3 سنوات تصل إلى 14 مليار دولار! سوفت بنك، نيفيديا تتنافس على استثمار بقيمة تريليونات لتقييم "وحيد القرن"

في عام 2026، ستولد دائرة الذكاء الاصطناعي أسرع 100 مليار يونيكورن. أكملت سكيلد الذكاء الاصطناعي تمويل السلسلة C بقيمة تزيد عن 140 مليار دولار، واستثمرتها سوفت بانك، ونفيديا، وبيزوس خلال ثلاث سنوات فقط من التأسيس. المؤسس من شركة Meta الذكاء الاصطناعي، التي لا تبني أجهزة الروبوتات، بل تركز على إنشاء دماغ سكيلد “عالمي”، يستخدم نماذج مشتركة لمنح الروبوتات القدرة على العيش في العالم المادي.

منطق رأس المال هو زيادة التقييم بعشرة أضعاف خلال عامين

يعد Skill الذكاء الاصطناعي أسرع وحيد قرن يتجاوز 100 مليار هذا العام، مع وتيرة تطوير سريعة وتوسع قوي في التقييمات، وهو أمر مذهل حتى في موجة الاستثمار الذكاء الاصطناعي المحمومة. بعد شهرين فقط من تأسيسها، حصلت الشركة على جولة أولية بقيمة 14.5 مليون دولار بقيادة Lightspeed Ventures، وأطلقت بنجاح إطلاقها. في الذكرى السنوية الأولى، أكملت سكيلد الذكاء الاصطناعي جولة تمويل من السلسلة أ تصل إلى 300 مليون دولار، وارتفع تقييمها بعد الاستثمار إلى 15 مليار دولار. في أقل من عامين، ارتفع تقييمها نحو عشرة أضعاف، ودفع تمويلها الأخير من سلسلة C تقييمه إلى 140 مليار دولار.

سبب المراهنة الرأسمالية على الذكاء الاصطناعي الماهر بسيط – فسوق العمل العالمي يواجه فجوة كبيرة. من المتوقع أن تصل فجوة الوظائف في صناعة التصنيع الأمريكية وحدها إلى 2.1 مليون بحلول عام 2030، ومشكلة شيخوخة السكان في الاقتصادات المتقدمة مثل أوروبا واليابان أكثر خطورة. تعتبر الروبوتات متعددة الأغراض، القادرة على أداء مهام فيزيائية معقدة، المفتاح لحل أزمة الإنتاجية. ومع ذلك، فإن صناعة الروبوتات الحالية مجزأة للغاية، وكل مصنع يحاول تطوير كل شيء من الهياكل الميكانيكية إلى أنظمة التحكم، مما يؤدي إلى ارتفاع تكاليف البحث والتطوير وعدم القدرة على نقل القدرات عبر المنصات.

نموذج البرمجيات البحت ل Skild الذكاء الاصطناعي “القيام فقط بالدماغ، وليس الجسم” يتماشى تماما مع الاتجاه العام للتحول في الصناعة من “التوجه نحو الأجهزة” إلى “نماذج الذكاء الاصطناعي وقدرات البرمجيات”. كتبت سيكويا كابيتال في تقرير ما بعد الاستثمار: “القيمة الأساسية ل Skild الذكاء الاصطناعي هي استخدام نموذج أساس مشترك لإطلاق ‘القدرة الناشئة’ للروبوتات في العالم المادي. وهذا يختلف جوهريا عن عدم قابلية التوسع التي كانت تستخدم وحدة التحكم ذات النقطة الواحدة في الماضي.” تشبه هذه “القدرة الناشئة” اختراق GPT-3 في فهم اللغة، حيث عندما يصل النموذج إلى نقطة حرجة، يمتلك تلقائيا قدرات لم يتم تعليمها صراحة أثناء التدريب.

