9 دقیقه
سرمایهگذاری اخیر Huawei Habo در شرکت GigaAI میتواند شتابدهندهٔ شروع عصری نوین از هوش مصنوعی فیزیکی باشد؛ عصری که مدلهای جهان، رباتیک و رانندگی خودران را در هم میآمیزد. این شرطگذاری راهبردی نشاندهندهٔ جهشی از تمرکز صرف بر مدلهای زبانی به سمت سامانههایی است که بهصورت مستقیم در دنیای فیزیکی ادراک میکنند، شبیهسازی میسازند و عمل میکنند. به عبارت دیگر، گرایش به هوش تجسدی و مدلهای جهان (world models) در حال تبدیل شدن به هستهٔ نوآوریهای بعدی در حوزهٔ رباتیک و خودروهای خودران است.
چرا این سرمایهگذاری اکنون اهمیت دارد
در اوایل نوامبر، GigaAI یک دور سرمایهگذاری سری A1 به ارزش صدها میلیون یوان را بست که بهصورت مشترک توسط واحد سرمایهگذاری Huawei Habo و صندوق Huakong رهبری شد. این اقدام پس از چندین دور قوی پیش از سری A برای GigaVision در ماه آگوست رخ داد و نشاندهندهٔ افزایش اطمینان سرمایهگذاران نسبت به استارتاپهایی است که روی توسعهٔ هوش تجسدی و سیستمهای بدنیشده (embodied intelligence) کار میکنند. در شرایط کنونی بازار فناوری، سرمایهگذاری قابلتوجه روی شرکتهای مبتنی بر مدلهای جهان و رباتیک نشان میدهد که سرمایهگذاران بازگشت بالقوهٔ بالایی برای کاربردهای صنعتی و مصرفی پیشبینی میکنند.
GigaAI که در سال 2023 تأسیس شده است، خود را بهعنوان یکی از پیشگامان پژوهش در زمینهٔ مدلهای جهان برای هوش مصنوعی فیزیکی معرفی میکند. برخلاف رویکردهای مبتنی بر زبان که عمدتاً روی پردازش متن و تعامل زبانی تمرکز دارند، این استارتاپ بر توسعهٔ سامانههایی تمرکز دارد که مدلهای درونی از محیط ایجاد و استفاده میکنند تا نتایج را پیشبینی کنند، برنامهٔ عملیاتی تدوین نمایند و در زمان واقعی خود را وفق دهند. چنین قابلیتی برای کاربردهای پیچیده و حساس به ایمنی مانند رانندگی خودران، رباتهای خدماتی و سامانههای اتوماسیون صنعتی اهمیت حیاتی دارد؛ زیرا نیازمند درک عمیق از قوانین فیزیکی، شبیهسازی سناریوها و تصمیمگیری مبتنی بر پیشبینی نتایج است.
رویکرد تمام-پشته به هوش تجسدی
GigaAI نرمافزار و سختافزار را در یک اکوسیستم محصولاتی یکپارچه ترکیب میکند که برای کار در محیطهای نامرتب و دنیای واقعی طراحی شده است. منظور از «تمام-پشته» این است که از حسگرها و لایههای ادراکی در لبهٔ دستگاه (edge)، تا مدلهای پایه و لایههای میانی برای تصمیمگیری، و در نهایت کنترلکنندههای حرکت و عملگرها، همه در هماهنگی عمل میکنند. این مدل انتهایی-به-انتهایی (end-to-end) امکان بهینهسازی عملکرد، کاهش تأخیر تصمیمگیری، و بهبود ایمنی را فراهم میآورد و شرایطی ایجاد میکند که محصولات در محیطهای واقعی با تنوع، عدم قطعیت و نویز عملکرد قابل قبولی داشته باشند.
- GigaWorld Platform — یک محیط اجرا (runtime) و مجموعهٔ ابزارها برای هدایت هوشمندی و توسعهٔ عاملان تجسدی پیشرفته است؛ پلتفرمی که شامل کیتهای توسعهٔ نرمافزاری، رابطهای برنامهنویسی (APIs)، ابزارهای شبیهسازی و قابلیتهای استقرار در لبه میشود تا سامانههای ادراکی و کنترلی را به شکل قابلتوسعه مدیریت کند.
