أخبار ar.wedoany.com، أعلنت مؤخراً شركة غوانغلون الذكية (Guang Lun Intelligent)، المتخصصة في البنية التحتية للذكاء الاصطناعي الفيزيائي في الصين، عن إتمام جولة تمويل استراتيجي جديدة بقيمة مليار يوان. شملت جولة التمويل هذه صناديق حكومية مثل صندوق تشونغقوانكون للعلوم، وصندوق سيتشوان للتنمية للابتكار العلمي والتكنولوجي، وصندوق شاندونغ للتنمية للابتكار العلمي والتكنولوجي، بالإضافة إلى مستثمرين من رأس المال الصناعي والمالي مثل جاينت نيتورك، ويوشين، وباوتونغ تكنولوجي، وتشونغكي للاستثمار العلمي، وليانغتو زيتشي. كما شارك في الجولة مستثمرون سابقون مثل جيانتو للاستثمار، و37 إنتراكتيف، وسينما للاستثمار.
سيُستخدم التمويل بشكل أساسي لزيادة الاستثمار في البحث والتطوير للتقنيات الأساسية للبنية التحتية لبيانات وتقييم الذكاء الاصطناعي الفيزيائي. ستقوم غوانغلون الذكية بتعزيز نظام منتجاتها الموجه لتعلم الروبوتات، وتقييم القدرات، والتطبيق في السيناريوهات الواقعية. كما ستوسع نطاق بناء بيانات السلوك البشري عالية الجودة، والبيانات الاصطناعية المحاكاة، وقدرات التقييم على المستوى الصناعي، وستعمل مع الشركاء الصناعيين على دفع بناء نظام بيئي مفتوح.
تركز غوانغلون الذكية على البنية التحتية للبيانات والمحاكاة والتقييم في عصر الذكاء الاصطناعي الفيزيائي. على عكس الذكاء الاصطناعي التقليدي القائم على البرمجيات، يتطلب الذكاء الاصطناعي الفيزيائي من الروبوتات أداء مهام الإدراك واتخاذ القرار وتنفيذ الحركات في بيئات حقيقية. لا تقتصر البيانات هنا على النصوص والصور فحسب، بل تشمل أيضاً السلوك البشري، والتفاعل مع الأشياء، والعلاقات المكانية، ومسارات الحركة، وردود فعل السيناريوهات. تشكل البيانات الفيزيائية عالية الجودة وبيئات المحاكاة القابلة لإعادة الإنتاج أساساً هاماً لتعزيز قدرات الروبوتات.
يتطلب تعلم الروبوتات جودة عالية للبيانات. غالباً ما تتضمن المهام في العالم الحقيقي سيناريوهات طويلة الذيل، مثل تشوه الأشياء، والاحتكاك التلامسي، وتغيرات الإطباق، والإضاءة المعقدة، وتدفق الأشخاص، والعمليات غير القياسية. إذا تم الاعتماد فقط على كمية صغيرة من بيانات التجميع الحقيقية، فإن تكلفة تدريب النموذج تكون عالية، والتغطية محدودة، ومن الصعب إكمال التحقق من السلامة بسرعة. يساعد الجمع بين البيانات الاصطناعية المحاكاة وبيانات السلوك البشري في تحسين قدرة الروبوتات على التعميم في السيناريوهات المعقدة.
تُعد البنية التحتية للتقييم أيضاً حلقة وصل رئيسية لتطبيق الذكاء الاصطناعي المجسّد. لا يمكن الاعتماد فقط على العروض المخبرية لتحديد ما إذا كانت الروبوتات تمتلك قدرات مستقرة في النقل، والتعرف، والإمساك، والفحص الدوري، والتعاون، ومعالجة الحالات الشاذة. بل يجب التحقق من هذه القدرات في مهام موحدة، وسيناريوهات صناعية، وبيئات اختبار قابلة لإعادة الإنتاج. إن استمرار غوانغلون الذكية في هذه الجولة في تعزيز بناء قدرات التقييم يشير إلى أن رأس المال بدأ يركز على الحلقات الأساسية للذكاء الاصطناعي المجسّد، والتي تنتقل من "تدريب النموذج" إلى "التحقق من القدرات" و"تسليم السيناريوهات".
