تصور کنید رباتی که بدون برنامه‌نویسی خط‌به‌خط، فقط با تماشای میلیون‌ها ساعت بازی ویدئویی یاد گرفته است چطور در محیط واقعی حرکت کند. این همان رویایی است که General Intuition را به یکی از گران‌ترین استارتاپ‌های نوظهور تبدیل کرده است.
طبق گزارش تک‌کرانچ (TechCrunch) در ۲۴ اوت ۲۰۲۶، این استارتاپ نیویورکی در حال مذاکره برای جذب سرمایه با ارزش‌گذاری ۶ میلیارد دلاری است. سرمایه‌گذاران بزرگی مثل Valor Equity Partners و Point72 Ventures در این دور جذب سرمایه حضور دارند. این جهش قیمتی تنها چند هفته پس از جذب ۳۲۰ میلیون دلار سرمایه با ارزش ۲.۳ میلیارد دلار رخ داده است. این روند صعودی ارزش‌گذاری استارتاپ‌های پیشرو، مشابه اتفاقی است که اخیراً برای شرکت Cognition و رسیدن به ارزش ۴۰ میلیارد دلاری رقم خورد.
این رشد سریع نشان می‌دهد سرمایه‌گذاران دیگر به مدل‌هایی که فقط متن یا عکس تولید می‌کنند قانع نیستند و به دنبال «هوش مصنوعی فیزیکی» هستند. همان‌طور که در تحلیل‌های قبلی ما درباره‌ی مدل‌های چندوجهی اشاره کردیم، مرز بین دنیای دیجیتال و سخت‌افزار در حال محو شدن است.
پیم دی ویت (Pim de Witte)، مدیرعامل شرکت، این مجموعه را اکتبر گذشته از دل پلتفرم Medal بیرون کشید. آن‌ها از یک مدل بنیادی (Foundation Model) — شبیه به یک مغز جامع که اصول کلی جهان را می‌فهمد و بعد روی کارهای خاص تخصص می‌گیرد — استفاده می‌کنند که با صدها میلیون ساعت گیم‌پلی و «برچسب‌های عملیاتی» آموزش دیده است. این رویکرد در توسعه مدل‌های باز و توزیع‌شده، یادآور استراتژی متا در پروژه Glimmer برای دموکراتیزه کردن قدرت پردازشی است. این برچسب‌ها در واقع ثبت دقیق دکمه‌هایی هستند که بازیکنان در لحظات مختلف فشار داده‌اند.
تمرکز راهبردی شرکت بر سه محور اصلی است:
- زیرساخت محاسباتی: گسترش توان سخت‌افزاری از طریق همکاری با CoreWeave.
- تجسد رباتیک: استخدام متخصصان برای انتقال مدل‌ها از محیط‌های مجازی به بدنه ربات‌های واقعی.
- تعمیم‌پذیری: طبق گفته‌ی وینود خوشلا (Vinod Khosla)، برچسب‌های عملیاتی باعث ایجاد «شهود» در مدل می‌شوند تا ربات بتواند کارهایی را انجام دهد که مستقیماً برای آن‌ها آموزش ندیده است.
برای مدیران کسب‌وکار، این یعنی میدان نبرد هوش مصنوعی از جعبه‌های چت به کف کارخانه‌ها و خانه‌ها منتقل شده است. اگر این شرکت موفق شود، هزینه استقرار سخت‌افزارهای خودمختار به شدت کاهش می‌یابد چون مدل‌ها دیگر نیازی به آموزش مجدد برای هر ربات جدید ندارند.
گام بعدی شما
- بررسی گزارش‌های مربوط به همکاری General Intuition با CoreWeave برای درک مقیاس محاسباتی مورد نیاز.
- دنبال کردن دموهای عملیاتی این شرکت در کنترل سخت‌افزارهای رباتیک در ماه‌های آینده.
- تحلیل اثر داده‌های سنتتیک (Synthetic Data) حاصل از بازی‌ها بر سرعت یادگیری ربات‌ها.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو