კორეის უმსხვილესი მწარმოებლები მხარს უჭერენ Config-ს — რობოტების მონაცემების „TSMC“-ს

აზიის სწრაფვა ფიზიკური ხელოვნური ინტელექტისკენ (AI) იმავე წარმოების სიმძლავრეებს ეფუძნება, რამაც რეგიონი გლობალურ ინდუსტრიულ ცენტრად აქცია. სამხრეთ კორეაში, იაპონიაში, ჩინეთსა და ტაივანში წარმოება ეკონომიკური ზრდის მთავარ საყრდენად რჩება. სერვისებზე ან პროგრამულ უზრუნველყოფაზე ორიენტირებული ეკონომიკებისგან განსხვავებით, ეს ქვეყნები დიდი ხანია ეყრდნობიან მასშტაბურ წარმოებას, ექსპორტზე ორიენტირებულ ინდუსტრიებსა და მაღალტექნოლოგიურ მიწოდების ჯაჭვებს. სწორედ ეს სტრუქტურული საფუძველი განსაზღვრავს დღეს ხელოვნური ინტელექტის დანერგვისა და ინვესტიციების მიმართულებას.

ამ კონტექსტში განსაკუთრებით მნიშვნელოვანია, რომ სეულსა და სან-ხოსეში (ჯორჯიის შტატი) დაფუძნებულმა სტარტაპმა Config-მა, რომელიც რობოტების ფუნდამენტური მოდელებისთვის (RFMs) მონაცემთა ფენას ქმნის, სამხრეთ კორეის უმსხვილესი მწარმოებლების ვენჩურული ქვედანაყოფებისგან მხარდაჭერა მოიპოვა. Config 2025 წლის იანვარში დააარსა აღმასრულებელმა დირექტორმა მინჯუნ სეომ, რომელიც მანამდე Meta-ს მკვლევარი და TwelveLabs-ის მთავარი მეცნიერი იყო. მასთან ერთად დამფუძნებელ გუნდში არიან სპეციალისტები Waymo-დან, Google-იდან და Naver-იდან.

ნაცვლად იმისა, რომ თავად ააგონ რობოტები, გუნდი ფოკუსირებულია უფრო მარტივ, მაგრამ კრიტიკულ მიზანზე — იმ მონაცემების მიწოდებაზე, რომლებიც რობოტებს სწავლისა და ფუნქციონირებისთვის სჭირდებათ. კომპანიაში მიიჩნევენ, რომ ხარისხიანი მონაცემები რობოტების ეფექტურობის გაზრდის მთავარი გასაღებია.

რობოტების სწავლების სირთულეები

დიდი ენობრივი მოდელების (LLM) წვრთნა ძვირია საჭირო გამოთვლითი სიმძლავრის გამო, თუმცა ნედლი მასალა — ინტერნეტში არსებული უზარმაზარი ტექსტური ინფორმაცია — ადვილად ხელმისაწვდომია. მინჯუნ სეოს განმარტებით, რობოტებისთვის მოძრაობის სწავლება სრულიად განსხვავებული გამოწვევაა. საწვრთნელი მონაცემების თითოეული ერთეული ფიზიკურად უნდა იქნას შეგროვებული: საჭიროა თავად რობოტი, შესაბამისი ობიექტი და ადამიანები, რომლებიც პროცესს მართავენ.

ეს ფაქტორი რობოტექნიკის AI-ს განვითარებას ბევრად უფრო ძვირადღირებულს ხდის, ვიდრე მხოლოდ პროგრამული ჩატბოტების შექმნას. კომპანიების სწრაფვასთან ერთად, შექმნან უფრო დახვეწილი რობოტები, მონაცემების შეგროვებისა და მარკირების ხარჯები სწრაფად იზრდება. Config-ს სურს გახდეს კომპანია, რომელიც სხვებისთვის რობოტების AI-ს შექმნას შესაძლებელს გახდის.

