Beleggers in fysieke AI wezen op de productie- en halfgeleidercapaciteiten van Azië als potentiële voordelen voor roboticatechnologiebedrijven die toewerken naar commerciële inzet, en noemden toegang tot trainingsgegevens uit de praktijk als een groot obstakel.

Belangrijkste punten

  • Beleggers bespraken kansen in Taiwan, Japan en Zuidoost-Azië tijdens een top in San Francisco.
  • Fabrieksgegevens zijn soms moeilijk te verkrijgen, omdat fabrikanten mogelijk terughoudend zijn om bedrijfseigen informatie te delen.
  • De Startup Island TAIWAN Silicon Valley Hub organiseert verdere dialogen binnen de sector en bijeenkomsten voor beleggers.

Fysieke AI: van simulatie naar productie

Tijdens Silicon to Scale: A Physical AI Summit, onderdeel van SF Tech Week, bespraken beleggers en leidinggevenden uit de sector de uitdaging om intelligente machines in de praktijk in te zetten. Het evenement trok meer dan 170 beleggers, leiders uit de sector en oprichters en presenteerde vijf Taiwanese startups: Morale AI, MetAI, Jmem Tek, Neuroshine en APMIC.

Een panel met vertegenwoordigers van bedrijven onderzocht de kloof tussen simulatie en inzet in de praktijk, evenals de computer-, edge- en energie-infrastructuur die nodig is om op te schalen.

Hoe de Aziatische maakindustrie kan helpen

Jeff Tao, directeur AI-infrastructuur bij Citi, wees op assemblage- en testactiviteiten voor halfgeleiders in Zuidoost-Azië, waaronder Maleisië, als bestaande capaciteiten die opkomende technologieën kunnen ondersteunen. Hij zei ook dat bedrijven de sterke punten van de Aziatische maakindustrie kunnen combineren met toegang tot de Verenigde Staten, waar hoge arbeidskosten kansen bieden voor industriële automatisering.

Kosuke Yusa van Open Network Lab Fund zei dat Japan een ander voordeel biedt: productieomgevingen die vaak veranderen en waarin robots zich moeten aanpassen aan uiteenlopende taken en bedrijfsomstandigheden. Uly Su, hoofd van de Startup Island TAIWAN Silicon Valley Hub, zei dat Taiwan kan voortbouwen op zijn sterke punten in halfgeleiders, elektronica en geavanceerde productie.

Beperkingen rond fabrieksgegevens en infrastructuur

In tegenstelling tot taalmodellen die zijn getraind op uitgebreide digitale informatie, hebben robotsystemen gespecialiseerde gegevens nodig uit fysieke omgevingen, zoals fabrieken en productielijnen. Tao zei dat het verzamelen daarvan deels moeilijk is omdat fabrikanten terughoudend zijn om bedrijfseigen operationele gegevens te delen.

Vandon Duong, principal bij DCVC, zei dat ontwikkelaars bereid zijn te betalen voor gevarieerde, goed geannoteerde datasets, maar vroeg zich af hoe bedrijven die gegevens verzamelen blijvende voordelen kunnen opbouwen nu de concurrentie toeneemt. Beleggers bespraken ook de kosten van computerkracht: Tao wees erop dat de beschikbaarheid van elektriciteit in de VS een steeds belangrijker knelpunt voor de infrastructuur vormt, terwijl Duong wees op technologieën die de efficiëntie van computerkracht kunnen verbeteren en de inferentiekosten kunnen verlagen.

Lees meer nieuws

Meer nieuws van FinanceVelix

Disclaimer

Dit artikel van FinanceVelix bevat algemene informatie en is geen persoonlijk financieel, beleggings-, juridisch of fiscaal advies. Marktprijzen, rentetarieven en economische omstandigheden kunnen veranderen; aan beleggen zijn verliesrisico's verbonden. De feiten geven de beschikbare informatie weer op het moment van publicatie en kunnen veranderen. Controleer belangrijke informatie zelfstandig en raadpleeg zo nodig een gekwalificeerde deskundige. Een vermelding van een belegging, bedrijf of dienst houdt geen aanbeveling in.