实体人工智能投资者指出，亚洲的制造业和半导体能力可能成为机器人企业迈向商业化部署的潜在优势，同时也将获取真实世界训练数据视为一大障碍。

要点

  • 投资者在旧金山的一场峰会上讨论了台湾、日本和东南亚的机遇。
  • 工厂数据可能难以获取，因为制造商或许不愿分享专有信息。
  • Startup Island TAIWAN Silicon Valley Hub 正在组织更多行业对话和投资者聚会。

实体人工智能从模拟走向生产

在 SF Tech Week 期间举行的“Silicon to Scale: A Physical AI Summit”上，投资者和行业高管讨论了在真实环境中部署智能机器所面临的挑战。活动吸引了170多位投资者、行业领袖和创始人，并展示了五家台湾初创企业：Morale AI、MetAI、Jmem Tek、Neuroshine 和 APMIC。

一场企业专题讨论探讨了模拟与真实世界部署之间的差距，以及实现规模化所需的计算、边缘和能源基础设施。

亚洲制造业可能发挥的作用

花旗人工智能基础设施总监 Jeff Tao 指出，东南亚（包括马来西亚）的半导体封装和测试业务已有一定能力，可为新兴技术提供支持。他还表示，企业可以将亚洲的制造优势与美国市场准入相结合；美国劳动力成本高昂，为工业自动化创造了机遇。

Open Network Lab Fund 的 Yusa Kosuke 表示，日本具备另一项优势：生产环境经常变化，要求机器人能够适应不同任务和运行条件。Startup Island TAIWAN Silicon Valley Hub 负责人 Uly Su 表示，台湾可以发挥其在半导体、电子和先进制造领域的优势。

工厂数据与基础设施限制

与基于海量数字信息训练的语言模型不同，机器人系统需要来自工厂、生产线等物理环境的专用数据。Tao 表示，数据收集之所以困难，部分原因在于制造商不愿分享专有运营数据。

DCVC 主任 Vandon Duong 表示，开发者愿意为多样化且标注完善的数据集付费，但他质疑随着竞争加剧，数据收集公司如何建立持久优势。投资者还讨论了计算成本：Tao 指出，电力供应正成为美国日益重要的基础设施瓶颈；Duong 则提到了能够提高计算效率、降低推理成本的技术。

阅读更多新闻

更多 FinanceVelix 新闻

免责声明

本文由 FinanceVelix 提供一般信息，不构成个性化的财务、投资、法律或税务建议。市场价格、利率和经济状况可能发生变化；投资存在亏损风险。文中事实反映发布时可获得的信息，且可能发生变化。请独立核实重要信息，并在需要时咨询合格的专业人士。提及某项资产、公司或服务并不代表对其予以认可。