Các nhà đầu tư AI vật lý nhấn mạnh năng lực sản xuất và bán dẫn của châu Á là những lợi thế tiềm năng đối với các công ty robot đang hướng tới triển khai thương mại, đồng thời cho rằng khả năng tiếp cận dữ liệu huấn luyện thực tế là một trở ngại lớn.

Những điểm chính

  • Các nhà đầu tư đã thảo luận về cơ hội tại Đài Loan, Nhật Bản và Đông Nam Á trong một hội nghị thượng đỉnh ở San Francisco.
  • Dữ liệu nhà máy có thể khó thu thập vì các nhà sản xuất có thể không muốn chia sẻ thông tin độc quyền.
  • Startup Island TAIWAN Silicon Valley Hub đang tổ chức thêm các cuộc đối thoại trong ngành và các buổi gặp gỡ nhà đầu tư.

AI vật lý chuyển từ mô phỏng sang sản xuất

Tại hội nghị thượng đỉnh Silicon to Scale: A Physical AI Summit trong khuôn khổ SF Tech Week, các nhà đầu tư và lãnh đạo ngành đã thảo luận về thách thức triển khai máy móc thông minh trong môi trường thực tế. Sự kiện thu hút hơn 170 nhà đầu tư, lãnh đạo ngành và nhà sáng lập, đồng thời giới thiệu năm startup Đài Loan: Morale AI, MetAI, Jmem Tek, Neuroshine và APMIC.

Một phiên thảo luận của các doanh nghiệp đã xem xét khoảng cách giữa mô phỏng và triển khai thực tế, cũng như hạ tầng tính toán, điện toán biên và năng lượng cần thiết để mở rộng quy mô.

Sản xuất tại châu Á có thể hỗ trợ như thế nào

Jeff Tao, giám đốc hạ tầng AI tại Citi, chỉ ra các hoạt động lắp ráp và kiểm định bán dẫn ở Đông Nam Á, trong đó có Malaysia, là những năng lực hiện có có thể hỗ trợ các công nghệ mới nổi. Ông cũng cho biết các công ty có thể kết hợp thế mạnh sản xuất của châu Á với khả năng tiếp cận thị trường Mỹ, nơi chi phí lao động cao tạo ra cơ hội cho tự động hóa công nghiệp.

Kosuke Yusa của Open Network Lab Fund cho biết Nhật Bản có một lợi thế khác: các môi trường sản xuất thường xuyên thay đổi và đòi hỏi robot thích ứng với nhiều nhiệm vụ cũng như điều kiện vận hành khác nhau. Uly Su, người đứng đầu Startup Island TAIWAN Silicon Valley Hub, cho biết Đài Loan có thể phát huy thế mạnh về bán dẫn, điện tử và sản xuất tiên tiến.

Những hạn chế về dữ liệu nhà máy và hạ tầng

Khác với các mô hình ngôn ngữ được huấn luyện bằng lượng thông tin số phong phú, hệ thống robot cần dữ liệu chuyên biệt từ các môi trường vật lý như nhà máy và dây chuyền sản xuất. Tao cho biết việc thu thập dữ liệu này khó khăn một phần vì các nhà sản xuất không muốn chia sẻ dữ liệu vận hành độc quyền.

Vandon Duong, thành viên cấp cao tại DCVC, cho biết các nhà phát triển sẵn sàng trả tiền cho những bộ dữ liệu đa dạng, được chú thích kỹ lưỡng, nhưng đặt câu hỏi về cách các công ty thu thập dữ liệu có thể xây dựng lợi thế bền vững khi cạnh tranh gia tăng. Các nhà đầu tư cũng thảo luận về chi phí tính toán: Tao xác định khả năng cung cấp điện là một nút thắt hạ tầng ngày càng quan trọng ở Mỹ, trong khi Duong đề cập đến các công nghệ có thể cải thiện hiệu quả tính toán và giảm chi phí suy luận.

Đọc thêm tin tức

Tin tức khác từ FinanceVelix

Tuyên bố miễn trừ trách nhiệm

Bài viết này của FinanceVelix cung cấp thông tin chung, không phải lời khuyên tài chính, đầu tư, pháp lý hoặc thuế được cá nhân hóa. Giá thị trường, lãi suất và điều kiện kinh tế có thể thay đổi; các khoản đầu tư tiềm ẩn rủi ro thua lỗ. Các thông tin phản ánh tài liệu có sẵn tại thời điểm xuất bản và có thể thay đổi. Hãy tự kiểm chứng thông tin quan trọng và tham khảo chuyên gia đủ năng lực khi cần. Việc đề cập đến một tài sản, công ty hoặc dịch vụ không đồng nghĩa với sự chứng thực.