منغ ياو من أوفسِي
البت الكمّي | حساب QbitAI على WeChat
هذا RSI، ذلك AGI، مهما كان سام ألتمان اليوم قد ضخّم منافسة نماذجه إلى أقصى حد، لا أزال سأقول جملة واحدة—
في مسألة الـ Physical AI،OpenAIقد ذاقت المرارة حقًا لا تقل عما ذاقته كبرى شركات الذكاء التجسيدي!!! (doge)
تذكّروا أنه في عامي 2020-2021، مرّ فريق روبوتات OpenAI الطامح بموجة حلٍّ لم يكتمل طموحه، وكانت واحدة من الصعوبات الواقعية التي تكرر ذكرها هي نقص بيانات التدريب.
لكن بعد بضع سنوات فقط، ظهر GPT-6 فجأة بقوة صدمت الشبكة بأكملها حتى أذهلت الجميع! لكن الأمر الأكثر سحرية هو:
كيف يمكن ل نموذج لغوي عام مثلك أن يتحكم بذراع روبوتية بهذه السلاسة، ويُنجّز مهام تجسيدية مثل الإمساك والوضع وغيرها!؟
△مصدر الصورة: مؤسسة التقييم المستقل الأمريكية RoboCurve
والسؤال الآن: OpenAI التي كانت محتبسة أمام مشكلة البيانات آنذاك، كيف أعادت إنجاز هذا الأمر؟
بدافع فضول قوي تجاه تطور التقنية، تتبعتُ فعلًا التقارير العلنية وخبرات القطاع، ثم ظهر أمر مخادع وسحري ومبالغ فيه—
مجموعات البيانات من نوع Egocentric (منظور الشخص الأول) التي تتصدر حماسة نقاشات دوائر الـ Physical AI حاليًا، كانت OpenAI قد اشترتها بكميات كبيرة منذ زمن!
ورغم أن OpenAI لم تفصح علنًا عن هوية هذا مورّد البيانات، فإنه مع استمرار ارتفاع حرارة مسار الـ Physical AI، ظهرت شركة فجأة وسط كثافة النقاشات في القطاع:
ليست شركة تقنية عملاقة، بل شركة تُدعىMaxinsightsحتى بحساب دقيق لم تتجاوز مدةتأسيسها سنتين إلى ثلاث سنوات。
وحين تتبعت قائمة عملائها أكثر، اكتشفت أن هذه الشركة بلغت حتى سلسلة توريد أبرز لاعبي الـ Physical AI عالميًا:
Google DeepMind وFigure و1X وغيرها…جملة من أكثر لاعبي دوائر الـ Physical AI ضجيجًا وتألقًا ظهروا في قائمة شركائها.
بل إن العائد السنوي المتكرر (ARR) لهذه الشركة تجاوز أو اقترب من حاجز 100 مليون دولار لعدة أشهر متتالية~
شركة ناشئة في وادي السيليكون عمرها بضع سنوات فقط، حوّلت خبرات التشغيل الواقعية لآلاف الأشخاص حول العالم إلى تجارة قابلة للتوسّع تمتد عبر سوقَي الصين وأمريكا.
إذن، كيف أُقيمت هذه التجارة بالضبط؟ اليوم سنستعرض الأمر جيدًا~
تسليم 2 مليون ساعة، والاندفاع إلى سلسلة توريد الـ Physical AI الأساسية عالميًا
بصراحة، لا لوم حقًا على الارتفاع الهائل في حاجة الـ Physical AI خلال العامين الماضيين إلى بيانات Egocentric قابلة للتوسّع.
السبب وراء ذلك واقعي جدًا: جمع بيانات التشغيل بنفسها عبر الروبوت مرارًا وتكرارًا مكلف وبطيء، والمشاهد التي يمكن تغطيتها محدودة جدًا. (أوجاع.jpg)
وقدرة بيانات Egocentric هي بالضبط ما يسدّ هذا الثغرة الكبيرة في تدريب البيانات—
يكفي أن يضع الإنسان كاميرا على رأسه لتسجيل حركات اليد اليومية وتفاعلات الإنسان مع الأجسام.
