Inwestorzy z obszaru Physical AI wskazali możliwości produkcyjne i kompetencje półprzewodnikowe Azji jako potencjalne atuty dla firm robotycznych zmierzających do komercyjnego wdrożenia, a jednocześnie uznali dostęp do rzeczywistych danych treningowych za poważną przeszkodę.

Najważniejsze wnioski

  • Inwestorzy omawiali możliwości na Tajwanie, w Japonii i Azji Południowo-Wschodniej podczas szczytu w San Francisco.
  • Dostęp do danych fabrycznych może być trudny, ponieważ producenci mogą niechętnie udostępniać informacje zastrzeżone.
  • Startup Island TAIWAN Silicon Valley Hub organizuje kolejne rozmowy branżowe i spotkania inwestorów.

Physical AI: od symulacji do produkcji

Podczas szczytu Silicon to Scale: A Physical AI Summit, zorganizowanego w ramach SF Tech Week, inwestorzy i przedstawiciele branży omawiali wyzwania związane z wdrażaniem inteligentnych maszyn w rzeczywistych warunkach. W wydarzeniu wzięło udział ponad 170 inwestorów, liderów branży i założycieli firm, a także zaprezentowano pięć tajwańskich startupów: Morale AI, MetAI, Jmem Tek, Neuroshine i APMIC.

Panel korporacyjny poświęcono różnicy między symulacją a wdrożeniem w rzeczywistych warunkach, a także infrastrukturze obliczeniowej, brzegowej i energetycznej niezbędnej do zwiększania skali działalności.

Jak azjatycki sektor produkcyjny może pomóc

Jeff Tao, dyrektor ds. infrastruktury AI w Citi, wskazał na istniejące możliwości w zakresie montażu i testowania półprzewodników w Azji Południowo-Wschodniej, w tym w Malezji, które mogą wspierać rozwój nowych technologii. Powiedział również, że firmy mogłyby połączyć atuty produkcyjne Azji z dostępem do Stanów Zjednoczonych, gdzie wysokie koszty pracy stwarzają możliwości dla automatyzacji przemysłowej.

Kosuke Yusa z Open Network Lab Fund powiedział, że Japonia oferuje inną przewagę: środowiska produkcyjne, które często się zmieniają i wymagają od robotów dostosowywania się do różnych zadań i warunków pracy. Uly Su, szef Startup Island TAIWAN Silicon Valley Hub, powiedział, że Tajwan może wykorzystać swoje atuty w dziedzinie półprzewodników, elektroniki i zaawansowanej produkcji.

Ograniczenia dotyczące danych fabrycznych i infrastruktury

W przeciwieństwie do modeli językowych trenowanych na obszernych zbiorach informacji cyfrowych, systemy robotyczne potrzebują specjalistycznych danych z fizycznych środowisk, takich jak fabryki i linie produkcyjne. Tao powiedział, że ich gromadzenie jest trudne między innymi dlatego, że producenci niechętnie udostępniają zastrzeżone dane operacyjne.

Vandon Duong, dyrektor w DCVC, powiedział, że deweloperzy są skłonni płacić za zróżnicowane, dobrze opisane zbiory danych, ale zakwestionował, czy firmy zajmujące się ich gromadzeniem będą w stanie zbudować trwałą przewagę w obliczu rosnącej konkurencji. Inwestorzy omawiali również koszty mocy obliczeniowej: Tao wskazał dostępność energii elektrycznej jako coraz istotniejsze wąskie gardło infrastrukturalne w USA, a Duong zwrócił uwagę na technologie, które mogłyby zwiększyć efektywność obliczeń i obniżyć koszty wnioskowania.

Czytaj więcej wiadomości

Więcej wiadomości FinanceVelix

Zastrzeżenie

Ten artykuł FinanceVelix zawiera ogólne informacje, a nie spersonalizowane porady finansowe, inwestycyjne, prawne ani podatkowe. Ceny rynkowe, stopy procentowe i warunki gospodarcze mogą ulegać zmianom; inwestycje wiążą się z ryzykiem straty. Fakty odzwierciedlają informacje dostępne w chwili publikacji i mogą ulec zmianie. Ważne informacje należy weryfikować niezależnie, a w razie potrzeby skonsultować się z wykwalifikowanym specjalistą. Wzmianka o aktywach, firmie lub usłudze nie stanowi rekomendacji.