Інвестори у фізичний ШІ відзначили виробничі та напівпровідникові можливості Азії як потенційні переваги для робототехнічних компаній, що наближаються до комерційного впровадження, водночас назвавши доступ до реальних навчальних даних однією з головних перешкод.

Основні висновки

  • Інвестори обговорили можливості на Тайвані, у Японії та Південно-Східній Азії на саміті в Сан-Франциско.
  • Отримати дані із заводів буває складно, оскільки виробники можуть неохоче ділитися конфіденційною інформацією.
  • Startup Island TAIWAN Silicon Valley Hub організовує подальші галузеві дискусії та зустрічі інвесторів.

Фізичний ШІ переходить від симуляції до виробництва

На саміті Silicon to Scale: A Physical AI Summit, що відбувся під час SF Tech Week, інвестори та керівники галузі обговорили складнощі впровадження інтелектуальних машин у реальних умовах. Захід зібрав понад 170 інвесторів, лідерів галузі та засновників компаній, а також представив п’ять тайванських стартапів: Morale AI, MetAI, Jmem Tek, Neuroshine та APMIC.

Під час панельної дискусії за участю представників корпорацій розглянули розрив між симуляцією та впровадженням у реальних умовах, а також обчислювальну, периферійну та енергетичну інфраструктуру, необхідну для масштабування.

Чим може бути корисне азійське виробництво

Джефф Тао, директор з інфраструктури ШІ в Citi, вказав на наявні можливості у сфері складання та тестування напівпровідників у Південно-Східній Азії, зокрема в Малайзії, які могли б сприяти розвитку нових технологій. Він також зазначив, що компанії можуть поєднувати сильні сторони азійського виробництва з доступом до США, де високі витрати на робочу силу створюють можливості для промислової автоматизації.

Косуке Юса з Open Network Lab Fund сказав, що Японія має іншу перевагу: виробничі середовища, які часто змінюються та вимагають від роботів адаптації до різних завдань і умов роботи. Улі Су, керівник Startup Island TAIWAN Silicon Valley Hub, зазначив, що Тайвань може спиратися на свої сильні сторони у напівпровідниковій галузі, електроніці та передовому виробництві.

Дані із заводів та інфраструктурні обмеження

На відміну від мовних моделей, навчених на великих масивах цифрової інформації, робототехнічним системам потрібні спеціалізовані дані з фізичних середовищ, таких як заводи та виробничі лінії. Тао сказав, що їх важко збирати, частково тому, що виробники неохоче діляться конфіденційними операційними даними.

Вандон Дуонг, принципал DCVC, сказав, що розробники готові платити за різноманітні, добре анотовані набори даних, але поставив під сумнів, як компанії зі збору даних зможуть створити стійкі переваги в умовах посилення конкуренції. Інвестори також обговорили вартість обчислень: Тао назвав доступність електроенергії дедалі важливішим інфраструктурним обмеженням у США, тоді як Дуонг вказав на технології, здатні підвищити ефективність обчислень і знизити витрати на інференцію.

Читати більше новин

Більше новин FinanceVelix

Застереження

Ця стаття FinanceVelix містить загальну інформацію, а не персоналізовані фінансові, інвестиційні, юридичні чи податкові поради. Ринкові ціни, процентні ставки та економічні умови можуть змінюватися; інвестиції пов’язані з ризиком збитків. Факти відповідають матеріалам, доступним на момент публікації, і можуть змінитися. Самостійно перевіряйте важливу інформацію та за потреби звертайтеся до кваліфікованого фахівця. Згадка про актив, компанію чи послугу не є рекомендацією.