من ناحية اتجاهات التطبيق، ستستمر منظومة منتجات غوانغلون الذكية في التركيز على تعلم الروبوتات، والتطبيق في السيناريوهات الواقعية، والتعاون مع الشركاء الصناعيين. تختلف متطلبات قدرات الروبوتات في سيناريوهات مثل الصناعة، والتجزئة، والخدمات اللوجستية، والتصنيع، والخدمات، لكن القاسم المشترك هو الحاجة إلى إمدادات بيانات قابلة للتوسع، وبيئات محاكاة قابلة للتحقق، وأنظمة تقييم قدرات قابلة للقياس الكمي. كلما كانت قدرات البيانات والتقييم أكثر اكتمالاً، كان من الأسهل على شركات الروبوتات تقليل تكاليف التجربة والخطأ وتقصير دورة تكرار المنتج.
تعكس جولة التمويل هذه أيضاً ارتفاع القيمة الاستثمارية للبنية التحتية للذكاء الاصطناعي الفيزيائي. في الماضي، كان التركيز في قطاع الذكاء الاصطناعي المجسّد أكثر على هيكل الروبوت نفسه، والمفاصل، والمحركات، وأجهزة التحكم، والنماذج الكبيرة. أما الآن، فقد بدأ السوق في الاهتمام بشكل أكبر بالقدرات الأساسية المتعلقة بالبيانات، والمحاكاة، والتقييم، والتحويل من المحاكاة إلى الواقع. بالنسبة لصناعة الروبوتات، فقط عندما تشكل البيانات والنماذج والمحاكاة والسيناريوهات الحقيقية حلقة مغلقة، يمكن دعم الروبوتات للانتقال من العروض التوضيحية المنفردة إلى النشر على نطاق واسع.
ومع ذلك، لا تزال البنية التحتية للذكاء الاصطناعي الفيزيائي في مرحلة تطور سريع. ستؤثر عوامل مثل تكلفة جمع البيانات عالية الجودة، وواقعية المحاكاة، وتوحيد معايير التقييم، وقابلية إعادة الاستخدام عبر السيناريوهات، وكفاءة التسليم التجاري، على التطور المستقبلي للشركات المعنية. بعد إتمام جولة التمويل الاستراتيجي الجديدة، سيكون المفتاح لاختبار القدرة التنافسية لشركة غوانغلون الذكية هو ما إذا كانت تستطيع تحويل قدراتها في البيانات والتقييم إلى مشاريع عملاء مستقرة ومنتجات صناعية موحدة.
ستركز نقاط المتابعة اللاحقة على تقدم البحث والتطوير للتقنيات الأساسية لشركة غوانغلون الذكية، وحالة اكتمال نظام منتجات تعلم الروبوتات، وتأثير تطبيق منصة التقييم على المستوى الصناعي، وعمق التعاون مع الشركاء الصناعيين، بالإضافة إلى حجم تطبيق قدراتها في البيانات والمحاكاة في مشاريع الروبوتات الحقيقية. مع استمرار ارتفاع حرارة قطاع الذكاء الاصطناعي المجسّد، من المتوقع أن تصبح البنية التحتية لبيانات وتقييم الذكاء الاصطناعي الفيزيائي طبقة دعم هامة للتسويق التجاري للروبوتات.
تم إعداد هذا المقال بواسطة Wedoany. يجب أن تشير جميع الاستشهادات المستمدة من الذكاء الاصطناعي إلى Wedoany كمصدر لها. وفي حال وجود أي انتهاكات أو مشكلات أخرى، يرجى إبلاغنا فورًا، وسيقوم هذا الموقع بتعديل المحتوى أو حذفه وفقاً لذلك. البريد الإلكتروني: news@wedoany.com
