ఫిజికల్ రోబోల కోసం డేటా సేకరించడానికి, లేబుల్ చేయడానికి అవసరమైన మౌలిక సదుపాయాలను నిర్మించడానికి XDOF అనే స్టార్టప్ సంస్థ **$70 మిలియన్లు** (సుమారు **₹460 కోట్లు**) నిధులను సేకరించింది. ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ (AI) తెరల నుంచి బయటకు వచ్చి వాస్తవ యంత్రాలలోకి ప్రవేశిస్తున్నందున, నాణ్యమైన శిక్షణా డేటా కొరత ఒక ప్రధాన అడ్డంకిగా మారింది.
ఏం జరిగిందంటే?
టెక్నాలజీ స్టార్టప్ అయిన XDOF, ఫిజికల్ రోబోలకు శిక్షణ ఇవ్వడానికి అవసరమైన మౌలిక సదుపాయాలను నిర్మించడానికి $70 మిలియన్ల (సుమారు ₹460 కోట్ల) కొత్త నిధులను సేకరించినట్లు ప్రకటించింది. ఇటీవల 'స్టీల్త్ మోడ్' నుంచి బయటకు వచ్చిన ఈ సంస్థ, ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ (AI) రంగంలో ఒక కీలక సమస్యను పరిష్కరించడంపై దృష్టి సారించింది: అదే, భౌతిక ప్రపంచంతో సంభాషించే యంత్రాలకు (Physical Robots) అవసరమైన నాణ్యమైన డేటా కొరత.
ఈ ఫండింగ్ రౌండ్లో Andreessen Horowitz (a16z), Thrive Capital, మరియు Spark Capital వంటి వెంచర్ క్యాపిటల్ సంస్థలు పాల్గొన్నాయి. ప్రస్తుతం రోబోటిక్స్ డెవలపర్లు మానవ వాతావరణంలో పనిచేయడానికి యంత్రాలకు శిక్షణ ఇవ్వడంలో ఎదుర్కొంటున్న అంతరాన్ని తగ్గించడమే లక్ష్యంగా, XDOF డేటా సేకరణ (Data Collection), అనోటేషన్ (Annotation), మరియు పైప్లైన్ల కోసం సాధనాలను (Tools) అభివృద్ధి చేస్తోంది.
పెట్టుబడిదారులకు ఇది ఎందుకు ముఖ్యం?
ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ రంగం ప్రస్తుతం చాట్బాట్లు, టెక్స్ట్-ఆధారిత సిస్టమ్లకు మించి 'ఫిజికల్ AI' వైపు వేగంగా కదులుతోంది. అంటే, వాస్తవ ప్రపంచంలో పనులు చేయగల రోబోల అభివృద్ధి.
లార్జ్ లాంగ్వేజ్ మోడల్స్ (LLMs) ఇంటర్నెట్లో అందుబాటులో ఉన్న భారీ మొత్తంలో పబ్లిక్ టెక్స్ట్ డేటాను ఉపయోగించుకోగలిగినప్పటికీ, ఫిజికల్ రోబోలకు అలాంటి డేటా రిపోజిటరీ లేదు. రోబో డేటా తరచుగా కొరతగా ఉంటుంది, సేకరించడం కష్టం, మరియు అనోటేట్ చేయడానికి ప్రత్యేక సాధనాలు అవసరం.
XDOF, వాస్తవ రోబోల నుంచి టెలిఆపరేషన్ డేటా, మానవ సెన్సార్ల ద్వారా సేకరించిన ఎగోసెంట్రిక్ డేటాతో కూడిన 'డేటా పిరమిడ్' పై దృష్టి సారించడం ద్వారా, ఈ కొత్త మార్కెట్లో ఒక ఫౌండేషనల్ ప్రొవైడర్గా తనను తాను నిలబెట్టుకుంటోంది. పెట్టుబడిదారులకు, AI బూమ్ ప్రత్యేక డేటా సేవల కోసం ఒక ద్వితీయ మార్కెట్ను సృష్టిస్తోందని ఇది సూచిస్తుంది. ఈ సేవలు రోబోటిక్స్ తయారీదారులు, పరిశోధనా సంస్థలకు ఒక ముఖ్యమైన యుటిలిటీగా మారవచ్చు.
పెట్టుబడిదారులు దీన్ని ఎలా చూడవచ్చు?
ఈ పరిణామం AIలో ఇన్ఫ్రాస్ట్రక్చర్-స్థాయి పెట్టుబడుల వైపు మార్పును సూచిస్తుంది. ప్రారంభంలో పెట్టుబడిదారుల దృష్టి AI మోడళ్లను అభివృద్ధి చేసే కంపెనీలపై కేంద్రీకృతమై ఉండగా, ఇప్పుడు ఈ టెక్నాలజీలను పనిచేయించడానికి అవసరమైన 'అత్యవసరమైన మౌలిక సదుపాయాలు మరియు డేటా సేవలు' (picks and shovels) గుర్తించబడుతున్నాయి.