تكلفة جمع أقل، وتنوع مشاهد أقوى، ودون الاعتماد على عتاد روبوتات مكلف،فيكون من الممكن دعم مجموعات بيانات ضخمة على مستوى عشرات الآلاف إلى مئات الآلاف من الساعات، لطيف～
لكن من ناحية أخرى، هناك شركات كثيرة تعمل في بيانات Egocentric Data، لكن قليل جداً من الشركات الناشئة استطاع الدخول في سلسلة التوريد الأساسية لكبار مصنّعي النماذج العالميين.
وبعد معرفة أعمق، وجدت أن أعمال البيانات التي تقوم بها Maxinsights تتجاوز فعلًا تصوري المعتاد عن الشركات الناشئة. (doge)
فحسب، في أثمن أصول البيانات لديها، وصلت هذه الشركة إلى مستوى «المليون ساعة» في التنافس الشرس—
البيانات المسلّمة للعملاء وحدها تجاوزت2 مليونساعة، بالإضافة إلى امتلاكها أكثر من1.5 مليونساعة من البيانات الموسومة بتتبّع اليدين واللغة.
بلغ الإنتاج الشهري من الجمع حتى450 ألفساعة، وامتدّت شبكة الجمع العالمية إلى2000بيئة حقيقية متعددة، تغطي ما يزيد عن50000مشهدًا متعددًا.
شركة عمرها سنتان أو ثلاث سنوات فقط، هكذا جمعت خبرات التشغيل البشري المبعثرة حول العالم، قطعةً قطعة، لبناء منجم من بيانات تدريب الروبوتات~
بالتأكيد، مهما كان حجم تسليم بياناتك كبيراً، ففي النهاية يبقى الأمر متوقفاً على ما إذا كان هناك عملاء مستعدون للدفع مقابل هذه البيانات، وعلى مقدار القيمة التي حققتها في قدرات النموذج.
لذلك واصلت التحقق أكثر، فاكتشفت أن Maxinsights، بفضل رصيدها من بيانات يغطي عشرات الآلاف من السيناريوهات، قد وسّعت أعمالها لتشمل مناطق من بينها أمريكا الشماليةالقارات الست في العالم。
والأكثر لفتاً للنظر للتفكير هو أن الشركة المعنية قد تمكنت حتى من دخول سلسلة التوريد لأبرز اللاعبين العالميين في مجال الـ Physical AI —
شركة Google DeepMind، وFigure AI، وDyna Robotics، وGenesis AI...أي واحدة منها إذا اخترتها عشوائيًا فهي اسم بارز في أوساط الروبوتات العالمية.
في مارس من هذا العام، توسعت الشركة بأعمالها إلى السوق الصينية أيضاً، وأصبحت أعمال بيانات Physical AI العالمية قد نجحت بها فعلاً.
بل إن هذه البيانات المبيعة بدأت تُظهر «قيمة» التدريب المسبق على نطاق واسع في نتائج تدريب نماذج الروبوتات المتطورة.
خذ المنتج الذي أُصدر في شهر 8 من هذا العامDyna-2بالنسبة إلى الأمر.
درّبت Dyna Robotics آنذاك الروبوت مسبقاً على 1,000,000 ساعة من مقاطع الفيديو البشرية ذات المنظور الأول، ليتعلم الروبوت قوانين التفاعل الفيزيائي في العالم الحقيقي.
وقد تبيّن فعلاً أنها توصّلت إلى قانون تحجيم (Scaling Law): عندما تزايدت بيانات التدريب المسبق من 1000 ساعة وصولاً إلى 1,000,000 ساعة، فإن ما ينبّئ به Dyna-2 بالنسبة للحركات البشريةانخفض متوسط مربع الخطأ في التنبؤ بنحو 12%。
والأهم من ذلك أن النموذج حافظ على تحسّن أدائه التنبؤي مع زيادة حجم فيديوهات البشر، حتى أمام بيانات روبوتات لم يشاهدها في مرحلة التدريب.
