Инвесторы в физический ИИ отметили производственные и полупроводниковые возможности Азии как потенциальные преимущества для компаний, занимающихся робототехникой и переходящих к коммерческому внедрению, одновременно назвав доступ к реальным данным для обучения одной из главных проблем.

Ключевые выводы

  • На саммите в Сан-Франциско инвесторы обсудили возможности на Тайване, в Японии и Юго-Восточной Азии.
  • Получить заводские данные бывает сложно: производители могут неохотно делиться служебной информацией.
  • Startup Island TAIWAN Silicon Valley Hub организует дальнейшие отраслевые дискуссии и встречи инвесторов.

Физический ИИ: от симуляции к производству

На саммите Silicon to Scale: A Physical AI Summit, прошедшем в рамках SF Tech Week, инвесторы и руководители отрасли обсудили трудности внедрения интеллектуальных машин в реальных условиях. Мероприятие собрало более 170 инвесторов, лидеров отрасли и основателей компаний; в нем приняли участие пять тайваньских стартапов: Morale AI, MetAI, Jmem Tek, Neuroshine и APMIC.

Представители компаний обсудили разрыв между симуляцией и внедрением в реальных условиях, а также вычислительную, периферийную и энергетическую инфраструктуру, необходимую для масштабирования.

Чем может помочь азиатское производство

Директор Citi по инфраструктуре ИИ Джефф Тао указал на действующие возможности в сфере сборки и тестирования полупроводников в Юго-Восточной Азии, в том числе в Малайзии, которые могут поддержать развитие новых технологий. Он также отметил, что компании могут сочетать сильные стороны азиатского производства с доступом к рынку США, где высокие затраты на труд открывают возможности для промышленной автоматизации.

Косукэ Юса из Open Network Lab Fund сказал, что Япония обладает иным преимуществом: производственные среды там часто меняются, требуя от роботов адаптации к разным задачам и условиям эксплуатации. Ули Су, руководитель Startup Island TAIWAN Silicon Valley Hub, отметил, что Тайвань может опираться на свои сильные стороны в полупроводниковой отрасли, электронике и передовом производстве.

Заводские данные и ограничения инфраструктуры

В отличие от языковых моделей, обученных на больших объемах цифровой информации, робототехническим системам нужны специализированные данные из физических сред, например с заводов и производственных линий. По словам Тао, собирать такие данные сложно отчасти потому, что производители неохотно делятся служебными операционными данными.

Ведущий специалист DCVC Вандон Дуонг сказал, что разработчики готовы платить за разнообразные, тщательно размеченные наборы данных, но усомнился в том, как компании, занимающиеся сбором данных, смогут создать устойчивые конкурентные преимущества на фоне усиления конкуренции. Инвесторы также обсудили стоимость вычислений: Тао назвал доступность электроэнергии все более важным ограничением инфраструктуры США, а Дуонг указал на технологии, способные повысить эффективность вычислений и снизить затраты на инференс.

Читайте другие новости

Больше новостей FinanceVelix

Отказ от ответственности

Эта статья FinanceVelix содержит общую информацию, а не персональные финансовые, инвестиционные, юридические или налоговые рекомендации. Рыночные цены, процентные ставки и экономические условия могут меняться; инвестиции сопряжены с риском убытков. Приведенные факты отражают информацию, доступную на момент публикации, и могут измениться. Проверяйте важную информацию самостоятельно и при необходимости обращайтесь к квалифицированному специалисту. Упоминание актива, компании или услуги не является рекомендацией.