- GigaBrain Foundational Model — هستهٔ موتور مدلسازی جهان که از آن برای پشتیبانی از تصمیمگیری آگاه از زمینه و پیشبینیهای بلندمدت استفاده میشود؛ این مدلهای بنیادی شامل ترکیبی از معماریهای یادگیری عمیق، اجزای فیزیکمحور و الگوریتمهای یادگیری تقویتی مبتنی بر مدل هستند تا شبیهسازی و پیشبینی رفتار اشیاء و عوامل در محیطهای پیچیده را ممکن سازند.
- Maker General Embodied Ontology — یک لایهٔ دانش ساختاریافته که به رباتها و توسعهدهندگان کمک میکند تا به زبان عملی و مشترکی دربارهٔ اشیاء، اقدامات و اهداف صحبت کنند؛ این آنتولوژی شامل مفاهیم، روابط و قواعد انتزاعی کاربردی است که به همگرا کردن حس، ادراک و عمل کمک میکند و مبنای تبیین اهداف و هماهنگی میان اجزاء مختلف سیستم را فراهم میآورد.
با ترکیب این لایهها، GigaAI راهکارهای انتها-به-انتها برای ادراک، پیشبینی و کنترل در حوزهٔ رباتیک و خودروهای خودران عرضه میکند. چنین یکپارچگیای مزایایی مانند کاهش خطاهای انتقالی بین ماژولها، تسریع فرآیند توسعه، و امکان اعمال بهینهسازی یکپارچه روی کل پشتهٔ فنی را فراهم میآورد. همچنین این رویکرد تسهیلکنندهٔ استفاده از دادههای سنسوری ترکیبی (بینایی، لیدار، رادار، IMU و صوت) و همسازی آنها با مدلهای داخلی جهان برای تصمیمگیری ایمن و قابل توضیح است.
چرخش راهبردی هوآوی: از VLA به WA
بهصورت تاریخی، بسیاری از تلاشهای هوش مصنوعی از الگوی VLA (Vision, Language, Action) پیروی کردهاند—الگویی که در آن بینایی و زبان نقش محوری داشته و اقدام یا کنترل اغلب مرحلهٔ نهایی و مستقل در نظر گرفته میشد. هوآوی اکنون در حال چرخش به استراتژی WA است که اولویت را به «مدلهای جهان» (World models) و استفادهٔ مستقیم از سیگنالهای بصری و فیزیکی برای کنترل عاملها میدهد. این تغییر دیدگاه که در درون واحد حلوفصل هوشمند خودروهای هوآوی (Intelligent Automotive Solutions) پشتیبانی میشود، هدف دارد ماشینهایی بسازد که صرفاً دربارهٔ جهان صحبت نکنند، بلکه آن را درک کنند، در آن شبیهسازی بسازند و بر پایهٔ آن عمل کنند.
از منظر فنی، این جابهجایی به معنای افزایش سرمایهگذاری روی ابزارهای شبیهسازی در زمان واقعی، روباتیک مبتنی بر شواهد فیزیکی، فوجسازی سنسورها و مدلهایی است که توانایی تعمیم بهتر به سناریوهای نادیده را دارند. در عمل یعنی اتکا کمتر به سیگنالهای نمادین یا زبانی برای تصمیمگیری و تکیهٔ بیشتر بر مدلهایی که ابعاد فیزیکی و قاعدهمند محیط را در خود دارند. این رویکرد میتواند به کاهش وابستگی به دادههای متنی و افزایش ایمنی و قابلیت اعتماد در محیطهای عملیاتی منجر شود.
این برای کاربران و بازار چه معنایی دارد
برای کاربران عادی، پیشرفت در هوش مصنوعی مبتنی بر مدلهای جهان میتواند به خودروهای خودران ایمنتر، رباتهای خانگی و خدماتی قابلاعتمادتر، و دستیارانی بینجامد که زمینههای فیزیکی را واقعاً درک میکنند نه اینکه صرفاً دستورات متنی یا صوتی را پردازش نمایند. تصور کنید رباتی که پیشبینی میکند وقتی جسم سنگینی را روی میز میگذارید، میز چگونه واکنش خواهد داد، یا خودرویی که پیش از تغییر لاین، چندین سناریوی ممکن را شبیهسازی میکند تا بهترین و ایمنترین گزینه را انتخاب نماید؛ اینها نمونههایی از کاربردهای مستقیم مدلسازی جهان هستند که رفتار پیشبینانه و ایمن را امکانپذیر میسازند.
