Репортаж от Wedoany，Недавно китайская компания Guanglun Intelligence, специализирующаяся на инфраструктуре физического ИИ, завершила новый стратегический раунд финансирования в размере 1 млрд юаней. Инвесторами этого раунда выступили государственные фонды, такие как Zhongguancun Science City Fund, Sichuan Development Venture Capital Fund и Shandong Development Venture Capital, а также промышленный капитал и финансовые институты, включая Giant Network, Yuxin Shares, Baotong Technology, Zhongke Industry Investment и Liangtu Zhice. Прежние инвесторы, такие как CICC Capital, 37 Interactive Entertainment и Semir Investment, также продолжили участие.
Средства этого раунда будут в основном направлены на увеличение инвестиций в ключевые технологии разработки инфраструктуры данных и оценки для физического ИИ. Guanglun Intelligence продолжит совершенствовать продуктовую линейку, ориентированную на обучение роботов, оценку их способностей и внедрение в реальные сценарии, расширяя возможности сбора высококачественных данных о поведении человека, синтетических данных моделирования и промышленной оценки, а также совместно с отраслевыми партнерами продвигать создание открытой экосистемы.
Guanglun Intelligence фокусируется на инфраструктуре данных, моделирования и оценки в эпоху физического ИИ. В отличие от традиционного программного ИИ, физический ИИ требует, чтобы роботы выполняли восприятие, принятие решений и выполнение действий в реальной среде. Данные поступают не только из текстов и изображений, но и из поведения человека, взаимодействия с объектами, пространственных отношений, траекторий движения и обратной связи от сценариев. Высококачественные физические данные и воспроизводимые среды моделирования становятся важной основой для повышения способностей роботов.
Обучение роботов предъявляет высокие требования к качеству данных. Задачи в реальном мире часто включают длиннохвостые сценарии, такие как деформация объектов, контактное трение, изменения в затенении, сложное освещение, движение людей и нестандартные операции. Если полагаться только на небольшой объем реальных собранных данных, стоимость обучения модели высока, охват ограничен, и трудно быстро провести проверку безопасности. Сочетание синтетических данных моделирования и данных о поведении человека помогает повысить способность роботов к обобщению в сложных сценариях.
Инфраструктура оценки также является ключевым звеном в внедрении воплощенного интеллекта. Способность робота стабильно переносить, распознавать, захватывать, патрулировать, взаимодействовать и обрабатывать аномалии нельзя оценивать только по лабораторным демонстрациям; ее необходимо проверять в стандартизированных задачах, промышленных сценариях и воспроизводимых тестовых средах. Продолжающееся усиление инвестиций Guanglun Intelligence в возможности оценки в этом раунде указывает на то, что капитал обращает внимание на базовые этапы перехода воплощенного интеллекта от «обучения модели» к «проверке способностей» и «сдаче сценариев».
С точки зрения направлений применения, продуктовая линейка Guanglun Intelligence продолжит ориентироваться на обучение роботов, внедрение в реальные сценарии и сотрудничество с отраслевыми партнерами. Сценарии в промышленности, розничной торговле, логистике, производстве и сфере услуг предъявляют разные требования к способностям роботов, но общим для них является потребность в масштабируемом снабжении данными, проверяемых средах моделирования и количественных системах оценки. Чем совершеннее возможности данных и оценки, тем легче компаниям-робототехникам снижать затраты на пробные ошибки и сокращать циклы итерации продуктов.
Этот раунд финансирования также отражает рост инвестиционной ценности инфраструктуры физического ИИ. В прошлом в секторе воплощенного интеллекта больше внимания уделялось корпусам роботов, суставам, двигателям, контроллерам и большим моделям. Теперь рынок начинает обращать внимание на базовые возможности данных, моделирования, оценки и преобразования Sim2Real. Для индустрии роботов только когда данные, модели, моделирование и реальные сценарии образуют замкнутый цикл, можно поддерживать переход роботов от точечных демонстраций к масштабному развертыванию.
Однако инфраструктура физического ИИ все еще находится на стадии быстрого развития. Стоимость сбора высококачественных данных, реалистичность моделирования, унификация стандартов оценки, способность к повторному использованию в разных сценариях и эффективность коммерческой поставки будут влиять на дальнейшее развитие соответствующих компаний. После завершения нового стратегического раунда финансирования ключевым фактором проверки конкурентоспособности Guanglun Intelligence станет то, сможет ли она преобразовать свои возможности в области данных и оценки в стабильные клиентские проекты и отраслевые стандартизированные продукты.
Последующие точки наблюдения будут сосредоточены на прогрессе в разработке ключевых технологий Guanglun Intelligence, совершенствовании продуктовой линейки для обучения роботов, эффектах внедрения промышленной платформы оценки, глубине сотрудничества с отраслевыми партнерами, а также масштабах применения ее возможностей в области данных и моделирования в реальных проектах роботов. По мере дальнейшего роста индустрии воплощенного интеллекта инфраструктура данных и оценки физического ИИ, как ожидается, станет важным поддерживающим слоем для коммерциализации роботов.
Данный материал скомпилирован платформой Wedoany. При цитировании материалов, созданных с помощью искусственного интеллекта (ИИ), необходимо обязательно указывать источник — «Wedoany». В случае выявления нарушения прав или иных проблем просим своевременно информировать нас. Сайт оперативно внесёт изменения или удалит материал.Электронная почта: news@wedoany.com
