مرداد
اخبار
جنسیس ایآی؛ استارتاپ ۶۰ نفرهای که میخواهد مغز همهی رباتها را بسازد
استارتاپ جنسیس ایآی با حدود شصت کارمند، طبق گزارشها در حال جذب ۵۰۰ میلیون دلار سرمایه با ارزشگذاری ۳ میلیارد دلار است. هدف این شرکت ساختن یک «مغز واحد» است که روی هر رباتی اجرا شود. همان کاری که مدلهای زبانی با متن کردند، جنسیس میخواهد با جهان فیزیکی بکند. اما گلوگاه اصلی این مسیر نه پول است و نه محاسبات؛ داده است.
لیست مطالب
۱) خبر در یک نگاه؛ شصت نفر و یک جاهطلبی بزرگ
یک شرکت با حدود شصت کارمند که میخواهد مغز مشترک همهی رباتهای جهان را بسازد؛ این خلاصهی داستان جنسیس ایآی است. طبق گزارشهای منتشرشده در تیرماه ۱۴۰۵ (ژوئیه ۲۰۲۶)، این استارتاپ در حال مذاکره برای جذب حدود ۵۰۰ میلیون دلار سرمایه با ارزشگذاری نزدیک به ۳ میلیارد دلار است.
آنچه این خبر را قابلتوجه میکند فاصلهی زمانی است. جنسیس کمتر از یک سال پیش با جذب ۱۰۵ میلیون دلار سرمایهی اولیه از حالت مخفی بیرون آمد. رسیدن از یک دور سید به ارزشگذاری میلیارد دلاری در این بازه، حتی با معیارهای پرشتاب امروز هم استثنایی است.
اما نکتهی مهمتر، جاهطلبی فنی شرکت است. جنسیس نمیخواهد ربات بسازد و بفروشد؛ میخواهد لایهی هوشی بسازد که روی انواع مختلف ربات — از بازوی صنعتی تا دست انساننما — اجرا شود. همان نسبتی که مدلهای زبانی بزرگ با متن دارند، این شرکت میخواهد با جهان فیزیکی برقرار کند.
در این گزارش بررسی میکنیم که «مدل پایهی رباتیک» یعنی چه، جنسیس تا کجا پیش رفته، گلوگاه واقعی این مسیر کجاست، و چرا سرمایهگذارانی مثل اریک اشمیت پشت آن ایستادهاند.
۲) مدل پایه برای ربات یعنی چه؟
برای فهم ادعای جنسیس باید ابتدا تفاوت دو رویکرد را روشن کرد.
در رباتیک سنتی، هر ربات برای یک کار مشخص برنامهنویسی میشود. بازویی که در کارخانه قطعه جابهجا میکند، مسیر حرکت و نقاط دقیقش از پیش تعریف شده است. اگر قطعه چند سانتیمتر جابهجا شود یا نور اتاق تغییر کند، سامانه ممکن است شکست بخورد. این رویکرد در محیط کنترلشده عالی کار میکند و بیرون از آن تقریباً هیچ.
مدل پایه رویکرد معکوسی دارد. بهجای برنامهنویسی برای هر کار، یک مدل بزرگ روی حجم عظیمی از دادهی حرکتی، تصویری و حسی آموزش میبیند تا مفاهیم کلیتری بیاموزد: اینکه اجسام چطور سقوط میکنند، چه چیزی لیز است، برای برداشتن یک لیوان پر چقدر باید فشار وارد کرد.
مزیت این رویکرد تعمیمپذیری است. مدلی که مفهوم «گرفتن» را آموخته، در تئوری میتواند جسمی را که هرگز ندیده هم بردارد. همانطور که یک مدل زبانی میتواند دربارهی موضوعی بنویسد که جملهبهجملهاش را در دادهی آموزشی ندیده است.
البته این قیاس محدودیت دارد و نباید سادهانگارانه پذیرفت؛ بحث مفصلتر دربارهی فاصلهی وعده و واقعیت در این فناوریها را در مرور ظرفیتها و محدودیتهای واقعی هوش مصنوعی آوردهایم.
۳) مدل جین ۲۶.۵ و چالش دستهای ماهر
محصول شناختهشدهی جنسیس مدلی است با نام جین ۲۶.۵ که در بهار ۲۰۲۶ معرفی شد. تمرکز این مدل روی یکی از سختترین مسائل رباتیک است: دستکاری ماهرانهی اجسام با دستهای چندانگشتی.
چرا این مسئله سخت است؟ چون برخلاف راهرفتن یا جابهجایی که مسئلهای کمبعد است، حرکتدادن انگشتان دهها درجهی آزادی دارد و هر تماس انگشت با جسم، فیزیک مسئله را عوض میکند. اصطکاک، نرمی جسم، لغزش و توزیع نیرو همگی باید لحظهبهلحظه تخمین زده شوند.
