36Kr donosi, że Pivot Technology zbiera prawie 100 milionów juanów na infrastrukturę ucieleśnionej sztucznej inteligencji

Co się stało

36Kr informuje, że Pivot Technology, założona w 2024 r. firma zajmująca się infrastrukturą ucieleśnionej sztucznej inteligencji z siedzibą w Shenzhen, zakończyła rundy finansowania Angel++ i Angel+++. Według raportu runda Angel++ wyniosła dziesiątki milionów juanów, podczas gdy runda Angel+++ wyniosła prawie 100 milionów juanów. Pivot twierdzi, że wykracza poza gromadzenie danych i przetwarza zachowania ludzi w pracy na fizyczne reprezentacje i dane szkoleniowe, z których mogą korzystać roboty. 36Kr donosi również, że firma twierdzi, że ponad 60% krajowych firm zajmujących się ucieleśnioną sztuczną inteligencją o wartości powyżej 10 miliardów juanów to klienci, ale w artykule nie wymieniono nazwisk tych klientów ani niezależnie nie weryfikowano tych liczb.

36Kr informuje, że Pivot Technology zakończyła dwie rundy finansowania na wczesnym etapie. Rundę Angel++ opisano jako opiewającą na łączną kwotę dziesiątek milionów renminbi i obejmującą Lingge Venture Capital, Shenzhen High-tech Investment oraz inwestora przemysłowego skupiającego się na smartfonach i pojazdach autonomicznych. Rundę Angel+++ opisano na kwotę prawie 100 milionów renminbi, z udziałem Juwai Capital, Nanshan Strategic Emerging Industry Investment, Suzhou Trends Capital, Energy Conservation Capital, Hangzhou Industrial Group oraz West Lake Science and Technology Innovation Investment. Raport nie podaje dokładnej kwoty, wyceny, warunków własności, daty zamknięcia ani niezależnego potwierdzenia od inwestorów.

Według 36Kr Pivot powstał w 2024 roku i pierwotnie skupiał się głównie na gromadzeniu danych. Firma prezentuje się obecnie jako dostawca infrastruktury ucieleśnionej sztucznej inteligencji. Jego deklarowana praca polega na analizowaniu informacji fizycznych, charakteryzowaniu zachowań, mapowaniu działań ludzi na działania robotów i łączeniu tych informacji z danymi z prawdziwych robotów na potrzeby szkolenia i walidacji. Firma opisuje zamierzony rurociąg jako przekształcający działanie człowieka w fizyczne doświadczenie, którego można się nauczyć, a następnie w działanie robota. Z raportu wynika, że ​​dane te mogą obejmować trajektorie ruchu, relacje przestrzenne, ruchy dłoni i ciała, stany obiektów, kontakt, interakcję, przepływy zadań, standardy realizacji i związki przyczynowe między działaniami.

Z raportu wynika, że ​​Pivot zbudował matrycę produktów, której zadaniem jest przekształcanie informacji z wielu źródeł danych w produkty danych, które można zaimportować do procesów szkoleniowych. Firma argumentuje, że samo zwiększenie objętości nieprzetworzonego wideo niekoniecznie poprawi możliwości robota i że reprezentacja danych musi również stać się bardziej użyteczna dla modeli. 36Kr cytuje dyrektora technologicznego Pivot Mu Wei, mówiącego, że klienci coraz częściej potrzebują informacji na wielu poziomach, od danych dotyczących stawów robota i pozycji przestrzennej po informacje wyższego poziomu dotyczące intencji i interakcji. 36Kr donosi, że Pivot twierdzi, że ponad 60% krajowych firm zajmujących się wbudowaną sztuczną inteligencją o wartości powyżej 10 miliardów juanów zostało klientami, ale nie podaje żadnej listy klientów, metodologii, szczegółów umów ani niezależnego potwierdzenia.

Szczegóły źródła: eu.36kr.com ↗

Dlaczego to ma znaczenie

W raporcie opisano potencjalnie ważną warstwę łańcucha dostaw fizycznej sztucznej inteligencji: przekształcanie doświadczenia człowieka w wykonywanie zadań na ustrukturyzowane dane i umiejętności robotów. Mogłoby to rozwiązać znany problem wdrożeniowy opisany przez firmę — ograniczoną dostępność rzeczywistych danych robotów dla różnych zadań i środowisk. Praktyczne znaczenie pozostaje niepewne, ponieważ raport nie zawiera potwierdzeń niezależnych klientów, dokumentów finansowych, wyników wdrożeń, ocen modeli, danych dotyczących przychodów, wyceny ani warunków finansowania.

Finansowanie ma znaczenie, ponieważ wskazuje na zainteresowanie inwestorów infrastrukturą wspierającą ucieleśnioną sztuczną inteligencję, a nie tylko producentami robotów lub twórcami podstawowych modeli. Roboty działające w fabrykach, obiektach logistycznych i środowiskach usługowych potrzebują czegoś więcej niż tylko wizualnych przykładów: muszą łączyć percepcję z ruchem, interakcją z obiektami, sekwencjonowaniem, obsługą wyjątków i realizacją zadań. Proponowaną rolą Pivot jest organizowanie tych form doświadczenia, tak aby można je było wykorzystać w procesach szkoleniowych i walidacyjnych. Z artykułu nie wynika, czy spółce udało się to osiągnąć na znaczącą skalę.