مشاركة سوفت بانك استراتيجية بشكل خاص. استحوذت الشركة اليابانية العملاقة على ARM في عام 2016 مقابل 320 مليار دولار، وبدأت في مجال الروبوتات (مثل الاستحواذ على Boston Dynamics). يشتهر صندوق سوفت بنك فيجن بجدوانية في استثمارات الذكاء الاصطناعي، وهذا الوضع الثقيل في سكيلد الذكاء الاصطناعي يثبت أنه يعتقد أن “الدماغ الروبوت الشامل” هو السوق القادم الذي تبلغ قيمته تريليون دولار. توفر إضافة Nvidia قوة حوسبة ودعما بيئيا، ومن المرجح أن تبنى بنية التدريب الذكاء الاصطناعي في Skild على مجموعة بطاقات الرسومات الخاصة ب Nvidia. استثمار بيزوس الشخصي أكثر ندرة، حيث أن مؤسس أمازون نادرا ما يشارك في المشاريع المبكرة، ودعمه يجلب قيمة غير ملموسة للعلامة التجارية ل Skill الذكاء الاصطناعي.

جينات التقنية للفريق الذي غادر ميتا

الإجابة على القدرات التقنية ل Skill الذكاء الاصطناعي مخفية في خلفية الفريق المؤسس. قبل تأسيس شركة سكيلد الذكاء الاصطناعي، كان ديباك باثاك عالما وممارسا بارزا في مجال الذكاء الاصطناعي والروبوتات، حيث عمل أستاذا مساعدا في جامعة كارنيجي ميلون ونشر عدة أوراق بحثية استشهدت به على نطاق واسع. خلال فترة عمله في Meta الذكاء الاصطناعي، شارك بعمق في عدة مشاريع رئيسية حول التعلم التكيفي، والانتقال من المحاكاة إلى العالم الحقيقي، وتدريب بيانات الروبوتات على نطاق واسع.

يؤمن باثاك بشدة بأن الذكاء العام الحقيقي للذكاء الذكاء الاصطناعي يجب أن يبنى من خلال التفاعل والتجربة والخطأ في العالم المادي، بدلا من الاعتماد فقط على النصوص الرقمية أو بيانات الصور. تم التشكيك في هذا المفهوم داخل ميتا، حيث كان تركيز ميتا في ذلك الوقت على الميتافيرس والذكاء الذكاء الاصطناعي الاجتماعي، وكان استثمارها في الروبوتات الفيزيائية محافظا نسبيا. هذا الخلاف الاستراتيجي دفع باثاك في النهاية لاختيار بدء عمل تجاري وجعل الفكرة على أرض الواقع.

أبيناف جوبتا، أيضا من شركة Meta الذكاء الاصطناعي، حقق إنجازات في تقاطع رؤية الحاسوب وتعلم الروبوتات. أكد على تعلم معرفة الفيزياء من بيانات الفيديو على نطاق الشبكة، مما سمح للآلات بفهم خصائص الكائنات، والقوانين الفيزيائية، والنوايا البشرية. في الواقع، تعاون جوبتا وباثاك عدة مرات خلال فترة عملهما في ميتا لاستكشاف كيفية تكرار “القدرات الناشئة” لنماذج اللغة الكبيرة إلى روبوتات مادية.

كلاهما يعتقد أن صناعة الروبوتات الحالية تعتمد بشكل مفرط على حلول مخصصة لمهام وأجهزة محددة، وتفتقر إلى “دماغ عالمي” قابل للتعميم والتوسع، مما يحد بشكل كبير من إمكانيات تطبيق الروبوتات وسرعة انتشارها في العالم الحقيقي. ونتيجة لذلك، بدأ الاثنان بالفعل في حضان مشروع داخلي في المراحل المتأخرة من ميتا لمحاولة بناء نموذج أساس روبوت لا يعتمد على أجهزة محددة. وأخيرا، في أوائل عام 2023، قرر باثاك وجوبتا مغادرة ميتا وبدء عمل بدوام كامل. يؤمنون بشدة أن مستقبل صناعة الروبوتات ليس في صنع المزيد من “الأجسام” بل في توفير “دماغ” قوي وقابل للمشاركة.