ప్రపంచ టెక్ ల్యాండ్స్కేప్ను ట్రాక్ చేసే భారతీయ పెట్టుబడిదారులకు, నాణ్యమైన, స్కేలబుల్ డేటా అనోటేషన్, క్యూరేషన్ అందించగల కంపెనీలకు అధిక డిమాండ్ ఉంటుందని ఈ పరిణామం సూచిస్తుంది. గిడ్డంగులు, తయారీ ప్లాంట్లు, మరియు సర్వీస్ పరిసరాలలో రోబోలు విస్తృతంగా ఉపయోగించబడుతున్నందున, వాటికి శిక్షణ ఇవ్వడానికి డేటా అవసరం పెరుగుతుంది. ఇది సింథటిక్ డేటా జనరేషన్, సెన్సార్ ఫ్యూజన్, మరియు క్లిష్టమైన డేటా లేబులింగ్లో నైపుణ్యం కలిగిన వ్యాపారాలకు అవకాశాలను సృష్టించవచ్చు.
ఎగ్జిక్యూషన్ మరియు డేటా ప్రైవసీ రిస్కులు
ఫిజికల్ AI వాగ్దానం ఆశాజనకంగా ఉన్నప్పటికీ, ఈ వ్యాపారం స్పష్టమైన ఎగ్జిక్యూషన్ రిస్కులను ఎదుర్కొంటుంది. XDOF ప్రారంభ దశల్లో ఉంది. దాని డేటా ఎకోసిస్టమ్ విజయం, టెలిఆపరేటర్లు, డేటా లేబులర్ల యొక్క పెద్ద గ్లోబల్ వర్క్ఫోర్స్ను శిక్షణ ఇవ్వడం, నియమించడం వంటి కార్యకలాపాలను స్కేల్ చేయగల సామర్థ్యంపై ఆధారపడి ఉంటుంది.
డేటా గోప్యత (Data Privacy), భద్రతకు సంబంధించిన సంభావ్య నష్టాలు కూడా ఉన్నాయి. రోబోలకు శిక్షణ ఇవ్వడానికి మానవ కదలికలు లేదా దృక్కోణాలను రికార్డ్ చేయడంతో కూడిన ఎగోసెంట్రిక్ డేటాను సేకరించడానికి కఠినమైన గోప్యతా ప్రమాణాలు అవసరం. సంస్థ డేటా నైతికతను సరిగ్గా నిర్వహించడంలో విఫలమైతే, లేదా సేకరించిన డేటాను వివిధ రోబోటిక్స్ ప్లాట్ఫారమ్లలోకి ఏకీకృతం చేయడం కష్టంగా మారితే, అది ఎదురుదెబ్బలను ఎదుర్కోవచ్చు.
అంతేకాకుండా, ఇతర స్టార్టప్లు, పెద్ద AI ల్యాబ్లలోని అంతర్గత బృందాలు కూడా రోబోటిక్స్ డేటా సమస్యను పరిష్కరించడానికి పోటీ పడుతున్నందున, ఈ సంస్థ తీవ్రమైన పోటీని ఎదుర్కొంటుంది.
పెట్టుబడిదారులు ఏమి ట్రాక్ చేయాలి?
AI, రోబోటిక్స్ రంగంలో ఆసక్తి ఉన్న పెట్టుబడిదారులు, UC బర్కిలీ సహకారంతో XDOF విడుదల చేస్తున్న ABC డేటాసెట్ వంటి ప్రామాణిక డేటాసెట్ల విస్తృత స్వీకరణను పర్యవేక్షించాలి. ఇటువంటి ప్రాజెక్టుల విజయం, పరిశ్రమ రోబోట్ శిక్షణ కోసం ఓపెన్ స్టాండర్డ్స్ వైపు కదులుతుందా, లేదా విచ్ఛిన్నంగా ఉంటుందా అనే దానిని సూచిస్తుంది.
అదనంగా, ప్రధాన AI పరిశోధనా ల్యాబ్లు, రోబోటిక్స్ కంపెనీలు తమ డేటా అవసరాలను ఎలా నిర్వహిస్తాయో - అవి అంతర్గత పరిష్కారాలను నిర్మించుకుంటూనే ఉంటాయా లేదా XDOF వంటి ప్రత్యేక ప్రొవైడర్లకు అవుట్సోర్సింగ్ వైపు మొగ్గు చూపుతాయా - గమనించడం ఈ డేటా ఇన్ఫ్రాస్ట్రక్చర్ వ్యాపార నమూనా యొక్క దీర్ఘకాలిక సాధ్యాసాధ్యాలపై అంతర్దృష్టిని అందిస్తుంది.
వాణిజ్య రోబోల విస్తరణ వేగం, AI భద్రత, డేటా వినియోగానికి సంబంధించిన రంగ నిబంధనలలో ఏవైనా మార్పులను పర్యవేక్షించడం కూడా ఈ మార్కెట్ యొక్క దీర్ఘకాలిక సామర్థ్యాన్ని అంచనా వేయడానికి ముఖ్యమైనది.
