Крупнейшие корейские производители поддерживают Config — «TSMC в сфере данных о роботах»

Развитие физического ИИ в Азии обусловлено тем же производственным опытом, который позволил региону занять лидирующие позиции в мировой промышленности. В Южной Корее, Японии, Китае и на Тайване производство по-прежнему остается краеугольным камнем экономического роста. В отличие от экономик, в большей степени ориентированных на сферу услуг или разработку программного обеспечения, эти страны исторически опирались на массовое производство, экспортно-ориентированные отрасли и высокоэффективные цепочки поставок. Именно эта структурная основа в настоящее время влияет на внедрение искусственного интеллекта и определяет тенденции в сфере инвестиций.

В этом контексте особенно примечательно, что Config, стартап из Сеула и Сан-Хосе, разрабатывающий инфраструктуру данных для базовых моделей робототехники (RFM), привлек инвестиции от венчурных подразделений крупнейших производственных конгломератов Южной Кореи.

Samsung Venture Investment возглавил раунд начального финансирования на сумму 27 млн долларов, который был переподписан, оценив компанию в более чем 200 млн долларов и доведя общий объем финансирования до 35 млн долларов. Среди стратегических инвесторов в этом раунде были венчурное подразделение Hyundai Motor ZER01NE Ventures, LG Tech Ventures и SKT America, венчурное подразделение южнокорейского телекоммуникационного гиганта. К ним присоединились бизнес-ангел Питер Аббел (соучредитель Covariant AI и профессор Калифорнийского университета в Беркли) и такие финансовые инвесторы, как Mirae Asset Ventures, Korea Development Bank, GS Futures, Kakao Ventures и Z Ventures.

Config была основана в январе 2025 года генеральным директором Минджуном Сео, бывшим исследователем в Meta и главным научным сотрудником Twelve Labs, вместе с тремя соучредителями, ранее работавшими в Waymo, Google и Naver. Вместо того чтобы создавать роботов, команда сосредоточивается на более фундаментальной цели: предоставлении данных, необходимых роботам для обучения и функционирования. Они считают, что высококачественные данные будут иметь решающее значение для повышения полезности роботов.

Обучение больших языковых моделей обходится дорого из-за необходимой вычислительной мощности, но исходный материал — огромные объемы текста из Интернета — легко доступен. Обучение роботов передвижению представляет собой особую проблему, пояснил Сео в эксклюзивном интервью TechCrunch. Каждый фрагмент обучающих данных необходимо собирать физически, что требует наличия робота, помещения для его эксплуатации и персонала. По словам Сео, это делает разработку ИИ для робототехники более дорогостоящей, чем создание исключительно программных чат-ботов. По мере того как компании стремятся к созданию более способных роботов, расходы на сбор и маркировку данных могут быстро расти.

Config стремится стать движущей силой, стоящей за ИИ роботов других компаний. Стартап сравнивает свою роль с ролью TSMC, тайваньского производителя микросхем, который производит продукцию для Apple, Nvidia и AMD, не конкурируя с ними. Config стремится играть аналогичную роль в робототехнике, поставляя базовые данные. Эта стратегия набирает обороты, поскольку крупные производители все чаще стремятся разрабатывать собственный ИИ для роботов, а не полагаться исключительно на внешних поставщиков. Именно на этот рынок нацелена Config.

По словам операционного директора и соучредителя Джека Банга, Config уже приносит доход. Банг рассказал TechCrunch, что в настоящее время среди клиентов стартапа — крупные производители, системные интеграторы, а также компании из секторов сельского хозяйства и обороны. Среди конкурентов в этой области — Physical Intelligence, Generalist AI и Skild AI.

Изображение предоставлено: Кейт Парк

Config фиксирует людей, выполняющих физические задачи как в контролируемых студийных условиях, так и в реальных средах. Компания работает из Сеула и Ханоя, где почти 300 сотрудников занимаются производством данных. На сегодняшний день она накопила более 100 000 часов данных о движениях человека, что более чем в 30 раз превышает размер AgiBot World — крупнейшего сопоставимого набора данных с открытым исходным кодом, составляющего примерно 3 000 часов.

По словам Сео, большинство команд, занимающихся робототехникой, обучают модели ИИ на данных о движениях человека, а затем адаптируют эти модели для роботов. Config использует другой подход. Компания сосредоточена на преобразовании данных до начала процесса обучения, чтобы они лучше соответствовали тому, как роботы двигаются и взаимодействуют с окружающей средой. Сео сравнил этот процесс с переводом. Обучение модели на одном типе данных и ожидание, что она будет безупречно работать в другом контексте, по словам Сео, сродни попытке преподавать корейский язык, используя только англоязычные материалы.

«Преобразовывать нужно данные, а не модель. Эта технология преобразования является ключевым техническим преимуществом Config», — подчеркнул Сео.

Новое финансирование будет направлено на три ключевых приоритета: расширение операций по сбору данных во Вьетнаме и Сеуле с целью достижения одного миллиона часов собранных данных; развитие бизнеса корпоративной платформы с целью достижения годового повторяющегося дохода (ARR) в размере 10 миллионов долларов к концу 2027 года; а также запуск облачного продукта «Робот как услуга» (Robot-as-a-Service), который позволит компаниям использовать базовую модель Config без необходимости установки специального оборудования.