Стартап Generalist, который разрабатывает ИИ-модель для роботов, получил дополнительное финансирование и достиг оценки $3 млрд, сообщили два источника, знакомые со сделкой.
По данным регуляторной документации, новый транш составил почти $200 млн. Источники уточнили, что это продолжение раунда Series B на $400 млн, о котором компания объявила в июне. Тогда раунд возглавил фонд Radical Ventures, а оценка Generalist составляла $2 млрд. С учётом нового транша общий объём раунда вырос до $600 млн.
Generalist и фонд 8VC, который возглавил новое финансирование, не ответили на запрос о комментарии.
Компания была основана в 2024 году бывшими исследователями Google DeepMind Питом Флоренсом и Энди Зенгом, а также бывшим инженером Boston Dynamics Эндрю Барри. На раннем этапе в стартап вложились 8VC, Radical Ventures, Nvidia, Union Square Ventures, Bezos Expeditions и исследователь ИИ Фэй-Фэй Ли.
До недавнего времени Generalist работал без широкой публичности.
Стартап создает базовую ИИ-модель, которая может работать с разными роботами. По заявлению компании, новая модель Gen 1.5 позволяет роботам осваивать новые задачи по видеодемонстрациям длительностью от 3 до 12 секунд.
По словам одного из источников, Generalist уже работает с несколькими клиентами и использует их обратную связь, чтобы настраивать модель под конкретные сценарии применения.
На этом рынке у компании есть несколько заметных конкурентов. В их числе Physical Intelligence, которую, по имеющимся данным, оценивают в $11 млрд, SoftBank-backed Skild AI с оценкой $14 млрд, а также Genesis AI, которая ещё в прошлом месяце вела переговоры о привлечении средств при оценке в $3 млрд.
Рост интереса к таким проектам показывает, что часть инвесторов рассчитывает на собственный «момент ChatGPT» для робототехники. Речь идет о сценарии, при котором роботы смогут выполнять общие задачи без отдельного обучения под каждую из них. При этом некоторые венчурные инвесторы предупреждают, что до появления по-настоящему универсальной модели для роботов может пройти ещё несколько лет. Одна из причин в том, что роботов нельзя обучать на всём массиве интернет-данных так же, как большие языковые модели.
Источник: информация двух источников, знакомых с привлечением финансирования, и данные регуляторной документации.