ومن يصدّق أن أكبر مورّد يقف وراء بيانات التدريب المسبق البالغة 1,000,000 ساعة لدى Dyna-2 ليس أي شركة كبرى، بل هو بالضبطMaxinsights。
لنتحدث الآن عن نموذج الروبوتات الأساسي الذي أطلقته شركة «Genesis AI»، نجمة وادي السيليكون للروبوتات، في مايو من هذا العامGENE-26.5。
وعند إطلاق النموذج آنذاك، استعرضوا عرضاً طهوياً معقداً للغاية:
دخل الروبوت المطبخ مباشرة وأتمّ تلقائياً وبأخذ نفس واحد نحو20 خطوةمن عمليات الطهو المتصلة: تقطيع الطماطم، فتح البيضة بيد واحدة، التنسيق بين اليدين... دون أي تدخل بشري طوال الوقت.
بل إن كثيراً من المهارات عالية الصعوبة أمكن تنفيذها بشكل مستقل بأقل من 1 ساعة من بيانات الروبوت الخاصة بكل مهمة. (مندهشة.jpg)
والسرّ هنا يكمن في تدريب النموذج مسبقاً على كميات كبيرة من فيديوهات البشر ذات المنظور الأول وبيانات مستشعرات القفازات لتتعلم الحركة وخبرات التفاعل الفيزيائي:
وكثيرون لا يعلمون أنشريك البيانات الحصرية ذات المنظور الأول لـ GENE-26.5 هو أيضاً Maxinsights؟؟؟
من ميزانية شراء كبرى شركات النماذج عالمياً، وُلدت شركة بقيمة مئات ملايين الدولارات.
دخلت سلسلة التوريد الأساسية العالمية، وأنجزت تسليم بيانات بمستوى مئات الآلاف إلى مليون ساعة، وحصلت على اعتراف كبار العملاء.
سمعنا في هذه السنوات كثيراً من حكايات الـ Physical AI، لكن الأعمال التي تحوّل الاحتياجات التقنية إلى أموال حقيقية هي وحدها التي تلمس طرق التجارية فعلاً.
وهذه المعادلة، أجابت عنها بالفعل أحدث قائمة نتائج مالية لشركة Maxinsights.
وفقًا لأحدث البيانات التشغيلية،في الربع الثالث من عام 2026، من المتوقع أن تنمو قيمة Bookings لدى Maxinsights(قيمة عقود الطلبات الموقعة)بنسبة 48% مقارنة بالربع السابق.
المعنى الظاهري لمصطلح «قيمة عقود الطلبات الموقعة» سهل الفهم، فهو يقيس حجم العقود المالية الحقيقية التي يرغب العملاء في توقيعها مقابل خدمات البيانات التي تقدمها هذه الشركة.
لكن ما في الأمر من تفاصيل دقيقة لا يقتصر على هذا فحسب، ففي النهاية بيانات تدريب الروبوتات ليست مسألة جمع أكثر وبيع أكثر فقط.
فاستعداد العملاء للشراء من عدمه،يختبر في الخفاء ما إذا كانت البيانات قادرة فعلًا على دخول عملية تدريب النموذج، وقدرتها على تحسين أداء النموذج باستقرار، وقدرة المورّد على مواكبة حجم وجودة البيانات في الجولة التالية من التدريب.
وخاصة فرق نماذج الأساس (Foundation Model) الرائدة، حيث تتطلب دورات تطوير النماذج في كثير من الأحيان مئات الآلاف أو حتى الملايين من ساعات البيانات كدعم، مع متطلبات عالية جدًا في جودة البيانات وتغطية السيناريوهات واستقرار التسليم.
ولذلك يمكن القول إن نمو قيمة عقود الطلبات الموقعة هو، إلى حد ما، تصويت من العملاء بأموال حقيقية لصالح قدرة شركة البيانات على التسليم على نطاق واسع وقيمة توريدها طويل الأجل.
والأكثر أهمية للتنبيه إليه أن هذا نمو إضافي في العقود تحقق على أساس سبق فيه تحقيق تسليم بيانات بمستوى «المليون ساعة»!!!