تفاوت با مدلهای زبانی
مدل زبانی خروجیاش توکن است و اگر اشتباه کند، جملهای نادرست تولید میشود. مدل رباتیک خروجیاش فرمان حرکت است و خطا یعنی جسم شکسته یا حرکت خطرناک. علاوه بر این، مدل رباتیک باید در زمان واقعی و با تأخیر بسیار کم پاسخ دهد؛ لوکس تفکر طولانی را ندارد.
حلقهی بستهی حس و حرکت
ویژگی کلیدی این نسل از مدلها، کار در حلقهی بسته است: مدل حرکت میکند، نتیجه را از حسگرهای بینایی و لمسی میبیند، و بلافاصله حرکت بعدی را اصلاح میکند. همین بازخورد پیوسته است که تفاوت میان «تقلید یک حرکت ضبطشده» و «انجام واقعی یک کار» را میسازد.
۴) چرا جنسیس تمامپشته شد؟
یکی از تصمیمهای راهبردی جنسیس این بود که فقط به نرمافزار بسنده نکند. گزارشهای فنی نشان میدهد شرکت سختافزار خودش — از جمله دستهای رباتیک — را هم توسعه داده است. این تصمیم در نگاه اول عجیب است: شرکتی که ادعای «مغز جهانی» دارد، چرا وارد ساخت بدن میشود؟
پاسخ به منطق داده برمیگردد. اگر بخواهید مدلی برای دستکاری ماهرانه آموزش دهید، به دادهی باکیفیت از حسگرهای لمسی و نیرو نیاز دارید. سختافزار موجود در بازار یا این حسگرها را ندارد یا دادهاش استاندارد و یکدست نیست. با ساخت سختافزار خودی، شرکت هم کیفیت داده را کنترل میکند و هم میتواند طراحی مکانیکی را با نیاز مدل هماهنگ کند.
هزینهی این تصمیم اما سنگین است: ساخت سختافزار سرمایهبر است، زنجیرهی تأمین دارد و سرعت تکرار را کم میکند. بخشی از پولی که جنسیس جذب میکند دقیقاً برای پرکردن همین شکاف است. این دوگانهی «نرمافزار خالص یا تمامپشته» یکی از تصمیمهای تعیینکننده در هر شرکت فناوری است؛ موضوعی که در تحلیل ما از نقش هوش مصنوعی در کسبوکار از زاویهی دیگری بررسی شده است.
۵) داده؛ گلوگاه واقعی رباتیک
اگر بخواهیم یک مانع اصلی برای مدلهای پایهی رباتیک نام ببریم، آن مانع داده است.
مدلهای زبانی روی متنی آموزش دیدند که بشر طی چند دهه بهصورت رایگان روی اینترنت گذاشته بود. برای رباتیک چنین گنجینهای وجود ندارد. دادهی حرکتی باید تولید شود: یا انسانی ربات را هدایت کند، یا ربات ساعتها در دنیای واقعی تلاش و خطا کند، یا همهچیز در شبیهساز اتفاق بیفتد.
هر سه راه ایراد دارند. هدایت انسانی گران و کند است. آزمون در دنیای واقعی به سختافزار آسیب میزند و زمانبر است. شبیهسازی ارزان و سریع است اما با مسئلهی معروف «شکاف شبیهساز تا واقعیت» روبهروست: مدلی که در محیط مجازی بینقص عمل میکند، در دنیای واقعی با اصطکاک، لرزش و نور غیرمنتظره شکست میخورد.
راهبرد رایج امروز ترکیبی است: تولید انبوه داده در شبیهساز، سپس تنظیم دقیق با دادهی واقعی. جنسیس هم روی همین مسیر سرمایهگذاری کرده و ریشههای آن به کار پژوهشی بنیانگذارانش در حوزهی موتورهای شبیهسازی فیزیک برمیگردد. اینکه این ترکیب تا چه اندازه جواب میدهد، پرسش باز اصلی این حوزه است.
۶) پول از کجا میآید و چه کسانی پشت آن هستند
پشتوانهی سرمایهای جنسیس یکی از دلایل جدیگرفتن آن است. طبق گزارشها، اریک اشمیت، مدیرعامل پیشین گوگل، از حامیان این شرکت است. صندوق خوسلا ونچرز از سرمایهگذاران دور اولیه بوده و پرمجی اینوست هم در دور تازه مطرح شده است.
حضور این نامها دو پیام دارد. نخست اینکه سرمایهگذاران باتجربه، رباتیک مبتنی بر مدل پایه را دیگر یک پروژهی پژوهشی دوردست نمیبینند. دوم اینکه بازار حاضر است برای تیمهای کوچک اما متمرکز، ضریبهای بالایی بپردازد — الگویی که در چند سال اخیر در آزمایشگاههای هوش مصنوعی تکرار شده است.
در عین حال باید یادآور شد که ارزشگذاری ۳ میلیارد دلاری برای شرکتی که هنوز محصول تجاری در مقیاس ندارد، یک شرطبندی روی آینده است، نه انعکاس درآمد امروز. برای مقایسهی الگوهای رشد در این صنعت، پروندهی ما دربارهی اوپنایآی تصویر خوبی از چرخهی سرمایه و محصول به دست میدهد.
