Investorer innen fysisk KI fremhevet Asias produksjons- og halvlederkapasitet som mulige fortrinn for robotselskaper på vei mot kommersiell utrulling, samtidig som de pekte på tilgang til treningsdata fra virkelige omgivelser som en betydelig hindring.

Viktigste punkter

  • Investorer diskuterte muligheter i Taiwan, Japan og Sørøst-Asia på et toppmøte i San Francisco.
  • Fabrikkdata kan være vanskelige å få tak i fordi produsenter kan være tilbakeholdne med å dele proprietær informasjon.
  • Startup Island TAIWAN Silicon Valley Hub organiserer flere bransjedialoger og investorsamlinger.

Fysisk KI går fra simulering til produksjon

På Silicon to Scale: A Physical AI Summit under SF Tech Week diskuterte investorer og bransjeledere utfordringene ved å ta i bruk intelligente maskiner i virkelige omgivelser. Arrangementet samlet mer enn 170 investorer, bransjeledere og gründere, og presenterte fem taiwanske oppstartsbedrifter: Morale AI, MetAI, Jmem Tek, Neuroshine og APMIC.

Et panel med selskaper undersøkte gapet mellom simulering og utrulling i virkelige omgivelser, samt infrastrukturen for databehandling, edge computing og energi som trengs for å skalere.

Slik kan asiatisk produksjon bidra

Jeff Tao, Citibanks direktør for KI-infrastruktur, trakk fram montering og testing av halvledere i Sørøst-Asia, inkludert Malaysia, som eksisterende kapasiteter som kan støtte nye teknologier. Han sa også at selskaper kan kombinere Asias produksjonsstyrker med tilgang til USA, der høye arbeidskostnader skaper muligheter for industriell automatisering.

Kosuke Yusa fra Open Network Lab Fund sa at Japan har et annet fortrinn: produksjonsmiljøer som ofte endres, og som krever at roboter tilpasser seg ulike oppgaver og driftsforhold. Uly Su, leder for Startup Island TAIWAN Silicon Valley Hub, sa at Taiwan kan trekke på sine sterke sider innen halvledere, elektronikk og avansert produksjon.

Fabrikkdata og infrastrukturbegrensninger

I motsetning til språkmodeller som trenes på omfattende digital informasjon, trenger robotsystemer spesialiserte data fra fysiske miljøer som fabrikker og produksjonslinjer. Tao sa at det er vanskelig å samle inn slike data, delvis fordi produsenter er tilbakeholdne med å dele proprietære driftsdata.

Vandon Duong, principal i DCVC, sa at utviklere er villige til å betale for mangfoldige datasett med gode annoteringer, men stilte spørsmål ved hvordan selskaper som samler inn data, kan bygge varige konkurransefortrinn etter hvert som konkurransen øker. Investorene diskuterte også kostnader ved databehandling: Tao pekte på tilgjengeligheten av elektrisitet som en stadig viktigere flaskehals i USAs infrastruktur, mens Duong trakk fram teknologier som kan forbedre effektiviteten i databehandling og redusere inferenskostnadene.

Les flere nyheter

Flere nyheter fra FinanceVelix

Ansvarsfraskrivelse

Denne FinanceVelix-artikkelen gir generell informasjon, ikke personlig tilpasset finansiell, investeringsmessig, juridisk eller skattemessig rådgivning. Markedspriser, renter og økonomiske forhold kan endre seg; investeringer innebærer risiko for tap. Opplysningene gjenspeiler materialet som var tilgjengelig ved publisering, og kan endres. Kontroller viktig informasjon uavhengig, og rådfør deg med en kvalifisert fagperson ved behov. Omtale av en eiendel, et selskap eller en tjeneste er ikke en anbefaling.