شهریور
اخبار
فیگور و Nscale؛ معاملهٔ ۳.۵ میلیارد دلاری برای آیندهٔ رباتهای انساننما
شرکت رباتیک فیگور با ارائهدهندهٔ زیرساخت ابری Nscale قراردادی ۳.۵ میلیارد دلاری امضا کرد تا تا ۱۰۰ هزار پردازندهٔ گرافیکی انویدیا در اختیار بگیرد؛ معاملهای که رقابت رباتهای انساننما را وارد فاز تازهای کرده است.
لیست مطالب
۱. رقابت رباتیک انساننما وارد فاز میلیارد دلاری شد
سال ۲۰۲۶ برای صنعت رباتهای انساننما سالی عجیب بوده است. استارتاپهای این حوزه تنها در همین سال بیش از ۸.۶ میلیارد دلار سرمایه جذب کردهاند؛ رقمی نزدیک به دو برابر کل سرمایهگذاری سال ۲۰۲۵. در چنین فضای پرشتابی، خبر قرارداد تازهٔ فیگور و Nscale مثل بمبی خبری در صنعت فناوری منفجر شد و بار دیگر توجهها را به سمت هزینههای سرسامآور آموزش هوش مصنوعی فیزیکی کشاند. اگر میخواهید دربارهٔ اهمیت هوش مصنوعی برای کسبوکارها بیشتر بدانید، این مطلب نگاهی کامل به این موضوع دارد.
نکتهٔ جالب اینجاست که این رقابت دیگر فقط بین شرکتهای نرمافزاری نیست. حالا سازندگان سختافزار فیزیکی هم وارد میدانی شدهاند که تا چند سال پیش، تصورش هم دشوار بود: خرید دهها هزار پردازندهٔ گرافیکی، فقط برای یاد دادن راه رفتن و برداشتن یک لیوان به یک ربات.
۲. جزئیات قرارداد فیگور و Nscale؛ چه کسی چه چیزی میگیرد؟
بر اساس اعلام رسمی دو شرکت، فیگور و Nscale قراردادی امضا کردهاند که بر اساس آن تا ۱۰۰ هزار پردازندهٔ گرافیکی انویدیا از نسل Vera Rubin در اختیار فیگور قرار میگیرد. تعهد مالی اولیهٔ فیگور ۳.۵ میلیارد دلار است، اما دو طرف اعلام کردهاند این رقم میتواند تا بیش از ۶ میلیارد دلار هم افزایش یابد. در کنار این قرارداد، Nscale سهمی -که میزان دقیق آن اعلام نشده- در فیگور خریداری کرده تا رابطهٔ دو شرکت فراتر از یک قرارداد سادهٔ خرید خدمات باشد.
بریت ادکاک، مدیرعامل فیگور، دربارهٔ این همکاری گفته است: «امروز خوشحالیم که با Nscale همکاری میکنیم تا زیرساخت پردازشی لازم برای تحقق این چشمانداز را فراهم کنیم.» جاش پین، مدیرعامل Nscale نیز این قرارداد را نشانهٔ آیندهٔ رباتیک هوش مصنوعی دانسته است. جنسن هوانگ، مدیرعامل انویدیا، این همکاری را فعالسازی «چرخهٔ رباتیک» توصیف کرده؛ فرایندی که مدلهای هوش مصنوعی، شبیهسازی و استقرار واقعی رباتها را به هم متصل میکند. استقرار اولیهٔ این پردازندهها قرار است در نیمهٔ دوم سال ۲۰۲۷ در یکی از مراکز دادهٔ Nscale در ایالت تگزاس آمریکا انجام شود.
۳. چرا فیگور به ۱۰۰ هزار پردازندهٔ گرافیکی نیاز دارد؟
رباتهای انساننما برخلاف چتباتهای متنی، باید همزمان بینایی، تعادل، برنامهریزی حرکت و درک زبان طبیعی را در دنیای فیزیکی مدیریت کنند؛ کاری که به مراتب سنگینتر از آموزش یک مدل زبانی معمولی است. فیگور برای این کار مدل اختصاصی خود به نام هلیکس را توسعه داده که وظیفهٔ کنترل بدنهٔ رباتها را بر عهده دارد. آموزش چنین مدلی به حجم عظیمی از داده و توان پردازشی نیاز دارد؛ دقیقاً همان چیزی که این قرارداد قرار است تأمین کند. کسانی که کنجکاو محدودیتهای فعلی هوش مصنوعی هستند میتوانند این مقاله را هم بخوانند تا تصویر واقعبینانهتری از تواناییهای امروز هوش مصنوعی داشته باشند.
معنای واقعی «چرخهٔ رباتیک»
اصطلاحی که جنسن هوانگ به کار برد، اشاره به مسیر پیوستهای دارد: داده از دنیای واقعی جمعآوری میشود، در محیط شبیهسازی آموزش داده میشود، مدل حاصل روی ربات واقعی مستقر میشود و رفتار آن دوباره داده تولید میکند. انویدیا امیدوار است با تأمین سختافزار این چرخه، در قلب صنعت رباتیک آینده بماند؛ درست همانطور که امروز در قلب صنعت مدلهای زبانی بزرگ ایستاده است.
