General Intuition (जनरल इंट्यूशन) रोबोटिक्ससाठी फिजिकल AI मॉडेल्स विकसित करत आहे. बाजारात कंपनीचे मूल्यमापन $6 अब्ज (billion) असल्याच्या चर्चा असताना, कंपनीने जून 2026 मध्ये $2.3 अब्ज मूल्यांकनावर $320 दशलक्ष (million) निधी उभारणीची पुष्टी केली आहे.
न्यूयॉर्क स्थित रिसर्च फर्म General Intuition (जनरल इंट्यूशन) आता मोठ्या ॲक्शन फाउंडेशन मॉडेल्सच्या (large action foundation models) विकासावर लक्ष केंद्रित करत आहे. ही मॉडेल्स AI एजंट्सना प्रत्यक्ष जगात फिरण्यासाठी आणि कामे करण्यासाठी सक्षम करतील, जी पुढील पिढीच्या रोबोटिक्ससाठी अत्यंत महत्त्वाची क्षमता आहे.
2025 मध्ये Pim de Witte सह काही तज्ञांनी स्थापन केलेल्या या स्टार्टअपचे उद्दिष्ट AI सिस्टीम्सना जागेची (spatial) आणि वेळेची (temporal) समज देण्यासाठी विशेष डेटासेट्सचा वापर करणे आहे.
$6 अब्ज मूल्यांकनाची वस्तुस्थिती
सध्या बाजारात कंपनीचे मूल्यमापन $6 अब्ज असल्याच्या बातम्या पसरल्या आहेत. मात्र, एक खासगी कंपनी असल्याने General Intuition ने या आकडेवारीची अद्याप पुष्टी केलेली नाही. कंपनीच्या माहितीनुसार, जून 2026 मध्ये $320 दशलक्षची सिरीज ए (Series A) फंडिंग पूर्ण झाली होती, ज्यानुसार कंपनीचे मूल्यमापन $2.3 अब्ज इतके होते. काहीवेळा 'Applied Intuition' या ऑटोनॉमस व्हेईकल सॉफ्टवेअर कंपनीशी गोंधळ होऊ शकतो, जिचे मूल्यमापन 2024 मध्ये $6 अब्जपर्यंत पोहोचले होते.
तंत्रज्ञान आणि भविष्यातील आव्हाने
या स्टार्टअपचे तंत्रज्ञान Medal.tv या प्लॅटफॉर्मवरील गेमप्ले डेटावर आधारित आहे. लाखो तासांच्या गेमप्लेसोबत ॲक्शन लेबल्सचा (action labels) वापर करून AI ला विविध कामे शिकवण्याचा कंपनीचा प्रयत्न आहे. हा दृष्टिकोन डिजिटल सिम्युलेशन (digital simulation) आणि प्रत्यक्ष जगातील हालचाल यांच्यातील अंतर कमी करण्याचा प्रयत्न करतो, जे रोबोटिक्स आणि AI क्षेत्रातील एक मोठे आव्हान आहे.
या क्षेत्रात काम करणाऱ्या कंपन्यांसाठी मोठे आव्हान म्हणजे AI क्षमता नियंत्रित सिम्युलेशनमधून अनपेक्षित, प्रत्यक्ष जगातील वातावरणात यशस्वीरित्या स्थानांतरित करणे. शिवाय, या क्षेत्राला प्रचंड भांडवलाची आवश्यकता असते, ज्यात कंप्युट इन्फ्रास्ट्रक्चरमध्ये (compute infrastructure) मोठी गुंतवणूक लागते.
गुंतवणूकदार कंपनी डेटाची गुणवत्ता आणि मॉडेल्सची स्केलेबिलिटी (scalability) कशी हाताळते यावर लक्ष ठेवतील. गेमप्ले क्लिप्ससारख्या विशिष्ट डेटासेट्सवर अवलंबून राहणे, माहिती प्रत्यक्ष हार्डवेअरवर किती प्रभावीपणे कार्य करते याबाबत जोखीम निर्माण करू शकते. याशिवाय, स्पर्धा खूप तीव्र आहे, ज्यात स्थापित रोबोटिक्स कंपन्या आणि इतर AI लॅब नवीन शोध लावण्यासाठी वेगाने काम करत आहेत. कंपनीचे दीर्घकालीन यश यावर अवलंबून असेल की ती या मॉडेल्सची प्रत्यक्ष वातावरणात जटिल कामे करण्याची क्षमता सिद्ध करू शकते की नाही, तसेच फाउंडेशन मॉडेल्सना प्रशिक्षित करण्याचा उच्च खर्च ती कशी व्यवस्थापित करते.