Investoři do fyzické AI vyzdvihli výrobní a polovodičové kapacity Asie jako potenciální výhodu pro robotické společnosti, které směřují ke komerčnímu nasazení, a zároveň označili přístup k datům z reálného prostředí potřebným k trénování za významnou překážku.

Klíčová zjištění

  • Investoři diskutovali o příležitostech na Tchaj-wanu, v Japonsku a jihovýchodní Asii na summitu v San Franciscu.
  • Přístup k datům z továren může být obtížný, protože výrobci se mohou zdráhat sdílet chráněné informace.
  • Startup Island TAIWAN Silicon Valley Hub pořádá další oborové diskuse a setkání investorů.

Fyzická AI: od simulace k výrobě

Na akci Silicon to Scale: A Physical AI Summit, která se konala během SF Tech Week, investoři a představitelé odvětví diskutovali o výzvě, jak nasazovat inteligentní stroje v reálném prostředí. Akce přilákala více než 170 investorů, představitelů odvětví a zakladatelů a představilo se na ní pět tchajwanských startupů: Morale AI, MetAI, Jmem Tek, Neuroshine a APMIC.

Panel zástupců firem se zabýval rozdílem mezi simulací a nasazením v reálném prostředí i výpočetní, edge a energetickou infrastrukturou potřebnou k rozšíření provozu.

Jak by mohla pomoci asijská výroba

Jeff Tao, ředitel Citi pro infrastrukturu AI, poukázal na montáž a testování polovodičů v jihovýchodní Asii, mimo jiné v Malajsii, jako na stávající kapacity, které by mohly podpořit vznikající technologie. Uvedl také, že společnosti mohou spojit silné stránky asijské výroby s přístupem na trh Spojených států, kde vysoké náklady na pracovní sílu vytvářejí příležitosti pro průmyslovou automatizaci.

Kosuke Yusa z Open Network Lab Fund uvedl, že Japonsko nabízí jinou výhodu: výrobní prostředí, která se často mění a vyžadují, aby se roboti přizpůsobovali různým úkolům a provozním podmínkám. Uly Su, vedoucí Startup Island TAIWAN Silicon Valley Hub, řekl, že Tchaj-wan může těžit ze svých silných stránek v oblasti polovodičů, elektroniky a pokročilé výroby.

Omezení v oblasti dat z továren a infrastruktury

Na rozdíl od jazykových modelů trénovaných na rozsáhlém množství digitálních informací potřebují robotické systémy specializovaná data z fyzického prostředí, například z továren a výrobních linek. Tao uvedl, že jejich shromažďování je obtížné mimo jiné proto, že se výrobci zdráhají sdílet chráněná provozní data.

Vandon Duong, principal ve společnosti DCVC, uvedl, že vývojáři jsou ochotni platit za rozmanité, dobře anotované datové soubory, zpochybnil však, jak si společnosti zabývající se sběrem dat mohou vybudovat dlouhodobou konkurenční výhodu s rostoucí konkurencí. Investoři diskutovali také o nákladech na výpočetní výkon: Tao označil dostupnost elektřiny za stále významnější úzké místo americké infrastruktury, zatímco Duong poukázal na technologie, které by mohly zvýšit efektivitu výpočtů a snížit náklady na inferenci.

Číst další zprávy

Další zprávy FinanceVelix

Upozornění

Tento článek FinanceVelix poskytuje obecné informace, nikoli personalizované finanční, investiční, právní či daňové poradenství. Tržní ceny, úrokové sazby a ekonomické podmínky se mohou měnit; investice s sebou nesou riziko ztráty. Uvedené skutečnosti vycházejí z materiálů dostupných v době zveřejnění a mohou se změnit. Důležité informace si nezávisle ověřte a v případě potřeby se poraďte s kvalifikovaným odborníkem. Zmínka o aktivu, společnosti nebo službě nepředstavuje doporučení.