۴. هلیکس و ایندکس؛ موتور دادهٔ فیگور برای آموزش رباتها
یکی از برگهای برندهٔ فیگور، برنامهای به نام ایندکس است؛ اپلیکیشنی که از طریق آن، افراد عادی با گوشی همراه خود ویدیوهایی از انجام کارهای روزمره ضبط میکنند و در ازای آن پول دریافت میکنند. طبق گزارشها، این برنامه هماکنون در هر ثانیه حدود ۳۰ تا ۳۵ دقیقه داده رفتاری انسانی تولید میکند؛ حجمی که بهسختی میتوان با روشهای سنتی جمعآوری داده به آن رسید. همین دادههاست که به مدل هلیکس یاد میدهد چگونه یک بازو را دراز کند، یک لیوان را بردارد یا مسیر خود را در یک فضای شلوغ پیدا کند.
ترکیب این حجم از داده با ۱۰۰ هزار پردازندهٔ گرافیکی جدید، فیگور را در موقعیتی قرار میدهد که میتواند سرعت آموزش مدلهای خود را بهشدت افزایش دهد. البته باید دید آیا این سرمایهگذاری عظیم، در عمل به رباتی قابلاتکا برای کارهای واقعی صنعتی و خانگی تبدیل میشود یا صرفاً یک نمایش تبلیغاتی گرانقیمت باقی میماند. تجربهٔ صنعت نرمافزار نشان داده که فاصلهٔ میان یک دموی چشمگیر و یک محصول قابلاتکای تجاری، همیشه بیشتر از چیزی است که در ابتدا به نظر میرسد.
۵. رقبا کجا ایستادهاند؟ Skild AI، Apptronik و Physical Intelligence
فیگور تنها بازیگر این میدان نیست. شرکت Skild AI با پشتیبانی سرمایهگذارانی مثل سافتبانک و انویدیا، در ابتدای سال ۲۰۲۶ حدود ۱.۴ میلیارد دلار جذب کرد و ارزشگذاریاش از ۱۴ میلیارد دلار عبور کرد. شرکت Apptronik هم با تمدید دور سرمایهگذاری سری A خود، مجموع سرمایهٔ جذبشدهاش را به بیش از ۹۳۵ میلیون دلار رساند. در همین حال، Physical Intelligence هم گفته میشود در حال مذاکره برای جذب حدود یک میلیارد دلار با ارزشگذاری بیش از ۱۱ میلیارد دلار است. ارزشگذاری فعلی خود فیگور هم پس از دور سری C اخیرش، به ۳۹ میلیارد دلار رسیده؛ رقمی که برای شرکتی هنوز بدون درآمد قابلتوجه، عددی چشمگیر است.
برای مقایسه، همین حالا رقابت مشابهی هم در دنیای مدلهای زبانی بزرگ جریان دارد؛ جایی که غولها برای برتری هوش مصنوعی متنی با هم میجنگند. نمونهاش تحلیل نبرد چتجیپیتی و دیپسیک است که نشان میدهد این رقابت تنگاتنگ، مختص دنیای رباتیک نیست.
۶. چرا زیرساختسازان روی مشتریان خود سرمایهگذاری میکنند؟
الگویی که در این معامله دیده میشود، شباهت زیادی به رفتار خود انویدیا در سالهای اخیر دارد: سرمایهگذاری مستقیم در استارتاپهایی که قرار است بزرگترین خریداران تراشههای آن باشند. Nscale که در ماه مارس ۲۰۲۶ در یک دور سرمایهگذاری سری C حدود ۲ میلیارد دلار جذب کرده و ارزشگذاریاش به ۱۴.۶ میلیارد دلار رسیده، حالا با سرمایهگذاری در فیگور، عملاً هم تأمینکنندهٔ زیرساخت و هم سهامدار مشتری خودش شده است. این شرکت همچنین گزارش داده که حدود ۵۱ میلیارد دلار درآمد قراردادی تضمینشده دارد و برای عرضهٔ اولیهٔ سهام در آمریکا آماده میشود.
چنین ساختاری برای هر دو طرف جذاب است: فیگور بدون نیاز به ساختن مراکز داده اختصاصی به توان پردازشی عظیم دسترسی پیدا میکند و Nscale هم مشتری بزرگ و بلندمدتی برای ظرفیت خود تضمین میکند؛ اما همین نزدیکی مالی است که نگرانی تازهای در بازار ایجاد کرده است.
