XDOF ਨੇ ਜੁਟਾਏ $70 ਮਿਲੀਅਨ: ਰੋਬੋਟ ਡਾਟਾ ਲਈ ਵਧਦਾ ਬਾਜ਼ਾਰ

AI ਸਟਾਰਟਅੱਪ XDOF ਨੇ ਫਿਜ਼ੀਕਲ ਰੋਬੋਟਸ ਲਈ ਡਾਟਾ ਇਕੱਠਾ ਕਰਨ ਅਤੇ ਲੇਬਲ ਕਰਨ ਲਈ ਇੰਨਫ్రాਸਟ੍ਰਕਚਰ ਬਣਾਉਣ ਵਾਸਤੇ **$70 ਮਿਲੀਅਨ** ਫੰਡਿੰਗ ਹਾਸਲ ਕੀਤੀ ਹੈ। ਜਿਵੇਂ-ਜਿਵੇਂ AI ਸਕ੍ਰੀਨਾਂ ਤੋਂ ਨਿਕਲ ਕੇ ਅਸਲ-ਦੁਨੀਆਂ ਦੀਆਂ ਮਸ਼ੀਨਾਂ ਵਿੱਚ ਪਹੁੰਚ ਰਿਹਾ ਹੈ, ਉੱਚ-ਗੁਣਵੱਤਾ ਵਾਲੇ ਟ੍ਰੇਨਿੰਗ ਡਾਟਾ ਦੀ ਕਮੀ ਇੱਕ ਵੱਡਾ ਉਦਯੋਗਿਕ ਅੜਿੱਕਾ ਬਣ ਗਈ ਹੈ।

ਕੀ ਹੋਇਆ?

XDOF, ਇੱਕ ਟੈਕਨਾਲੋਜੀ ਸਟਾਰਟਅੱਪ, ਨੇ ਫਿਜ਼ੀਕਲ ਰੋਬੋਟਸ ਨੂੰ ਟ੍ਰੇਨ ਕਰਨ ਲਈ ਲੋੜੀਂਦਾ ਇੰਨਫ੍ਰਾਸਟ੍ਰਕਚਰ ਬਣਾਉਣ ਲਈ $70 ਮਿਲੀਅਨ ਦੀ ਨਵੀਂ ਫੰਡਿੰਗ ਹਾਸਲ ਕਰਨ ਦਾ ਐਲਾਨ ਕੀਤਾ ਹੈ। ਇਹ ਕੰਪਨੀ, ਜੋ ਹਾਲ ਹੀ ਵਿੱਚ ਸਟੀਲਥ ਮੋਡ ਤੋਂ ਬਾਹਰ ਆਈ ਹੈ, ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ (AI) ਸੈਕਟਰ ਦੀ ਇੱਕ ਵੱਡੀ ਸਮੱਸਿਆ ਨੂੰ ਹੱਲ ਕਰਨ 'ਤੇ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕਰ ਰਹੀ ਹੈ: ਭੌਤਿਕ ਸੰਸਾਰ ਨਾਲ ਜੁੜੀਆਂ ਮਸ਼ੀਨਾਂ ਲਈ ਉੱਚ-ਗੁਣਵੱਤਾ ਵਾਲੇ ਡਾਟਾ ਦੀ ਕਮੀ। ਇਸ ਫੰਡਿੰਗ ਰਾਉਂਡ ਵਿੱਚ Andreessen Horowitz (a16z), Thrive Capital, ਅਤੇ Spark Capital ਵਰਗੀਆਂ ਵੈਂਚਰ ਕੈਪੀਟਲ ਫਰਮਾਂ ਨੇ ਭਾਗ ਲਿਆ। XDOF ਡਾਟਾ ਇਕੱਤਰ ਕਰਨ, ਐਨੋਟੇਸ਼ਨ (annotation) ਅਤੇ ਪਾਈਪਲਾਈਨਾਂ ਲਈ ਟੂਲ ਬਣਾ ਰਿਹਾ ਹੈ, ਜਿਸ ਦਾ ਉਦੇਸ਼ ਰੋਬੋਟਿਕਸ ਡਿਵੈਲਪਰਾਂ ਨੂੰ ਮਨੁੱਖੀ ਵਾਤਾਵਰਣ ਵਿੱਚ ਕੰਮ ਕਰਨ ਲਈ ਮਸ਼ੀਨਾਂ ਨੂੰ ਸਿਖਾਉਣ ਵਿੱਚ ਆਉਣ ਵਾਲੀਆਂ ਮੁਸ਼ਕਲਾਂ ਨੂੰ ਦੂਰ ਕਰਨਾ ਹੈ।

ਨਿਵੇਸ਼ਕਾਂ (Investors) ਲਈ ਇਹ ਕਿਉਂ ਮਹੱਤਵਪੂਰਨ ਹੈ?

ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਇੰਡਸਟਰੀ ਚੈਟਬੋਟਸ ਅਤੇ ਟੈਕਸਟ-ਅਧਾਰਤ ਪ੍ਰਣਾਲੀਆਂ ਤੋਂ ਅੱਗੇ ਵਧ ਕੇ 'ਫਿਜ਼ੀਕਲ AI' ਵੱਲ ਵਧ ਰਹੀ ਹੈ, ਜਿਸ ਵਿੱਚ ਰੋਬੋਟ ਅਸਲ ਦੁਨੀਆਂ ਵਿੱਚ ਕੰਮ ਕਰ ਸਕਦੇ ਹਨ। ਜਿੱਥੇ ਲਾਰਜ ਲੈਂਗੂਏਜ ਮਾਡਲ (LLMs) ਇੰਟਰਨੈੱਟ 'ਤੇ ਉਪਲਬਧ ਜਨਤਕ ਟੈਕਸਟ ਦੀ ਵੱਡੀ ਮਾਤਰਾ 'ਤੇ ਟ੍ਰੇਨਿੰਗ ਦਾ ਲਾਭ ਪ੍ਰਾਪਤ ਕਰਦੇ ਹਨ, ਉੱਥੇ ਫਿਜ਼ੀਕਲ ਰੋਬੋਟਸ ਕੋਲ ਟ੍ਰੇਨਿੰਗ ਡਾਟਾ ਦਾ ਅਜਿਹਾ ਕੋਈ ਭੰਡਾਰ ਨਹੀਂ ਹੈ। ਰੋਬੋਟ ਡਾਟਾ ਅਕਸਰ ਘੱਟ ਮਾਤਰਾ ਵਿੱਚ ਹੁੰਦਾ ਹੈ, ਇਸਨੂੰ ਕੈਪਚਰ ਕਰਨਾ ਮੁਸ਼ਕਲ ਹੁੰਦਾ ਹੈ, ਅਤੇ ਇਸਨੂੰ ਐਨੋਟੇਟ (annotate) ਕਰਨ ਲਈ ਵਿਸ਼ੇਸ਼ ਸਾਧਨਾਂ ਦੀ ਲੋੜ ਪੈਂਦੀ ਹੈ। 'ਡਾਟਾ ਪਿਰਾਮਿਡ' 'ਤੇ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕਰਕੇ—ਜਿਸ ਵਿੱਚ ਅਸਲ ਰੋਬੋਟਸ ਤੋਂ ਟੈਲੀਓਪਰੇਸ਼ਨ ਡਾਟਾ ਅਤੇ ਮਨੁੱਖੀ ਸੈਂਸਰਾਂ ਦੁਆਰਾ ਕੈਪਚਰ ਕੀਤਾ ਗਿਆ ਏਗੋਸੈਂਟਰਿਕ ਡਾਟਾ ਸ਼ਾਮਲ ਹੈ—XDOF ਇਸ ਨਵੇਂ ਬਾਜ਼ਾਰ ਵਿੱਚ ਇੱਕ ਬੁਨਿਆਦੀ ਪ੍ਰਦਾਤਾ ਵਜੋਂ ਆਪਣੀ ਪਛਾਣ ਬਣਾ ਰਿਹਾ ਹੈ। ਨਿਵੇਸ਼ਕਾਂ ਲਈ, ਇਹ ਸੰਕੇਤ ਦਿੰਦਾ ਹੈ ਕਿ AI ਬੂਮ ਵਿਸ਼ੇਸ਼ ਡਾਟਾ ਸੇਵਾਵਾਂ ਲਈ ਇੱਕ ਸੈਕੰਡਰੀ ਬਾਜ਼ਾਰ ਬਣਾ ਰਿਹਾ ਹੈ, ਜੋ ਰੋਬੋਟਿਕਸ ਨਿਰਮਾਤਾਵਾਂ ਅਤੇ ਖੋਜ ਪ੍ਰਯੋਗਸ਼ਾਲਾਵਾਂ ਲਈ ਇੱਕ ਜ਼ਰੂਰੀ ਸਹੂਲਤ ਬਣ ਸਕਦੀ ਹੈ।

ਨਿਵੇਸ਼ਕ ਇਸਨੂੰ ਕਿਵੇਂ ਦੇਖ ਸਕਦੇ ਹਨ?

