انتشار شركة “تزود الروبوتات بالبيانات”: كيف وصلت قيمتها إلى أكثر من عشرة مليارات دولار دون أن تصنع روبوتات؟
مرحبًا بكم، أنا صحفي مالي. اليوم سنتحدث عن خبر قد يبدو غير منطقي: في الوقت الذي يركز فيه الجميع على “الروبوتات ذات الشكل البشري” و“النماذج الكبيرة” (أي عقول الروبوتات)، ارتفعت قيمة شركة تقوم فقط بتزويد الروبوتات بالبيانات إلى 1.2 مليار دولار أمريكي (ما يعادل أكثر من 8.5 مليار يوان صيني) في غضون ثلاثة أشهر فقط (ويُقال إن القيمة قد تتجاوز المائة مليار، وقد تشمل توقعات مستقبلية أو تقلبات في أسعار الصرف، لكننا سنفترض أن هذا يعكس شعبيتها الكبيرة).
تُدعى هذه الشركة XDOF. لا تقوم بتصنيع الروبوتات ولا تطور الخوارزميات الأساسية، بل تقوم بمهمة تبدو رتيبة نسبيًا: جمع وتنظيم ومعالجة الفيديوهات وبيانات الحركات أثناء عمل الروبوتات.
لماذا هذا الجنون من قبل رأس المال؟ يكمن السبب في تحول كبير في صناعة الذكاء المجسد (Embodied AI). دعوني أشرح هذا الأمر من خمسة جوانب بلغة بسيطة.
---
1. القصة الأساسية: جمع تمويل في دورتين في ثلاثة أشهر، من شركة غير معروفة إلى شركة ذات قيمة عالية جدًا
ما الذي حدث؟
تأسست شركة XDOF في عام 2024، وفريق المؤسسين يأتي من جامعة بيركلي (واحدة من أفضل الجامعات في العالم في مجال الروبوتات). في يونيو من هذا العام، جمعت 70 مليون دولار أمريكي كتمويل أولي (الدورة A)، وبعد ثلاثة أشهر فقط، في سبتمبر، أعلنت عن جولة تمويل جديدة، وارتفعت قيمتها إلى 1.2 مليار دولار أمريكي.
لماذا بهذه السرعة؟
عادةً ما يتم تمويل الشركات الناشئة على أساس سنوي، لكن XDOF تمول كل ربع سنة أو حتى شهريًا. ماذا يعني ذلك؟ يعني أن السوق متحمس للغاية لمنتجاتها.
- دعم من مستثمرين بارزين: استثمرت شركات مثل a16z (صندوق أندرسون هولوفيتز، أحد أكبر صناديق الاستثمار في وادي السيليكون) وThrive Capital. هذه المؤسسات عادةً ما تستثمر فقط في المجالات الأكثر وضوحًا واحتمالية للنجاح.
- إيرادات مذهلة: على الرغم من صغر عمر الشركة، إلا أن إيراداتها السنوية تقترب من 50 مليون دولار أمريكي. هذه القدرة على تحقيق الأرباح مثيرة للإعجاب، خاصة بالنسبة لشركة تأسست قبل أقل من عامين، مما يدل على أنها لا تعتمد فقط على العروض التقديمية، بل تبيع منتجات حقيقية وعملاؤها راضون عنها.
خلاصة في جملة واحدة: في مجال الذكاء المجسد، كان يُعتقد سابقًا أن “البيانات” عمل شاق وغير مربح، لكن الآن أصبحت أكثر الأصول قيمة وندرة.
---
2. تحليل الفريق: خريجو جامعة بيركلي وخبرة في Meta، ما الذي يجعلهم ناجحين؟
من هم المؤسسون؟
المؤسسون الثلاثة لـ XDOF (Philipp Wu, Fred Shentu, Nemo Jin) ليسوا مجرد مبرمجين عاديين، بل هم باحثون متميزون.
- Philipp Wu (الروح القيادية): خريج مختبر أبحاث الروبوتات في جامعة بيركلي، تحت إشراف Pieter Abbeel.
- *نبذة عن Abbeel*: هو رائد في مجال تعلم الروبوتات، يدرس كيف يمكن للروبوتات أن تتعلم من خلال “المشاهدة” و“التجربة” مهام مثل طي الملابس وربط العقد.
- تجربة Wu: لم يعمل فقط في بيركلي، بل كان أيضًا باحثًا زائرًا في Meta (الشركة الأم لفيسبوك)، حيث درس النماذج الأساسية للروبوتات متعددة الوسائط. كما عمل سابقًا في شركة Covariant (شركة رائدة في مجال الروبوتات اللوجستية).
- الأساس التقني: أحد أسس تقنياتهم الأساسية هو نظام التشغيل عن بعد GELLO الذي طورته جامعة بيركلي. هذا النظام يسمح للبشر بالتحكم عن بعد في الروبوتات باستخدام وحدات تحكم، مع تسجيل كل حركة دقيقة للروبوت.