۷) بازار ۴۰ تریلیون دلاری؛ عدد بزرگ یا شعار بزرگ؟
عددی که در معرفی جنسیس زیاد تکرار میشود، بازار بالقوهی ۴۰ تریلیون دلاری است؛ رقمی که به ارزش کل کار فیزیکی در اقتصاد جهانی اشاره دارد. این عدد را باید با احتیاط خواند.
از یک سو، منطقش قابلدرک است: بخش بزرگی از فعالیت اقتصادی جهان کار فیزیکی است و هر درصدی از آن که خودکار شود، بازار عظیمی میسازد. از سوی دیگر، فاصلهی میان «بازار بالقوه» و «بازار قابلدسترس» معمولاً چند مرتبهی بزرگی است.
موانع واقعی کم نیستند: هزینهی هر واحد ربات باید تا حدی پایین بیاید که صرفهی اقتصادی داشته باشد؛ ایمنی در محیطهای مشترک با انسان باید اثبات شود؛ مقررات کار و مسئولیت حقوقی باید روشن شود؛ و شرکتها باید فرایندهای خود را برای پذیرش ربات بازطراحی کنند.
تجربهی موجهای پیشین اتوماسیون نشان میدهد که پذیرش معمولاً کندتر از پیشبینیها اتفاق میافتد، اما وقتی اتفاق افتاد، عمیقتر از انتظار است. همین الگو در نرمافزار هم دیده شده؛ بحثی که در تحلیل توهم توسعهدهندهی تنها به آن پرداختهایم.
۸) رقبا و مسیر پیش رو
جنسیس در فضای خلوتی بازی نمیکند. آزمایشگاههای بزرگ فناوری، شرکتهای ربات انساننما و چند استارتاپ دیگر همگی روی همین ایده کار میکنند: مدلی که فرمانهای عمومی را به حرکت فیزیکی ترجمه کند.
مزیت نسبی مدعیان بزرگ، دسترسی به توان محاسباتی و داده است. مزیت نسبی تیمهای کوچکی مثل جنسیس، سرعت و تمرکز روی یک مسئلهی مشخص است. تاریخ این صنعت هر دو الگو را با موفقیت دیده است.
سه شاخصی که در ماههای آینده باید دنبال کرد:
- تعمیم واقعی. آیا مدل روی سختافزاری که ندیده و در محیطی که آموزش ندیده کار میکند؟
- نرخ موفقیت پایدار. عملکرد در نمایشهای کوتاه با عملکرد در هزاران تکرار پیاپی فرق دارد.
- اقتصاد واحد. هزینهی نهایی هر ربات و هر ساعت کار آن چقدر است؟
تا وقتی این سه شاخص با اعداد شفاف منتشر نشوند، هر ارزیابیای مقدماتی است. برای پیگیری روزانهی این تحولات بخش اخبار هوش مصنوعی را دنبال کنید و اگر میخواهید کار با ابزارهای امروزی را یاد بگیرید، آموزشهای کاربردی ما در دسترساند.
پرسشهای پرتکرار دربارهی جنسیس و مدلهای پایهی رباتیک
جنسیس ایآی دقیقاً چه میسازد؟
این شرکت روی مدلهای پایهی رباتیک کار میکند؛ یعنی مدلهای هوش مصنوعیای که بهجای برنامهنویسی جداگانه برای هر کار، رفتار عمومی در جهان فیزیکی را میآموزند و میتوانند روی انواع مختلف ربات اجرا شوند. علاوه بر مدل، سختافزار اختصاصی از جمله دستهای رباتیک هم توسعه داده است.
مدل جین ۲۶.۵ چه تفاوتی با مدلهای زبانی دارد؟
ورودی آن ترکیبی از تصویر، دادهی لمسی و وضعیت مفاصل است و خروجیاش فرمان حرکت، نه متن. همچنین باید در زمان واقعی و در حلقهی بسته کار کند: حرکت کند، نتیجه را ببیند و بلافاصله اصلاح کند.
آیا یک مدل واحد روی هر رباتی کار میکند؟
هدف بلندمدت همین است، اما در عمل هنوز فاصله وجود دارد. تفاوت ابعاد، تعداد مفاصل و نوع حسگرها باعث میشود انتقال مدل میان بدنههای مختلف به تنظیم و دادهی تکمیلی نیاز داشته باشد.
سرمایهگذاران اصلی جنسیس چه کسانی هستند؟
طبق گزارشها، خوسلا ونچرز از سرمایهگذاران دور اولیه بوده، اریک اشمیت از حامیان شرکت است و پرمجی اینوست در دور تازه مطرح شده است. دور سید شرکت ۱۰۵ میلیون دلار بود.
چه زمانی این رباتها به بازار میرسند؟
زمانبندی دقیقی اعلام نشده است. مسیر محتمل، ورود تدریجی به محیطهای صنعتی و انبارها پیش از خانههاست، چون آنجا محیط قابلکنترلتر و صرفهی اقتصادی روشنتر است.