ਇਹ ਵਿਕਾਸ AI ਵਿੱਚ ਇੰਨਫ੍ਰਾਸਟ੍ਰਕਚਰ-ਪੱਧਰ ਦੇ ਨਿਵੇਸ਼ਾਂ ਵੱਲ ਤਬਦੀਲੀ ਨੂੰ ਉਜਾਗਰ ਕਰਦਾ ਹੈ। ਜਦੋਂ ਕਿ ਸ਼ੁਰੂਆਤੀ ਨਿਵੇਸ਼ਕਾਂ ਦਾ ਫੋਕਸ AI ਮਾਡਲ ਵਿਕਸਿਤ ਕਰਨ ਵਾਲੀਆਂ ਕੰਪਨੀਆਂ 'ਤੇ ਸੀ, ਹੁਣ ਇੰਡਸਟਰੀ 'ਪਿਕਸ ਐਂਡ ਸ਼ੋਵਲਜ਼'—ਇਨ੍ਹਾਂ ਟੈਕਨਾਲੋਜੀਆਂ ਨੂੰ ਕੰਮ ਕਰਨ ਲਈ ਲੋੜੀਂਦਾ ਜ਼ਰੂਰੀ ਇੰਨਫ੍ਰਾਸਟ੍ਰਕਚਰ ਅਤੇ ਡਾਟਾ ਸੇਵਾਵਾਂ—ਦੀ ਪਛਾਣ ਕਰ ਰਹੀ ਹੈ। ਗਲੋਬਲ ਟੈਕ ਲੈਂਡਸਕੇਪ ਨੂੰ ਟਰੈਕ ਕਰਨ ਵਾਲੇ ਭਾਰਤੀ ਨਿਵੇਸ਼ਕਾਂ ਲਈ, ਇਹ ਵਿਕਾਸ ਸੁਝਾਅ ਦਿੰਦਾ ਹੈ ਕਿ ਉੱਚ-ਗੁਣਵੱਤਾ, ਸਕੇਲੇਬਲ ਡਾਟਾ ਐਨੋਟੇਸ਼ਨ ਅਤੇ ਕਿਊਰੇਸ਼ਨ ਪ੍ਰਦਾਨ ਕਰਨ ਵਾਲੀਆਂ ਕੰਪਨੀਆਂ ਦੀ ਮੰਗ ਬਣੀ ਰਹੇਗੀ। ਜਿਵੇਂ-ਜਿਵੇਂ ਰੋਬੋਟਸ ਨੂੰ ਵੇਅਰਹਾਊਸ, ਮੈਨੂਫੈਕਚਰਿੰਗ ਪਲਾਂਟ, ਅਤੇ ਅੰਤ ਵਿੱਚ ਸਰਵਿਸ ਵਾਤਾਵਰਣ ਵਿੱਚ ਤਾਇਨਾਤ ਕੀਤਾ ਜਾਵੇਗਾ, ਉਨ੍ਹਾਂ ਨੂੰ ਟ੍ਰੇਨ ਕਰਨ ਲਈ ਡਾਟਾ ਦੀ ਲੋੜ ਵਧੇਗੀ, ਸੰਭਾਵੀ ਤੌਰ 'ਤੇ ਸਿੰਥੈਟਿਕ ਡਾਟਾ ਜਨਰੇਸ਼ਨ, ਸੈਂਸਰ ਫਿਊਜ਼ਨ, ਅਤੇ ਕੰਪਲੈਕਸ ਡਾਟਾ ਲੇਬਲਿੰਗ ਵਿੱਚ ਮਹਾਰਤ ਹਾਸਲ ਕਰਨ ਵਾਲੇ ਕਾਰੋਬਾਰਾਂ ਲਈ ਮੌਕੇ ਪੈਦਾ ਹੋਣਗੇ।

ਐਗਜ਼ੀਕਿਊਸ਼ਨ (Execution) ਅਤੇ ਡਾਟਾ ਪ੍ਰਾਈਵੇਸੀ ਦੇ ਜੋਖਮ (Risks)

