkentheti a robotikai vállalatok közötti párhuzamosságot, és újra felhasználhatóbbá teheti a speciális képzési adatokat. A jelentés azonban nem tartalmaz ellenőrzött összehasonlítást, amely azt mutatná, hogy a Pivot reprezentációi jobb pontosságot, megbízhatóságot, sebességet vagy költséget produkálnak, mint a nyers videó, a teleoperációs adatok, a szimuláció vagy a házon belüli adatfolyamok.
Az állítólagos ügyfélkoncentráció is potenciálisan jelentős kereskedelmi pozícióra utal, de azt inkább a társaság által bejelentett követelésként kell kezelni, mint megalapozott piaci tényként. A cikk nem azonosítja a vállalatokat, nem különbözteti meg a fizető ügyfeleket a próbafelhasználóktól vagy a projektpartnerektől, és nem fejti ki, hogy a „10 milliárd jüan feletti érték” jelenlegi vagy múltbeli értékelésekre vonatkozik-e. Nem jelenti továbbá a bevételt, az ügyfélmegtartást, a termelési mennyiséget, a haszonkulcsot vagy a Pivot szolgáltatásait használó ügyfelek arányát a telepített rendszerekben. Ezek a hiányosságok lehetetlenné teszik annak megítélését, hogy a finanszírozás bizonyított keresletet, stratégiai kísérletezést vagy a gyorsan növekvő piaccal kapcsolatos elvárásokat tükrözi-e.
Interaktív mechanizmus: Hogyan működik valójában
Fedezze fel interaktívan a fejlesztés mögött meghúzódó technológiát.
crm_get_transaction(id='4092').Which component of an AI application is the machine-learning model itself?
Mit nézzünk ezután
A legfontosabb nyomon követés az, hogy a Pivot képes-e kimutatni, hogy adattermékei a bemutatókon kívül is javítják a robot teljesítményét. Figyelje megnevezett ügyfeleket, függetlenül ellenőrizhető szerződéseket, termelési telepítéseket, eredményeket, ismétlődő üzletmenetet és bizonyítékokat arra vonatkozóan, hogy a vállalat képviseletei átkerülnek a robottestek és feladatok között. A további jelentéseknek azt is tisztáznia kell, hogy az emberi műveletekre vonatkozó adatokat hogyan gyűjtik, engedélyezik, védik és értékelik a pontosság szempontjából, mivel a cikk nem foglalkozik ezekkel a kérdésekkel.
Az első teszt a telepítés független bizonyítéka lesz. A jövőbeni jelentéseknél meg kell erősíteni a megnevezett robot-, modell- vagy ipari ügyfeleket, és meg kell határozni, hogy a Pivot adatait termelési rendszerekben, kísérleti programokban vagy csak kutatásban használják-e fel. A hasznos bizonyítékok közé tartozik a feladatszintű teljesítmény a Pivot adatainak használata előtt és után, a nem látott forgatókönyvek sikerességi aránya, a hibakezelés, a különböző robottestek közötti átvitel, valamint a szükséges emberi ellenőrzés mennyisége. A jelenlegi jelentés nem tartalmazza ezeket a méréseket.
Maga a finanszírozás is pontosításra szorul. A cikkben felsorolt befektetők megerősíthetik a bevétel összegét, kerek szerkezetét, időzítését, értékelését és tervezett felhasználását. Ezek a részletek segítenének megkülönböztetni a befejezett finanszírozást a bejelentett vagy részben lezárt tranzakciótól. Azt is megmutatják, hogy a Pivot tervezi-e az adatgyűjtés bővítését, szoftver- és algoritmusszolgáltatások kiépítését, új ipari szektorokba való belépést, vagy egy szélesebb platform támogatását. A cikk szerint a vállalat mélyebb algoritmus-együttműködésre számít, de nem közöl termékkiadási ütemtervet, személyzeti tervet vagy kereskedelmi célokat.
Az adatkezelés egy másik megoldatlan probléma. A Pivot megközelítése azon múlik, hogy a professzionális emberi viselkedést újrafelhasználható fizikai élménnyé alakítja, amely potenciálisan magában foglalja a részletes kézmozdulatokat, tárgyak interakcióit, munkafolyamatokat és kivételkezelést. A forrás nem fejti ki, hogy a munkavállalók hogyan járulnak hozzá az adatgyűjtéshez, hogyan védik a munkáltatói eljárásokat, hogyan választják el az érzékeny operatív információkat az általánosítható készségektől, vagy hogyan ellenőrzik a megjegyzéseket. A további vizsgálatnak meg kell vizsgálnia a magánélet védelmét, a szellemi tulajdonjogokat, a munkahelyi biztonságot és annak kockázatát, hogy az egyik környezetből tanult ábrázolás rosszul vagy nem biztonságosan teljesít egy másikban. A központi kérdés az, hogy a Pivot megbízható, átruházható robotképességet tud-e demonstrálni, nem pedig csak egy bonyolultabb adat-előkészítési formát.