لماذا الخلفية المهنية مهمة؟
في مجال الذكاء الاصطناعي، من يفهم البيانات، يفهم النماذج.
فريق XDOF ليس مجرد مجموعة من الأشخاص الذين يقومون بتصنيف البيانات، بل هم من يفهمون كيف يفكر ويتصرف الروبوتات بشكل حقيقي. هذه الخبرة التقنية تجعلهم متميزين عن الشركات الأخرى التي تقوم فقط بتصنيف البيانات.
---
3. جوهر العمل: ليس مجرد تصوير الفيديوهات، بل تدريب الروبوتات بشكل فعال
سوء الفهم الشائع: يعتقد الكثيرون أن XDOF تقوم فقط بتوظيف أشخاص لتصوير الروبوتات أثناء عملها ثم بيع الفيديوهات لشركات الذكاء الاصطناعي.
الحقيقة: الأمر أكثر تعقيدًا بكثير من ذلك.
لماذا لا يكفي مجرد تصوير الفيديوهات؟
- الفرق بين بيانات الإنترنت وبيانات العالم الفعلي:
- لتدريب نماذج الذكاء الاصطناعي مثل ChatGPT، تكون البيانات متوفرة بسهولة (مقالات، كود).
- لتدريب الروبوتات، البيانات تأتي من التفاعلات الفعلية: هل الروبوت يمسك الكوب بشكل صحيح؟ ما مقدار القوة المستخدمة؟ ما زاوية أصابعه؟ إذا سقط، هل السبب نقص الاحتكاك أم خطأ في الزاوية؟
- هذه التفاعلات الفاشلة وعمليات التعديل هي المواد التدريبية الأكثر قيمة.
ما تفعله XDOF؟
توفر XDOF خطوط بيانات عالية الجودة:
- تسجيل متزامن: لا تقتصر على تسجيل الفيديوهات (المرئية)، بل أيضًا زوايا مفاصل الروبوتات، قوة المحركات، والإشارات الحسية.
- تنقية البيانات: على سبيل المثال، تقنية WARP-RM التي طورتها الشركة.
- *شرح بسيط*: في الماضي، إذا تردد الشخص الذي يعلم الروبوت كيفية طي الملابس أو توقف للحظة، كان الروبوت يتعلم نفس التردد مما يؤدي إلى بطء في الأداء. تقنية XDOF تمكن من تحديد الحركات الفعالة وتلك غير الضرورية، مما يسرع عملية التعلم ويزيد من دقتها.
- النتيجة: باستخدام بيانات معالجة بواسطة XDOF، انخفض متوسط وقت طي الملابس من 114 ثانية إلى 64 ثانية، وزادت نسبة النجاح.
خلاصة في جملة واحدة: ما تبيعه XDOF ليس مجرد فيديوهات، بل بيانات مُعالجة بعناية يمكن أن تحسن قدرات الروبوتات بشكل مباشر.
---
4. المقارنة مع صناعة الذكاء الاصطناعي: “Scale AI” في عالم الروبوتات، لكنها أكثر صعوبة وقيمة
لماذا تُسمى XDOF “Scale AI” في عالم الروبوتات؟
- Scale AI هي الشركات التي تدرب نماذج الذكاء الاصطناعي مثل ChatGPT وSora. لا تقوم بتطوير النماذج نفسها، لكنها توفر البيانات الضرورية لتدريبها. بدون Scale AI، ربما لا يمكن تطوير نماذج مثل OpenAI.
- دور XDOF: سواء كانت الشركات تصنع الروبوتات نفسها (مثل تسلا Optimus أو Figure) أو تطور النماذج الكبيرة (مثل نفيديا أو جوجل)، فهي تحتاج إلى كميات هائلة من البيانات الواقعية عالية الجودة للتدريب.
الفرق بينهما:
- Scale AI تعمل مع بيانات العالم الرقمي (الصور والنصوص)، وهي أسهل في المعالجة الآلية.
- XDOF تعمل مع بيانات العالم الفعلي، وهو معقد وغير متوقع. قد يكون الكوب مائلًا، أو تتغير الإضاءة، أو تكون الأقمشة مجعدة.
- لذلك، الحواجز التقنية لدى XDOF أعلى: تحتاج إلى أجهزة متقدمة (مثل نظام GELLO)، خوارزميات متخصصة لتنقية البيانات، وفهم عميق لقوانين الفيزياء.
المنطق التجاري:
- في المراحل الأولى: تبيع مجموعات البيانات (مثل ABC-130K، 130 ألف مسار).
- في المراحل المتوسطة: تبيع أدوات لجمع وتصنيف البيانات.
- على المدى الطويل: تصبح منصة بنية تحتية. مثل الحوسبة السحابية في الإنترنت، تأمل XDOF أن تصبح منصة أساسية لتدر