← Новости

Genesis AI привлекла $500 млн на роборуки с ресурсом работы в несколько недель

Genesis AI привлекла $500 млн на роборуки с ресурсом работы в несколько недель
Иллюстрация: The Value Engineering, ИИ

Раунд финансирования серии A объемом $500 млн под руководством венчурных фондов Khosla Ventures, Premji Invest и Eclipse вывел Genesis AI в число наиболее капитализированных стартапов в сегменте физического искусственного интеллекта. Новое вливание средств последовало за посевным раундом на $105 млн, закрытым в июле 2025 года. Это отражает агрессивную переориентацию венчурного капитала на воплощенную робототехнику, способную напрямую взаимодействовать с реальной физической средой. Сооснователи проекта Чжоу Сянь и Теофиль Жерве, запустившие Genesis AI в 2024 году на базе исследовательской лаборатории Университета Карнеги — Меллона, нацелились на автоматизацию ручного труда в логистике и упаковке.

Институциональный капитал постепенно уходит из чисто цифровых фундаментальных моделей в физические комплексы, где возврат инвестиций привязан к замещению живого ручного труда на складах и фабриках. Genesis AI делает ставку на мелкую моторику манипуляторов — способность захватывать и перемещать предметы с точностью человеческой руки. В этом заключается отличие стратегии компании от разработчиков гуманоидов вроде Figure или Agility. Однако для всей индустрии пока не доказано главное: способен ли вертикальный контроль над железом и узкопрофильными сенсорными данными сократить разрыв между лабораторными демо и бесперебойной работой в цеху, что напрямую определяет юнит-экономику масштабного внедрения автономных комплексов.

Тактильный конвейер данных

При разработке собственной модели физического ИИ Genesis AI делает упор на замеры механических сил, а не только на данные компьютерного зрения. Более сотни реальных сборщиков по всему миру носят специальные перчатки с датчиками давления и наголовные камеры. Непрерывный поток метрик захвата и перемещения поступает прямо в центральную архитектуру обучения. Роботизированные кисти собственной разработки компании используют точно такие же сенсорные перчатки. Их геометрия полностью повторяет анатомию руки человека, что необходимо для задач сортировки и манипуляций с проводкой.

«Значение имеет вся совокупная инфраструктура — мощности обучения, пайплайны данных и их конечное качество».

Как отметил в интервью TechCrunch генеральный директор Чжоу Сянь, базовая нейросетевая архитектура определяет лишь малую долю итоговой эффективности. По его оценке, на модель приходится не более 10% результата, а сектору больше не нужны фундаментальные алгоритмические прорывы — существующие трансформерные механизмы закрывают базовые потребности. Сянь подчеркнул, что у стартапа есть все необходимые инженерные алгоритмы, поэтому решающим фактором становится качество исполнения и сбора данных. Однако способна ли плотная тактильная телеметрия гарантировать стабильную работу на реальном производстве?

Аппаратные барьеры и надежность в полевых условиях

Разрыв между подготовленными демо и промышленной отказоустойчивостью проявился в ходе визита на площадку компании в Кремниевой долине. Genesis AI показала работу серийного двурукого манипулятора: захват, сканирование, упаковку, закрытие коробки, проклейку скотчем и наклеивание стикера. При повторном прогоне манипулятор уронил коробку и долго не мог отделить клейкую этикетку от ленты принтера. Инцидент представители стартапа списали на сбор данных по редким сценариям отказов.

Более серьезная проблема: флагманский робот-гуманоид Eno вовсе оказался не готов к демонстрации. Хотя Genesis AI собрала от 30 до 40 прототипов Eno и согласовала проект серийного выпуска с контрактным американским сборщиком, механические ограничения остаются жесткими. По признанию самого Чжоу Сяня, манипуляторы компании выдерживают лишь несколько недель штатной работы до полной замены. Необходимость регулярного технического обслуживания создает высокую финансовую нагрузку на операционную модель. Постоянные циклы замены комплектующих и простой линий для сервиса быстроизнашивающихся компонентов ставят под сомнение окупаемость таких систем для бизнеса.

В чём смысл

Оценка роли алгоритмов всего в 10% от итогового успеха прямо указывает на смену приоритетов в робототехнике: побеждает не тот, у кого сложнее архитектура, а тот, кто собрал чистые тактильные метрики с сотен операторов в перчатках. Инвесторы не зря вливают колоссальные чеки именно в мелкую моторику, рассчитывая срезать косты на складах за счет замены человека манипулятором. Вот только реальный цех безжалостен к лабораторным моделям: падение коробки на повторном тесте и неспособность отклеить скотч показывают, насколько зыбка граница между эффектным демо и рутиной.

Источник: TechCrunch