از منظر بازار، سرمایهگذاران و تحلیلگران احتمال یک تغییر تحولآفرین را مشابه با دوران گوشیهای هوشمند میبینند: زمانی که ماشینها توانایی استدلال فیزیکی و مدلسازی قابلاعتماد را کسب کنند، امکان دارد از مرحلهٔ نوآوری و نمونهٔ اولیه به یک خدمت روزمره و فراگیر تبدیل شوند. صنایع خودرو، خدمات خانگی، تدارکات، انبارداری و تولید از جمله حوزههایی هستند که میتوانند سریعترین منفعت را از کاربردهای هوش مصنوعی فیزیکی ببرند. همچنین این فناوری میتواند بازار خدمات پس از فروش، توسعهٔ حسگرهای تخصصی، و بسترهای نرمافزاری مدیریت ناوگان را متحول کند.
با این حال، مسیر تجاریسازی با چالشهایی همراه است: نیاز به جمعآوری و آزمایش در محیطهای گوناگون، مقررات ایمنی و استانداردسازی، و ملاحظات اخلاقی و حقوقی مرتبط با اتوماسیون و حریم خصوصی. موفقیت تجاری در این حوزه مستلزم ترکیب نوآوری فنی، سرمایهگذاری بلندمدت و همکاری نزدیک میان شرکتهای فناوری، تولیدکنندگان سختافزار و نهادهای قانونگذار است.
ژئوپلیتیک و رقابت صنعتی
حمایت هوآوی از یک استارتاپ مدلهای جهان رقابت جهانی در حوزهٔ رباتیک و سامانههای خودران را تشدید میکند. با تسریع پیشرفت و جذب سرمایه برای شرکتهای چینی مانند GigaAI، بازیگران آمریکایی و سایر بازیگران بینالمللی ممکن است شتاب بیشتری به تحقیق و توسعهٔ خود بدهند تا از رقابت عقب نمانند. بنابراین این سرمایهگذاری پیامدهای فنی و راهبردی فراتر از تأثیرات مالی صرف دارد؛ زیرا میتواند باعث تسریع در توسعهٔ اکوسیستمهای زیربنایی، استانداردها و زنجیرهٔ تأمین مربوط به هوش مصنوعی فیزیکی شود.
ناظران صنعت این همکاری را فراتر از ترازنامهٔ مالی توصیف میکنند—این یک همسویی راهبردی است که میتواند استقرار سیستمهای گستردهٔ هوش تجسدی را سرعت بخشد، از طریق ترکیب منابع گستردهٔ هوآوی، شبکهٔ توزیع و دسترسی به بازار با پژوهش و مهندسی تمامپشتهٔ GigaAI. ترکیب تواناییهای طراحی سختافزار، تولید در مقیاس و کانالهای فروش با تخصص در مدلهای جهان و ادغام حسگرها و مدلهای درونی میتواند زمان ورود محصول به بازار (time-to-market) را کاهش دهد و پذیرش تجاری را تسهیل نماید.
آیا این سرمایهگذاری خواهد توانست فناوری روزمرهٔ مردم را بازتعریف کند؟ پاسخ قطعی هنوز مشخص نیست و وابسته به فاکتورهای متعددی همچون پیشرفتهای فنی، چارچوبهای نظارتی، و تقاضای بازار است؛ اما جهت حرکت روشن است: ماشینهای هوشمندتر و آگاه به فیزیک در راهند و هوآوی سهم قابلتوجهی روی این آینده گذاشته است.
منبع: gizmochina
نظرات
امیر
شاید کمی اغراق شده باشه، همه چیز به همکاری با خودروسازا و چارچوبهای قانونی بستگی داره. با این حال جهتگیری درستیه.
ویبلت
خیلی متوازن نوشته، فرصتها و ریسکها رو گفته؛ اما مقررات و مسائل اخلاقی هنوز یک کوه بزرگ جلوشن...
لابکور
تو پروژهی رباتیک خودم دیدم؛ مدلهای جهان مفیدن ولی دیتای گسترده میخوان، تست تو دنیای واقعی واقعا سخته
توربو
این ادعاها خیلی بلندپروازانهن، واقعا میتونن ایمنی رانندگی رو تضمین کنن؟ شبیهسازی همیشه جواب نمیده...
کوینپل
منطقیشه، سرمایهگذاری روی رباتیک و مدلهای جهان میتونه سود بالا بیاره اما زمانبره، ریسکها هم زیاده.
دیتاپالس
حالا جدی میگین؟ سرمایهگذاری هوآوی روی GigaAI انگار یه دریچهٔ جدید باز کرد... هیجان زدهام اما کمی نگران هم.
ارسال نظر