وبحسب هذا الزخم المستمر للتوسع في مصنع البيانات هذا،
فمن المقدّر، وربما، من الممكن أن تقفز قيمة العقود الموقعة لهذه الشركة مستقبلًا على خطوات RSI نحو «الانفجار الذكي». (ضحك)
وهناك مجموعة أخرى من الأرقام تستحق التأمل فيها جيدًا—
أصبحت Maxinsights اليوم تحافظ على إيرادات ARR(الإيرادات السنوية المتكررة)بمستوى 100 مليون دولار أو قريباً منه لـ«أشهر متتالية».
والنقطة الجديرة بالتأكيد هنا هي أن ARR لا يقيس أرباح هذا الشهر، بل يشير إلى الإيرادات التي يمكن تكرارها بثبات على مدى سنة وفق هيكل العقود الحالي.
استمرار! لعدة أشهر! في الحفاظ على ARR قريب من مئات الملايين يعني أن هذا التدفق النقدي المتوقع يستمر في التحقق شهرياً بشكل ثابت داخل هذه الشركة.
أما الرقم الآخر الذي يجب الانتباه إليه فهو مبلغ «100 مليون دولار».
فلنعلم أن $100M ARR يُعتبر أيضاً عتبة نضج معترفاً بها على نطاق واسع في القطاع، وهو يعني تقريباً أن Maxinsights قدأنهت مرحلة التحقق التقني والتحقق من العملاء المبكرة ودخلت مرحلة التوسع النطاقي.
لكن ما أريد قوله أكثر هو أن القيمة الحقيقية لـ $100M ADD تكمن فيعجلة البيانات——
التي تتشكل تدريجياً خلفه، فأعمال بيانات Physical AI لها خاصية وهي أن وف!ور!ية!الن!ط!اق! بارزة جداً!
كلما زاد عدد العملاء، تراكمت سيناريوهات واقعية وبيانات تدريب أكثر، وكلما ازدادت البيانات غنى، زادت الفرص في تحسين نتائج تدريب النماذج، وعند التحقق من النتائج، يمكن جذب العملاء إلى الشراء المستمر وزيادة الطلبات.
وهكذا تتشكل حلقة نمو إيجابية في العمل، و$100M ARR هي بالضبط إشارة قوية على أن نموذج العمل هذا بدأ يتحقق على نطاق واسع ~
△ مُنشأ بواسطة الذكاء الاصطناعي
وبالإضافة إلى ذلك، أريد أن أقول إن خلف هذا الأداء يكمن حساب قطاعي أكثر جدارة بالتأمل.
أعمال تدريب بيانات Physical AI كانت دائماً عملاً يسهل فيه كسب أموال المشاريع ويصعب فيه كسب أموال طويلة الأمد.
والسبب واقعي جداً: اقتناء البيانات في مجالات الذكاء المُجسَّد والروبوتات والقيادة الذاتية يتميز منذ زمن طويل بخصائص«نظام المشاريع» القوية。
فالعميل يشتري البيانات الاصطناعية أو البيانات المُعلَّمة أو محاكاة السيناريوهات، وبعد تدريب نسخة واحدة من النموذج، ينتهي الطلب نظرياً، وتُسوّى الفاتورة حسب الطلب ويتفرق الطرفان بعد الانتهاء.
وبالتالي، بالنسبة لبعض الشركات الناشئة، من السهل أن يحدث مشهد محرج: الإيرادات تتذبذب بشكل نابض مع الطلبات، ثم لا تنمو الشركة أبداً...
لذلك فإن قدرة شركة تدريب بيانات على تحويل إيراداتها إلى ARR شهري مستمر تعني أيضاً أنها تغلبت على عدة عقبات كبرى في هذا العمل —
قاعدة عملاء متنوعة بما يكفي، وعملاء مستعدون للدفع لها، وقدرة البيانات الجديدة الناتجة عن تحديث النماذج على الاستمرار في العمل، وامتلاك القدرة على التمويل الذاتي المستمر.