۷. هشدار والاستریت دربارهٔ قراردادهای حلقهای
نه همه از این الگو راضیاند. برخی تحلیلگران والاستریت بهصراحت هشدار دادهاند که قراردادهای «حلقهای» -جایی که یک شرکت زیرساخت همزمان سرمایهگذار و تأمینکنندهٔ مشتری خود میشود- میتواند تصویر نادرستی از میزان تقاضای واقعی بازار ایجاد کند. به بیان سادهتر، وقتی پول از یک طرف به سمت دیگر و دوباره برمیگردد، سخت میشود فهمید چقدر از این «تقاضا» واقعی است و چقدر صرفاً بازی حسابداری بین شرکای تجاری.
پرسش اصلی که این تحلیلگران مطرح میکنند این است: آیا این شرکتهای رباتیک روزی میتوانند هزینهٔ سنگین پردازش خود را از محل فروش واقعی ربات به کارخانهها و خانهها تأمین کنند؟ یا اینکه صرفاً چرخهای از سرمایهگذاریهای متقابل، ارزشگذاریها را مصنوعی بالا نگه میدارد تا زمانی که سرمایهگذاران بپرسند مشتری واقعی این محصولات کجاست. تا امروز، هیچکدام از استارتاپهای بزرگ رباتیک انساننما نتوانستهاند نشان دهند که درآمدشان از فروش واقعی ربات، هزینهٔ سنگین پردازش و توسعه را جبران میکند.
۸. این معامله چه معنایی برای آیندهٔ کسبوکارهای مبتنی بر هوش مصنوعی دارد؟
فراتر از بحث رباتیک، این خبر یک واقعیت مهمتر را هم نشان میدهد: مسابقهٔ تسلیحاتی زیرساخت هوش مصنوعی، دیگر محدود به مدلهای زبانی مثل چتجیپیتی و جمینای نیست و حالا وارد دنیای فیزیکی هم شده است. شرکتهایی که میخواهند در آیندهٔ هوش مصنوعی جایی داشته باشند، چه در حوزهٔ رباتیک و چه در حوزهٔ نرمافزار، باید همین امروز دربارهٔ استراتژی داده و زیرساخت خود تصمیم بگیرند. برای کسانی که تازه با مفاهیم پایهای این صنعت آشنا میشوند، خواندن این مطلب دربارهٔ OpenAI و مرور اخبار روزانهٔ هوش مصنوعی در سایت میتواند نقطهٔ شروع خوبی باشد.
در کنار این، یادگیری درست کار با ابزارهای هوش مصنوعی هم اهمیت خودش را دارد؛ چه برای کسانی که میخواهند در این صنعت کار کنند، چه برای کسبوکارهایی که میخواهند از آن بهره ببرند. اگر تازه با دنیای پرامپتنویسی آشنا شدهاید، این راهنمای ساده نقطهٔ خوبی برای شروع است و در کنارش، مجموعهٔ آموزشهای چتجیپیتی در سایت هم میتواند به شما کمک کند. جالب است بدانید حتی در دنیای برنامهنویسی هم بحث داغی دربارهٔ نقش واقعی هوش مصنوعی در برابر مهندسان انسانی جریان دارد؛ موضوعی که در این تحلیل بهخوبی بررسی شده است.
آنچه معاملهٔ فیگور و Nscale نشان میدهد این است که آیندهٔ هوش مصنوعی، فقط در دل چتباتها خلاصه نمیشود؛ بخش بزرگی از آن قرار است داخل بدنهٔ فلزی رباتهایی باشد که در انبارها، کارخانهها و شاید روزی خانههای ما راه میروند. سرعت این تحول به میلیاردها دلار سرمایهای بستگی دارد که همین امروز در حال جابهجایی است.
۹. سوالات متداول دربارهٔ قرارداد فیگور و Nscale
آیا فیگور همین حالا ربات آماده برای فروش دارد؟ فیگور در حال حاضر بیشتر در فاز آزمایش صنعتی و نمایش عملکرد است و هنوز به تولید انبوه تجاری در مقیاس بزرگ نرسیده است.
هلیکس دقیقاً چه کاری انجام میدهد؟ هلیکس مدل هوش مصنوعی فیگور برای کنترل حرکت، تعادل و دستکاری اشیاء توسط رباتهای انساننماست.
چرا انویدیا اینقدر به این معاملات علاقه دارد؟ چون هرچه شرکتهای بیشتری روی سختافزار انویدیا سرمایهگذاری کنند، تقاضا برای پردازندههای گرافیکی این شرکت هم بیشتر میماند و جایگاه آن در بازار تثبیت میشود.
ریسک اصلی این نوع قراردادها چیست؟ نگرانی اصلی این است که ارزشگذاریهای نجومی، بیشتر بر پایهٔ چرخهٔ سرمایهگذاریهای داخلی شکل گرفته باشد تا تقاضای واقعی مشتریان نهایی.
این معامله چه زمانی عملیاتی میشود؟ استقرار اولیهٔ پردازندهها در نیمهٔ دوم سال ۲۰۲۷ در تگزاس آمریکا برنامهریزی شده است.
نسخهٔ فوری این مطلب در تلگرام: اینجا بخوانید