რობოტექნიკის „TSMC“

სტარტაპი თავის როლს ადარებს TSMC-ს, ტაივანურ ჩიპების მწარმოებელს, რომელიც პროდუქციას აწვდის Apple-ს, Nvidia-ს და AMD-ს ისე, რომ მათთან კონკურენციაში არ შედის. Config გეგმავს მსგავსი პოზიცია დაიკავოს რობოტექნიკაში მონაცემების მიწოდების გზით. ეს მიდგომა სულ უფრო პოპულარული ხდება, რადგან მსხვილი მწარმოებლები ცდილობენ შექმნან საკუთარი რობოტული AI, ნაცვლად იმისა, რომ სრულად იყვნენ დამოკიდებულნი გარე მომწოდებლებზე.

კომპანიის საოპერაციო დირექტორის, ჯეკ ბენგის თქმით, Config უკვე აგენერირებს შემოსავალს. მათ ამჟამინდელ კლიენტებს შორის არიან მსხვილი მწარმოებლები, სისტემური ინტეგრატორები, ასევე კომპანიები სოფლის მეურნეობისა და თავდაცვის სექტორებიდან. ამ სფეროში მათი კონკურენტები არიან ისეთი კომპანიები, როგორიცაა Physical Intelligence, Generalist AI და Skild AI.

Config აფიქსირებს ადამიანების მიერ შესრულებულ ფიზიკურ დავალებებს კონტროლირებად სტუდიურ გარემოსა და ველზე. სტარტაპი ოპერირებს სეულსა და ჰანოიში, სადაც მონაცემთა წარმოებაზე თითქმის 300 თანამშრომელი მუშაობს. დღეისათვის კომპანიამ დააგროვა ადამიანის მოძრაობის 100,000 საათზე მეტი მონაცემი, რაც 30-ჯერ აღემატება AgiBot World-ს — ყველაზე დიდ მსგავს ღია მონაცემთა ბაზას, რომელიც დაახლოებით 3,000 საათს მოიცავს.

ტექნოლოგიური დიფერენციაცია

რობოტექნიკის გუნდების უმეტესობა AI მოდელებს ადამიანის მოძრაობის მონაცემებზე წვრთნის და შემდეგ მათ რობოტზე ადაპტირებს. Config განსხვავებულ გზას ირჩევს. კომპანია ფოკუსირებულია მონაცემების ტრანსფორმაციაზე წვრთნის დაწყებამდე, რათა ისინი უკეთ მოერგოს რობოტების მოძრაობისა და სამყაროსთან ურთიერთქმედების სპეციფიკას.

სეომ ეს პროცესი ენის თარგმნას შეადარა. მისი თქმით, ერთი ტიპის მონაცემებზე მოდელის გაწვრთნა და სხვა გარემოში მისი უხარვეზო მუშაობის მოლოდინი ჰგავს მცდელობას, ასწავლო კორეული ენა მხოლოდ ინგლისურენოვანი მასალების გამოყენებით. „უნდა მოხდეს მონაცემების კონვერტაცია და არა მოდელის. სწორედ ეს კონვერტაციის ტექნოლოგიაა Config-ის მთავარი ტექნიკური უპირატესობა“, — აღნიშნა სეომ.

სამომავლო პრიორიტეტები

მიღებული დაფინანსება სამ ძირითად მიზანს მოხმარდება:

• ვიეტნამსა და სეულში მონაცემთა შეგროვების ოპერაციების მასშტაბირება 1 მილიონ საათამდე.
• კორპორაციული პლატფორმის ბიზნესის გაზრდა 10 მილიონ დოლარამდე წლიურ განმეორებად შემოსავალში (ARR) 2027 წლის ბოლოსთვის.
• ღრუბლოვანი სერვისის (Robot-as-a-Service) გაშვება, რომელიც კომპანიებს საშუალებას მისცემს გამოიყენონ Config-ის ფუნდამენტური მოდელი დამატებითი აპარატურული უზრუნველყოფის გარეშე.