Physical AI साठी डेटाची नवी दिशा
ऑटोनॉमस व्हेईकल्स, रोबोट्स आणि इतर अवजड मशिनरी प्रचंड प्रमाणात डेटा तयार करतात, जो प्रगत AI विकासासाठी एक मोठे आव्हान आहे. Nomadic AI, ज्याची स्थापना CEO Mustafa Bal आणि CTO Varun Krishnan यांनी केली आहे, याच समस्येवर तोडगा काढत आहे. कंपनी व्हिजन-लँग्वेज मॉडेल्स (Vision-Language Models) वापरून ऑटोनॉमस मशिनरीच्या हजारो तासांच्या व्हिडिओंमधून मौल्यवान माहिती काढते आणि तिला स्ट्रक्चर्ड, शोधण्यायोग्य डेटामध्ये रूपांतरित करते.
यामुळे कंपन्यांना महत्त्वाचे 'एज केसेस' (Edge Cases) ओळखण्यास मदत होते, जे AI ट्रेनिंगसाठी अत्यंत आवश्यक आहेत. ही पद्धत केवळ डेटा लेबलिंगच्या पलीकडे जाऊन, Physical AI च्या विकासासाठी एक आवश्यक 'डेटा रिझनिंग' (Data Reasoning) स्तर प्रदान करते. विशेष म्हणजे, कंपनीने गेल्या महिन्यात Nvidia GTC च्या पिच स्पर्धेतही पहिला क्रमांक पटकावला होता.
Funding मुळे प्लॅटफॉर्मला बळ
Nomadic AI ने TQ Ventures च्या नेतृत्वाखाली $8.4 मिलियनची Seed Funding जाहीर केली आहे. या फेरीत Pear VC आणि तंत्रज्ञान क्षेत्रातील तज्ञ Jeff Dean यांनीही गुंतवणूक केली आहे. या गुंतवणुकीनंतर कंपनीचे पोस्ट-मनी व्हॅल्युएशन $50 मिलियन इतके झाले आहे. या Funding चा उपयोग Nomadic AI अधिक ग्राहक जोडण्यासाठी आणि आपला प्लॅटफॉर्म सुधारण्यासाठी करणार आहे.
ऑटोनॉमस व्हेईकल्स आणि रोबोटिक्ससारख्या 'Physical AI' क्षेत्राच्या वाढत्या गरजा पूर्ण करण्यासाठी Nomadic AI च्या क्षमतेवर गुंतवणूकदारांचा विश्वास असल्याचे या गुंतवणुकीतून दिसून येते. Lyft आणि Snowflake मध्ये एकत्र काम केलेले संस्थापक Mustafa Bal आणि Varun Krishnan यांनी स्वतःच्या अनुभवावरून या गरजेची ओळख पटवून Nomadic AI ची स्थापना केली.
Nomadic AI चा युनिक 'रिझनिंग' दृष्टीकोन
Nomadic AI केवळ डेटा लेबलिंग सेवा देत नाही, तर एक 'एजंटिक रिझनिंग सिस्टीम' (Agentic Reasoning System) ऑफर करते. CTO Varun Krishnan यांच्या मते, हा प्लॅटफॉर्म युजरच्या गरजा समजून घेतो आणि व्हिडिओ फुटेजमधून संबंधित डेटा आपोआप शोधतो, तसेच गुंतागुंतीच्या क्रिया आणि त्यांच्या संदर्भाचे विश्लेषण करतो. यामुळे ग्राहकांना विशिष्ट परिस्थिती, जसे की ट्रॅफिक पोलिसाला प्रतिसाद देणारे ऑटोनॉमस वाहन किंवा विशिष्ट पुलाखालून जाणारे वाहन, शोधणे सोपे होते. ही माहिती कंप्लायन्स, सुरक्षा तपासणी आणि रिनफोर्समेंट लर्निंगसाठी (Reinforcement Learning) फीड केली जाते, ज्यामुळे डेव्हलपमेंट सायकलला गती मिळते. Zoox, Mitsubishi Electric, Natix Network आणि Zendar सारखे ग्राहक पारंपरिक पद्धतींपेक्षा Nomadic AI वापरून वेगाने डेव्हलपमेंट करत आहेत.
बाजारपेठेतील स्थान आणि भविष्य
'Physical AI' पायाभूत सुविधांची बाजारपेठ वेगाने वाढत आहे आणि अनेक कंपन्या यात सक्रिय आहेत. Scale AI आणि Encord सारख्या कंपन्याही प्रगत AI टूल्स विकसित करत आहेत. Nvidia सारख्या कंपन्या ऑटोनॉमस ड्रायव्हिंगसाठी Alpamayo सारखे मॉडेल प्रदान करतात. मात्र, Nomadic AI चा एकत्रित रिझनिंग सिस्टीमवर (Integrated Reasoning System) लक्ष केंद्रित करण्याचा दृष्टीकोन एक वेगळी गरज पूर्ण करतो. TQ Ventures चे भागीदार Schuster Tanger यांनी Nomadic AI च्या भूमिकेची तुलना क्लाउड सर्व्हिसेससारख्या अत्यावश्यक पायाभूत सुविधा पुरवणाऱ्या कंपन्यांशी केली आहे. Jeff Dean सारख्या तज्ञांचा सहभाग Nomadic AI च्या AI डेटा रिझनिंगच्या दृष्टिकोनला तांत्रिक पाठबळ देतो. Nomadic AI भविष्यात लिडार (Lidar) रीडिंग्ज आणि मल्टी-मोडल सेन्सर फ्यूजन (Multi-modal Sensor Fusion) सारख्या नॉन-व्हिज्युअल सेन्सर डेटाचा समावेश करण्याची योजना आखत आहे, जे पूर्ण Physical AI विकासासाठी महत्त्वाचे आहे. Seed-स्टेज कंपनीसाठी $50 मिलियनचे व्हॅल्युएशन हे भविष्यातील ऑटोनॉमस सिस्टम्ससाठी एक आधारस्तंभ बनण्याच्या तिच्या संभाव्यतेबद्दलच्या उच्च अपेक्षा दर्शवते.