ਜਦੋਂ ਕਿ ਫਿਜ਼ੀਕਲ AI ਦੀ ਸੰਭਾਵਨਾ ਵਧੀਆ ਹੈ, ਇਸ ਕਾਰੋਬਾਰ ਨੂੰ ਸਪੱਸ਼ਟ ਐਗਜ਼ੀਕਿਊਸ਼ਨ ਜੋਖਮਾਂ ਦਾ ਸਾਹਮਣਾ ਕਰਨਾ ਪੈ ਰਿਹਾ ਹੈ। XDOF ਸ਼ੁਰੂਆਤੀ ਪੜਾਅ ਵਿੱਚ ਹੈ, ਅਤੇ ਇਸਦੇ ਡਾਟਾ ਈਕੋਸਿਸਟਮ ਦੀ ਸਫਲਤਾ ਇਸ ਗੱਲ 'ਤੇ ਨਿਰਭਰ ਕਰਦੀ ਹੈ ਕਿ ਕੀ ਇਹ ਆਪਣੇ ਕਾਰਜਾਂ ਨੂੰ ਵਧਾ ਸਕਦਾ ਹੈ, ਜਿਸ ਵਿੱਚ ਟੈਲੀਓਪਰੇਟਰਾਂ ਅਤੇ ਡਾਟਾ ਲੇਬਲਰਾਂ ਦੀ ਇੱਕ ਵੱਡੀ ਗਲੋਬਲ ਵਰਕਫੋਰਸ ਨੂੰ ਟ੍ਰੇਨ ਕਰਨਾ ਅਤੇ ਨਿਯੁਕਤ ਕਰਨਾ ਸ਼ਾਮਲ ਹੈ। ਡਾਟਾ ਪ੍ਰਾਈਵੇਸੀ ਅਤੇ ਸੁਰੱਖਿਆ ਨਾਲ ਸਬੰਧਤ ਸੰਭਾਵੀ ਜੋਖਮ ਵੀ ਹਨ। ਏਗੋਸੈਂਟਰਿਕ ਡਾਟਾ ਇਕੱਠਾ ਕਰਨ, ਜਿਸ ਵਿੱਚ ਰੋਬੋਟਸ ਨੂੰ ਟ੍ਰੇਨ ਕਰਨ ਲਈ ਮਨੁੱਖੀ ਹਰਕਤਾਂ ਜਾਂ ਨਜ਼ਰੀਏ ਨੂੰ ਰਿਕਾਰਡ ਕਰਨਾ ਸ਼ਾਮਲ ਹੈ, ਲਈ ਸਖ਼ਤ ਪ੍ਰਾਈਵੇਸੀ ਮਾਪਦੰਡਾਂ ਦੀ ਲੋੜ ਪੈਂਦੀ ਹੈ। ਜੇ ਕੰਪਨੀ ਡਾਟਾ ਨੈਤਿਕਤਾ (data ethics) ਦਾ ਪ੍ਰਬੰਧਨ ਕਰਨ ਵਿੱਚ ਅਸਫਲ ਰਹਿੰਦੀ ਹੈ ਜਾਂ ਜੇ ਇਕੱਠਾ ਕੀਤਾ ਗਿਆ ਡਾਟਾ ਵੱਖ-ਵੱਖ ਰੋਬੋਟਿਕਸ ਪਲੇਟਫਾਰਮਾਂ ਵਿੱਚ ਏਕੀਕ੍ਰਿਤ ਕਰਨਾ ਮੁਸ਼ਕਲ ਸਾਬਤ ਹੁੰਦਾ ਹੈ, ਤਾਂ ਇਸਨੂੰ ਝਟਕਿਆਂ ਦਾ ਸਾਹਮਣਾ ਕਰਨਾ ਪੈ ਸਕਦਾ ਹੈ। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਕੰਪਨੀ ਨੂੰ ਸਖ਼ਤ ਮੁਕਾਬਲੇ ਦਾ ਸਾਹਮਣਾ ਕਰਨਾ ਪੈ ਰਿਹਾ ਹੈ, ਕਿਉਂਕਿ ਹੋਰ ਸਟਾਰਟਅੱਪਸ ਅਤੇ ਵੱਡੀਆਂ AI ਲੈਬਜ਼ ਦੀਆਂ ਇਨ-ਹਾਊਸ ਟੀਮਾਂ ਵੀ ਰੋਬੋਟ ਡਾਟਾ ਸਮੱਸਿਆ ਨੂੰ ਹੱਲ ਕਰਨ ਦੀ ਦੌੜ ਵਿੱਚ ਹਨ।

ਨਿਵੇਸ਼ਕਾਂ ਨੂੰ ਕੀ ਟਰੈਕ (Track) ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ?