من مهارة «استقبال الطلبات» إلى ثقة «الكسب المستمر»، من الواضح أن Maxinsights قدّمت اليوم تقريراً أداء مقنعاً.
لا يقتصر الأمر على توفير البيانات؛ فـ Maxinsights تشارك في تعريف بيانات الجيل القادم مع النماذج الأساسية
بالطبع، في مسار Physical AI، هناك مشكلة واقعية يسهل أن تحجبها حرارة أعمال اقتناء البيانات الحالية، وهي —
البيانات التي يكون العملاء مستعدين اليوم لشرائها ليست بالضرورة البيانات التي يحتاجها الجيل القادم من الروبوتات أكثر.
فالنماذج تتطور بسرعة كبيرة الآن، وما سيتعلمه الروبوت لاحقاً والبيانات التي ينقصها، أحياناً حتى فرق النماذج الرائدة تكتشفها أثناء التدريب.
لكن المثير للاهتمام أنه بينما ما يزال كثير من مزودي البيانات يفكرون في كيفية بيع بياناتهم، فإن ما تفعله Maxinsights لا يقتصر على «توفير البيانات» —
فهيتشارك مباشرة في بناء البنية التحتية للبيانات لـ Physical AIوتعمل مع فرق Foundation Model الرائدة على التفكير في البيانات التي يحتاجها القطاع فعلاً.
حتى الآن، تمتلك Maxinsights على مستوى العالم ما يقارب50 عميلاًشريكاً، من بينهم 5 من أرقى الشركات على الإطلاق في القطاع.
غير أن نموذج أعمال Maxinsights يختلف قليلاً عن نموذج توفير البيانات حسب الطلب والتسليم حسب الطلب الشائع.
وبتحديد أكثر، يتعاون أعضاء الفريق أولاً بعمق مع كبار العملاء هؤلاء، ويصقلون المنتج مراراً وتكراراً وفقاً لأصعب متطلبات البيانات، فيتراكم لديهم مجموعة بيانات عالية الجودة وشبه موحدة، ثم يوسعون منتج البيانات الناضج هذا إلى أكثر من 40 عميلاً آخرين.
خذ على سبيل المثال تعاون Maxinsights في مراحله المبكرة معGoogle DeepMindكنموذج.
في ذلك الوقت، بدأ الطرفان معاً في استكشاف جمع بيانات المنظور الشخصي الأول باليدين العاريتين، وانطلقا من نحو 200 ساعة في البداية، ووسعا حجم التسليم شيئاً فشيئاً.
لكن ما يستحق التأمل هو أن التعاون بين Maxinsights والعملاء لم ينتهِ بمجرد تسليم البيانات،
فبعد أن يطرح فريق النموذج احتياجاته، يستكشف الطرفان معاً حلول البيانات، ثم تتولى Maxinsights تنظيم الجمع والمعالجة، وتواصل تحسين منتج البيانات بناءً على ملاحظات تدريب نموذج العميل.
وهكذا تحولت أعمال شراء البيانات حسب الطلب تدريجياً إلى تعاون طويل الأمد يستكشف فيه الطرفان معاً احتياجات البيانات ويطوّران منتجات البيانات ويكررانها بشكل مستمر.
حتى إن نموذج التعاون هذا امتد ليصل إلىText وUpper Body وFull Bodyوكذلك اتجاهات بيانات جديدة مثل UMI～
△صناعة بواسطة الذكاء الاصطناعي
فمن تلبية احتياجات العملاء، إلى تحويل معايير العميل الصارمة ليصبح معيارًا مشتركًا لدى عملاء آخرين، هذه القدرة نادرة فعلًا في الصناعة بأكملها.
في تجارة بيانات Physical AI، القدرة على استقبال الطلبات موهبة بحد ذاتها، أما القدرة على جعل معايير بياناتك يعتمدها عدد متزايد من العملاء فهي ما يتيح فرصة تحويل العمل إلى بنية تحتية.
