人工智能的竞赛不再只在数据中心进行。在语言模型、计算基础设施和软件代理主导了三年之后，一个新的领域现在正在吸引资本，即物理智能。
巴塞罗那初创公司 THEKER 宣布筹集 8500 万美元（约合 7300 万欧元）资金。该项目是欧洲机器人领域有史以来规模最大的 A 轮融资。此次巡演由 CRV 共同领导，三星、国泰创新、LVMH、20VC、汉高、Korelya 和 Sonae 也齐聚一堂。
单独来看，这笔融资可能看起来像是一个已经公告丰富的行业的新融资，但从更广泛的角度来看，它说明了更深层次的转变：新一代欧洲公司的出现，寻求将人工智能的进步应用于现实世界的运营。
就在德国NEURA Robotics的宣布、Alta Ares等自主防御企业的崛起或Unitree Robotics领衔的中国企业的工业演示之后几个小时，THEKER的行动证实了机器人技术正在成为人工智能的主要应用领域之一。
人工智能离开屏幕
人工智能革命的第一阶段是认知工作自动化。 OpenAI、Anthropic、Google DeepMind 或 Mistral AI 开发的模型已经证明了它们生成文本、生成代码、分析文档或协助复杂决策的能力。与此同时，数千亿美元已投入建设计算和能源生产基础设施以支持这一增长。
第一阶段使得创造一种能够理解的智能成为可能。第二个目标是创造一种能够采取行动的智能。
这正是通用机器人的野心。传统工业机器人在完美受控的环境中执行定义的任务，而新一代系统则力求适应现实世界的变化。他们必须识别不同的物体、处理意外情况、改变自己的行为并从经验中学习。
换句话说，允许基础模型出现的相同原理现在也适用于机器人技术。
构建体质智能平台
THEKER 由 Carla Gómez Cano 和 Jiaqiang Ye Zhu 于 2022 年创立，开发的机器人旨在在复杂的工业环境中运行，无需永久重新编程。
该公司声称采用“人工智能原生”方法，其中适应能力构成系统的核心。这些机器人能够适应生产变化、操纵不同的参考或集成新的操作参数，而无需经历传统上与工业机器人相关的集成周期。
但THEKER的真正产品可能不是机器人本身。与生成人工智能一样，价值往往会转移到软件层。视觉感知、决策、电机控制、数据收集、持续学习和操作编排形成的平台比简单的工业机器更类似于物理世界的操作系统。
与语言模型的比较显得越来越相关。 OpenAI 的目标是成为一个通用的认知层，而像 THEKER 这样的公司则寻求成为一个能够与工业流程交互的通用操作层。
此次融资远远超出了西班牙初创公司的规模
圆桌会议的组成可能是最具启发性的信息。
CRV 历史上与美国几款主要的成功软件有关，包括 DoorDash、Mercury 和 Vercel。他来到首都 THEKER 反映出软件投资者对机器人技术日益增长的兴趣。
长期以来，硬件被认为比软件困难、资本密集且可扩展性较差。人工智能正在逐渐改变这一现状。投资者现在看到的平台可以通过数据和持续学习来推动网络效应。
三星的出现也发出了一个重要信号。这家韩国集团正在对一家西班牙初创公司进行首次投资。这一选择反映了人们对电子、人工智能和自动化之间融合的日益关注。
但最令人惊讶的投资者无疑仍然是LVMH。乍一看，奢侈品集团与工业机器人初创公司之间的合并似乎出乎意料。然而，它反映了工业优先事项的深刻演变。物流管理、质量控制、产品定制、车间灵活自动化或运营优化都是可能可持续改变奢侈品行业工业模式的主题。
LVMH 的投资表明了一个远远超出其业务范围的信念：机器人技术可以成为一种战略基础设施，可与当今人工智能所代表的数字功能相媲美。
欧洲寻求向价值链上游迈进
几十年来，欧洲在工业自动化领域一直占据着强势地位。德国在工业设备领域处于世界领先地位。瑞士已在多个专业领域确立了自己的地位。法国在工业软件和某些机器人技术方面开发了公认的专业知识。但能够与美国或中国的野心竞争的集成机器人平台仍然很少。
这种情况正在迅速发展； THEKER 周围现在涌现出几位欧洲参与者，他们也追求类似的雄心壮志。 NEURA Robotics 正在开发围绕其 Neuraverse 平台构建的完整机器人生态系统。 ANYbotics 继续向自主工业检测领域拓展。 Wandercraft 正在扩大其在先进机器人系统方面的工作，而 Exotec 则继续展示欧洲大规模机器人平台工业化的能力。
与他们相比，美国的参考文献仍然相当多。图形人工智能、物理智能或技能人工智能吸引了数亿美元来构建未来的机器人基础模型。
不同的是，欧洲不再只寻求生产零部件。现在它正在尝试建立完整的平台。
真正的战略资产不再是机器人
与生成人工智能一样，争论通常集中在可见模型或机器上。
然而，价值可能集中在其他地方，人工智能领域的领导者现在拥有相当大的优势，因为他们积累了大量数据并拥有利用这些数据所需的基础设施，机器人技术也遵循类似的逻辑。
仓库中的每次移动、生产线上的每次操作、纠正的每个错误以及探索的每个环境都会产生新数据。这些信息有助于提高系统性能并逐步降低部署成本。
这种动态创建了一个与语言模型中观察到的学习循环相当的学习循环。那么，核心问题就不再是机器人的问题，而是机器人积累的数据的问题。
未来的行业领导者可能是那些控制着现实世界中最大数量的物理交互的人。
通用机器人仍需证明自己
然而，投资者的热情不应掩盖某些问题。通用机器人这个词在该领域初创公司的演讲中已经无处不在。然而，工业历史经常证明完美优化的专业系统的经济优势。
生产线不需要能够执行一百种不同任务的机器人。它需要一个能够完美地执行关键操作数百万次而不会出错的机器人。
该行业施加了软件世界知之甚少的约束：安全性、可用性、维护、精度和可靠性。
下一个挑战：部署
该行业的另一个盲点是工业化，技术示范不断增加。筹款也。
但基本问题仍然悬而未决：实际上有多少机器人被大规模部署？人工智能的近期历史表明，技术并不总是主要障碍。在许多情况下，挑战在于与现有系统的集成、用户采用和业务流程转型。机器人技术也可以遵循同样的轨迹。
未来几年的挑战不仅是建造更智能的机器人。它将包括将它们部署在数千个工厂、仓库和基础设施中，每次服务中断都会立即造成经济损失。
面对美国，中国正在加速
另一个问题在欧洲辩论中仍然相对较少。大多数分析都集中在美国的竞争上，但中国的进步也可能具有决定性作用。
Unitree Robotics 或 UBTECH Robotics 等公司受益于与该国供应链、制造能力和工业基础设施的独特地理位置。
中国已经在几个战略硬件领域占据主导地位。如果它能够在人工智能驱动的机器人技术中复制这一优势，那么竞争可能很快就会超越技术范畴。