لحظة GPT-3 في صناعة الروبوتات

تقدم سريعا إلى عام 2023، عندما كانت الروبوتات الذكية تزدهر في كل مكان، لكن كل روبوت كان بحاجة لتدريب خوارزميات متخصصة من الصفر، مما أدى إلى دورات بحث وتطوير طويلة، وتكاليف مرتفعة، وقدرات غير قابلة للتواصل بين الروبوتات المختلفة. في صناعة الاستخبارات المتجسدة، لطالما كانت هناك مشكلة تعاني من الصناعة: كيف يمكن التعميم؟ يشير ما يسمى بالتعميم إلى قدرة روبوت واحد يمكن نسخها بسرعة إلى روبوتات أخرى.

وهذا صعب جدا على الروبوتات لأن العالم الفيزيائي معقد للغاية، غير مؤكد، وديناميكي للغاية، وتحتاج الروبوتات إلى حل مشاكل التعميم على المستويات الثلاثة للإدراك، واتخاذ القرار، والتنفيذ في نفس الوقت. على سبيل المثال، تغيرات الإضاءة، وتأثيرات الطقس، والفوضى الخلفية، وتداخل الإخفاء، وغيرها، يمكن أن تسبب تغييرات جذرية في توزيع بيانات إدخال المستشعرات البصرية. حتى إذا تم تعلم كل مهمة بسيطة (مثل الإمساك، المشي)، عند دمجها مع مهام معقدة (مثل: “افتح الثلاجة، أخرج مشروبا وصبه في كوب”), فإن مساحة اتخاذ القرار تزداد بشكل كبير.

يحل Skill Brain المسارات التقنية الثلاثة الرئيسية للتعميم

التدريب المسبق متعدد الوسائط واسع النطاق: تعلم معرفة الفيزياء من فيديوهات الويب، والبيئات المحاكاة، وبيانات الروبوتات الحقيقية لإنشاء تمثيلات مشتركة عبر السيناريوهات

الأجهزة مستقلة عن البنية التحتية: فصل منطق الإدراك واتخاذ القرار عن هياكل ميكانيكية محددة عبر طبقات التجريد، بحيث يمكن نشر نفس النموذج على أشكال مختلفة من الروبوتات مثل العجلات والأقدام والأذرع

آلية التعلم المستمرالبيانات التي يولدها الروبوت أثناء تنفيذ المهمة ترسل مرة أخرى إلى السحابة، ويتم تحسين النموذج باستمرار، ويمكن أن تفيد تجربة كل روبوت الشبكة بأكملها

لا تصنع شركة سكيلد الذكاء الاصطناعي أجهزة روبوتات، بل تهدف إلى تركيب “دماغ عالمي” لجميع الروبوتات، ويدعي مؤسسوها أنهم يخلقون “لحظات GPT-3” من الذكاء المتجسد. يفصل Skill Brain البرمجيات عن الأجهزة، متجنبا الارتباط بتصميم جهاز واحد. وفي الوقت نفسه، يخفض هذا الحد الصناعي قدر الإمكان، مما يسمح لمصنعي الروبوتات أو المدمجين الآخرين بالتركيز على تحسين الأجهزة وتنفيذ السيناريوهات، والاتصال مباشرة بواجهة برمجة تطبيقات Skild Brain للحصول على ذكاء متقدم، مما يسرع بشكل كبير من انتشار تطبيقات الروبوتات.

آفاق التسويق التجارية واعدة أيضا. في القطاعين الصناعي والتجاري، لا يتعين إيقاف الروبوتات على خط الإنتاج بسبب خلل بسيط؛ في حالات الإنقاذ من الكوارث، يمكن للروبوتات الاستمرار في أداء المهام حتى لو كان لديها “أطراف مقطوعة”؛ في سوق المستهلك، يمكن استخدام “الدماغ” “خارج القشرة” لتقليل التكاليف بشكل كبير. هذه الركائز التكنولوجية تعيد تشكيل فهم الناس للذكاء الاصطناعي العام - فالمعرفة الرقمية وحدها لا يمكن أن تبني ذكاء اصطناعيا حقيقيا، ويجب على وكلاء الآلات التعلم من خلال التعلم “العملي” لفهم قوانين التشغيل الحقيقية في العالم المادي.