وبالطبع، لكي تجرؤ على التعامل مع عمالقة عالميين، راكمت Maxinsights بين يديها «رصيدًا تقنيًا» يمتد من جمع البيانات ومعالجتها إلى التسليم على نطاق واسع —
فمثلًا في اتجاه Full Body.
بدأت هذه الشركة تستكشف إعادة بناء مسارات حركة جسم الإنسان كاملًا من مقاطع الفيديو بمنظور الشخص الأول، إذ يستطيع النظام إعادة بناء الوضعية ثلاثية الأبعاد للجسم مع تتبع حركتي اليدين والتفاعل مع الأشياء في آن واحد.
وبهذا، تتحقق فرصة أن يتحول ما يتعلمه الروبوت من عمليات يدوية جزئية إلى حركات تآزرية لكامل الجسم أكثر تعقيدًا:
أما في اتجاه Upper Body.
فإن استكشافات Maxinsitespace وصلت حتى إلى «Maxinsights»، إذ تعمقت إلى التعبير المشترك عن البيانات بعنصرَي «الحركة — الفضاء — الدلالة».
من تحضير اللاتيه إلى تقديم القهوة، يمكن لكل خطوة تشغيلية أن تقابل بدقة حركة محددة وأمر مهمة، ما يعني توفير منهج تدريب عملي أدق وأنفع لتعليم الروبوت العمليات المعقدة وتدريب نماذج VLA، على هذا النحو:
وفي اتجاه الإدراك المكاني عالي الدقة، طورت Maxinsights أيضًا نموذجًا كبيرًا باسمMaxSLAMبمعرفتها الخاصة.
يستطيع هذا النموذج إعادة بناء تغيّرات زاوية الرؤية أثناء قيام البشر بعملياتهم بدقة على مستوى الملليمتر، ما يمكّن الروبوت من رؤية الحركة المكانية الكامنة وراء عمليات مثل التعبئة في الصناديق وترتيب الأعمال المنزلية والإصلاح والتجميع، ويوفر بيانات دقيقة لتدريب النماذج لاحقًا.
وإذ تُظهر نتائج الاختبار العملي أداءً قويًا للغاية، في التقييم الداخلي الذي شمل أربع فئات من المهام الحقيقية و20 تسلسلًا تشغيليًا، بلغ خطأ مسار الموقع في MaxSLAM 4.24 ملليمتر فقط، بينما انخفض خطأ الوضعية إلى 0.57°:
بصراحة، بعد الاطلاع على شركة Maxinsights هذه، شعرت فعلًا ببعض المشاعر.
لأن الأمر اليوم لم يعد جمع بيانات Physical AI عملًا غريبًا على الإطلاق، ففي العامين الأخيرين بدأ عمالقة التكنولوجيا جميعهم يراهنون على هذا المجال.
لكن مهما اشتد الموج، تبقى الشركات القادرة على إنتاج البيانات بالجودة وبالحجم، مع جعل كبار مطوري النماذج عالميًا يدفعون المال باستمرار، في النهاية قليلة.
من تسليم البيانات بحجم مليون ساعة، إلى كونها المورد الأساسي للاعبين العالميين الكبار مثل OpenAI وGoogle DeepMind وFigure AI، وصولًا إلى استكشاف المتطلبات البيانية للجيل القادم مع فرق النماذج الرائدة —
فإن ربط هذه الإنجازات معًا يتيح لنا رؤية بوضوح مسار نموشركة ناشئة رائدة في مسار بيانات وبنية تحتية الذكاء الاصطناعي المادي.
ما مدى بُعد الذكاء الاصطناعي المادي عن دخول الحياة الواقعية على نطاق واسع؟ لا أحد يستطيع الجزم بذلك حاليًا.
لكن في سلسلة الصناعة التي توفر لها بيانات التدريب، من الواضح أن هناك لاعبين يتمتعون بقدرات فريدة استحوذوا مسبقًا على مكانة بيئية يصعب تقليدها داخل الصناعة.
إدراكُ الاتجاه مسبقًا، وتحقيقُ النجاح بالأفعال.
Maxinsights تعرف هذا الدرس جيدًا بالتأكيد.