Argumentacja firmy dotyczy prawdziwego wąskiego gardła w fizycznej sztucznej inteligencji. Wdrożenia robotów w świecie rzeczywistym są stosunkowo ograniczone, co ogranicza podaż danych pokazujących, jak maszyny powinny radzić sobie z różnymi obiektami, środowiskami, przepływami pracy i awariami. Pracownicy mają już doświadczenie w takich sytuacjach, a uporządkowane zapisy tych doświadczeń mogłyby poszerzyć zakres zachowań dostępnych na potrzeby uczenia się robotów. Jeśli to podejście się sprawdzi, może ograniczyć powielanie działań wśród firm zajmujących się robotyką i zwiększyć możliwość ponownego wykorzystania specjalistycznych danych szkoleniowych. Jednak raport nie zawiera kontrolowanego porównania pokazującego, że reprezentacje Pivot zapewniają większą dokładność, niezawodność, szybkość i koszt niż surowe dane wideo, dane teleoperacyjne, symulacje lub wewnętrzne potoki danych.

Twierdzona koncentracja klientów również wskazuje na potencjalnie znaczącą pozycję handlową, należy ją jednak traktować raczej jako twierdzenie zgłoszone przez przedsiębiorstwo, a nie ustalony fakt rynkowy. W artykule nie wskazano firm, nie rozróżniono klientów płatnych od użytkowników wersji próbnej czy partnerów projektu, ani nie wyjaśniono, czy „wycena powyżej 10 miliardów juanów” odnosi się do wycen bieżących czy historycznych. Nie raportuje również przychodów, retencji klientów, wielkości produkcji, marży ani udziału klientów korzystających z usług Pivot we wdrożonych systemach. Pominięcia te uniemożliwiają ocenę, czy finansowanie odzwierciedla udowodniony popyt, strategiczne eksperymenty czy oczekiwania co do szybko rozwijającego się rynku.

Co obejrzeć dalej

Najważniejszą obserwacją jest sprawdzenie, czy Pivot może wykazać, że jego produkty do przetwarzania danych poprawiają wydajność robota poza demonstracjami. Zwróć uwagę na nazwanych klientów, niezależnie weryfikowalne umowy, wdrożenia produkcyjne, wyniki testów porównawczych, powtarzające się transakcje i dowody na to, że reprezentacje firmy przenoszą się pomiędzy ciałami robotów i zadaniami. W dalszej sprawozdawczości należy również wyjaśnić, w jaki sposób dane dotyczące działalności człowieka są gromadzone, licencjonowane, chronione i oceniane pod kątem dokładności, ponieważ artykuł nie porusza tych kwestii.

Pierwszy test będzie niezależnym dowodem wdrożenia. Przyszłe raporty powinny wymagać potwierdzenia od wskazanych klientów z branży robotyki, modelu lub przemysłu i określać, czy dane Pivot są wykorzystywane w systemach produkcyjnych, programach pilotażowych, czy tylko w badaniach. Przydatne dowody obejmują wydajność na poziomie zadania przed i po użyciu danych Pivot, wskaźniki powodzenia w przypadku niewidocznych scenariuszy, radzenie sobie z awariami, przenoszenie między różnymi korpusami robotów oraz ilość wymaganej kontroli człowieka. Bieżący raport nie zawiera żadnego z tych pomiarów.

Samo finansowanie również wymaga wyjaśnienia. Inwestorzy wymienieni w artykule mogli potwierdzić kwotę, okrągłą strukturę, termin, wycenę i przeznaczenie wpływów. Szczegóły te pomogłyby odróżnić zakończone finansowanie od transakcji ogłoszonej lub częściowo zamkniętej. Pokazywałyby także, czy Pivot planuje rozszerzać gromadzenie danych, budować oprogramowanie i usługi algorytmiczne, wchodzić na nowe sektory przemysłowe, czy też wspierać szerszą platformę. W artykule napisano, że firma spodziewa się głębszej współpracy algorytmicznej, ale nie podaje harmonogramu wypuszczenia produktu, planu zatrudnienia ani celów komercyjnych.

Zarządzanie danymi to kolejna nierozwiązana kwestia. Podejście Pivota polega na przekształceniu profesjonalnych zachowań ludzkich w fizyczne doświadczenie wielokrotnego użytku, potencjalnie obejmujące szczegółowe ruchy rąk, interakcje z obiektami, przepływy pracy i obsługę wyjątków. Źródło nie wyjaśnia, w jaki sposób pracownicy wyrażają zgodę na gromadzenie danych, w jaki sposób chronione są procedury pracodawców, w jaki sposób wrażliwe informacje operacyjne są oddzielane od umiejętności, które można uogólnić, ani w jaki sposób sprawdzane są adnotacje. Dalsza analiza powinna zbadać prywatność, prawa własności intelektualnej, bezpieczeństwo w miejscu pracy oraz ryzyko, że przedstawienie wyuczone w jednym środowisku będzie działać słabo lub niebezpiecznie w innym. Zasadnicze pytanie brzmi, czy Pivot może wykazać niezawodne, możliwe do przeniesienia możliwości robota, a nie tylko bardziej skomplikowaną formę przygotowywania danych.

Powiązane przewodniki i quizy