AI ਅਤੇ ਰੋਬੋਟਿਕਸ ਸਪੇਸ ਵਿੱਚ ਦਿਲਚਸਪੀ ਰੱਖਣ ਵਾਲੇ ਨਿਵੇਸ਼ਕਾਂ ਨੂੰ ਸਟੈਂਡਰਡ ਡਾਟਾਸੈੱਟਸ (standardized datasets) ਦੇ ਵਿਆਪਕ ਅਪਣਾਉਣ ਦੀ ਨਿਗਰਾਨੀ ਕਰਨੀ ਚਾਹੀਦੀ ਹੈ, ਜਿਵੇਂ ਕਿ ABC ਡਾਟਾਸੈੱਟ ਜੋ XDOF UC Berkeley ਦੇ ਸਹਿਯੋਗ ਨਾਲ ਜਾਰੀ ਕਰ ਰਿਹਾ ਹੈ। ਅਜਿਹੇ ਪ੍ਰੋਜੈਕਟਾਂ ਦੀ ਸਫਲਤਾ ਇਹ ਸੰਕੇਤ ਦੇਵੇਗੀ ਕਿ ਕੀ ਉਦਯੋਗ ਰੋਬੋਟ ਟ੍ਰੇਨਿੰਗ ਲਈ ਓਪਨ ਸਟੈਂਡਰਡਜ਼ ਵੱਲ ਵਧ ਰਿਹਾ ਹੈ ਜਾਂ ਇਹ ਖੰਡਿਤ (fragmented) ਰਹੇਗਾ। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਇਹ ਦੇਖਣਾ ਕਿ ਮੁੱਖ AI ਖੋਜ ਲੈਬਜ਼ ਅਤੇ ਰੋਬੋਟਿਕਸ ਕੰਪਨੀਆਂ ਆਪਣੀਆਂ ਡਾਟਾ ਲੋੜਾਂ ਨੂੰ ਕਿਵੇਂ ਸੰਭਾਲਦੀਆਂ ਹਨ—ਭਾਵੇਂ ਉਹ ਇਨ-ਹਾਊਸ ਹੱਲ ਬਣਾਉਣਾ ਜਾਰੀ ਰੱਖਦੀਆਂ ਹਨ ਜਾਂ XDOF ਵਰਗੇ ਵਿਸ਼ੇਸ਼ ਪ੍ਰਦਾਤਾਵਾਂ ਨੂੰ ਆਊਟਸੋਰਸ ਕਰਨ ਵੱਲ ਮੁੜਦੀਆਂ ਹਨ—ਡਾਟਾ ਇੰਨਫ੍ਰਾਸਟ੍ਰਕਚਰ ਕਾਰੋਬਾਰ ਮਾਡਲ ਦੀ ਲੰਬੇ ਸਮੇਂ ਦੀ ਵਿਵਹਾਰਕਤਾ ਵਿੱਚ ਸੂਝ ਪ੍ਰਦਾਨ ਕਰੇਗਾ। ਵਪਾਰਕ ਰੋਬੋਟ ਤਾਇਨਾਤੀ ਦੀ ਗਤੀ ਅਤੇ AI ਸੁਰੱਖਿਆ ਅਤੇ ਡਾਟਾ ਵਰਤੋਂ ਸੰਬੰਧੀ ਸੈਕਟਰ ਰੈਗੂਲੇਸ਼ਨ ਵਿੱਚ ਕਿਸੇ ਵੀ ਬਦਲਾਅ ਦੀ ਨਿਗਰਾਨੀ ਕਰਨਾ ਵੀ ਇਸ ਬਾਜ਼ਾਰ ਦੀ ਲੰਬੇ ਸਮੇਂ ਦੀ ਸੰਭਾਵਨਾ ਦਾ ਮੁਲਾਂਕਣ ਕਰਨ ਲਈ ਮਹੱਤਵਪੂਰਨ ਹੋਵੇਗਾ।