TensorWorld تحقق أكثر من 100 مليون دولار في التمويل خلال شهر واحد من الإطلاق
KuCoinFlashمشاركة
TensorWorld، وهي شركة ناشئة في الذكاء الاصطناعي المادي، حصلت على تمويل مشروع يتجاوز 100 مليون دولار بعد شهر واحد فقط من إطلاقها في يوليو 2026. الشركة تبني نموذجًا للذكاء الاصطناعي مبنيًا على الفيزياء لتحسين تفاعل الآلات مع العالم الحقيقي، مع استهداف الروبوتات والقيادة الذاتية والمحاكاة الصناعية. من بين المستثمرين: صندوق كايوي، وسيريويا الصين، ومجموعة أنط، واستثمار ميتوان الاستراتيجي. يُظهر التمويل السريع اهتمامًا قويًا بالمشروع، مع توقع صدور أخبار عن إطلاق رمز رقمي في الأشهر القادمة.
هذا أحد أكثر ساحات المعركة إلحاحًا في صناعة الذكاء الاصطناعي حاليًا، حيث مع دفع نماذج اللغة الكبيرة للذكاء في العالم الرقمي بسرعة، فإن حدود قدرات الذكاء الاصطناعي تمتد نحو العالم المادي—الذكاء المتجسد، والقيادة الذاتية، والمحاكاة الصناعية، إلخ. لكن العالم المادي لا يلعب وفقًا للـtokens، بل لديه قوانينه الخاصة: الجاذبية، الاحتكاك، التصادم، السوائل... إن الصعوبة تزداد بشكل أسي مقارنة باللغة.
في هذه المسار الأصعب والأعمق، حصلت TensorWorld، شركة ناشئة تأسست منذ أربعة أشهر فقط، على تمويل بقيمة مئات الملايين من الدولارات خلال شهر واحد. وراء دعم رأس المال، تكمن الندرة الناتجة عن قدرتها على "الخلفية الأكاديمية + مسار تقني + تنفيذ عملي".
What problems does the industry need to solve?
في الوقت الحالي، يُعتبر الذكاء الاصطناعي في الوعي العام ذا ذكاء عالٍ جدًا، حيث يمكنه كتابة الأكواد، واكتشاف الثغرات، وحتى حل مسائل رياضية معقدة ظلت تتحدى البشر لقرون، لكن من الصعب جدًا تحقيق مستوى "موثوق" في توقع مسارات الأجسام في العالم الحقيقي والتفاعل معها. السبب هو أن الذكاء الاصطناعي لم يفهم بعد القوانين الفيزيائية، وعبوره من "واجهة البرمجيات" إلى "العالم المادي" هو عتبة لا يمكن تجاوزها.
تواجه الصناعة شروطًا شديدة الصعوبة للعبور عبر هذا الفجوة: بيانات التسمية الفيزيائية عالية الدقة باهظة الثمن للغاية، حيث يتطلب عينة واحدة من محاكاة ديناميكا الهواء الصناعية عادةً عشرات الآلاف من ساعات المعالج؛ من الصعب تعميم البيانات المجمعة من 100 سيناريو إلى 10,000 سيناريو غير معروف؛ من الصعب على المحاكيات إعادة إنتاج الاحتكاك والتشوه في العالم الحقيقي بدقة كاملة، حيث أظهر تقرير هاي من ستانفورد أن نجاح المهام في المحاكاة البرمجية للروبوتات يمكن أن يصل إلى 89.4٪، لكن نفس النوع من المهام في البيئات المنزلية الحقيقية يحقق نجاحًا يقارب فقط 12.4٪.
How does WuYuan Technology solve this problem? The academic evolution shows a clear path.
حاليًا، يمكن تصنيف نماذج العالم في الصناعة إلى نمطين رئيسيين: النموذج المُركّز على الحوافز البصرية والنموذج المُركّز على الحوافز الفيزيائية. الأول هو النمط السائد في الصناعة، ويمثّله توليد الفيديو، وهدفه "الظهور بمظهر واقعي"، حيث يتم تحسين معقولية البكسلات بين الإطارات، وميزته أن جمع البيانات أسهل نسبيًا والصور واقعية، ويُستخدم غالبًا في توليد الفيديو، ومصانع البيانات، ومعاينة المشاهد، والاستشعار الأمامي لـ VLA. لكن لكي تتمكن الروبوتات من تنفيذ المهام بشكل موثوق في العالم الفيزيائي الحقيقي، فإن فهم اللغة والصورة وحدهما لا يكفيان.
لذلك، أصبحت نموذجية أخرى مقبولة بشكل متزايد في الصناعة، وتُركّز على نمذجة القوانين الفيزيائية بهدف "الاستنتاج الأكثر واقعية"، وميزتها قابلية التحقق والقياس وقدرتها على دعم تخطيط الحركة. إن برامج المحاكاة الصناعية التقليدية (مثل MuJoCo وIsaac Sim) هي من "الفرق اليدوية" على هذا المسار — حيث تعتمد القوانين الفيزيائية بشكل كبير على المهندسين الذين يكتبونها يدويًا واحدًا تلو الآخر، مما يوفر دقة تنبؤية لكنه مكلف، ويتطلب استثمارات هندسية عالية جدًا عند التعامل مع الأشكال غير المنتظمة أو الأجسام المرنة أو السوائل.
وتشتغل شركة ووو يوان تكنولوجي على مسار النماذج الفيزيائية الأساسية، حيث تطرح فكرة "بناء الواقع الفيزيائي في عالم التنسور"، بهدف تمكين النموذج من تعلم قوانين تطور العالم الفيزيائي من البيانات، وتحقيق تأثير "الاستنتاج من مثال واحد" مثل الإنسان:
على سبيل المثال، يفتقر الترانسفورمر الأصلي إلى القدرة على تحليل التسلسل الزمني، فكيف يمكن جعل النموذج يفهم "الزمن" في العالم المادي؟ قام Autoformer بتحسين دقة التنبؤ على المدى الطويل بشكل كبير، بينما جعل TimesNet بيانات الوقت أكثر وضوحًا وقابلية للتصور؛ وعلى سبيل المثال، كيف يمكن جعل النموذج يفهم "الفضاء"؟ قام Uni3D بتوسيع تعلم التمثيل ثلاثي الأبعاد ليصل إلى حجم مليار معلمة، مما مكن النموذج من تكوين مفاهيم حول الأجسام والهندسة والعلاقات المكانية.
على هذا الأساس، أجاب GeoPT على السؤال الجوهري لهذا المجال: "هل يمكن تدريب النموذج على البديهة الفيزيائية؟" والإجابة هي نعم، حيث ابتكَر GeoPT طريقة تسمح للنموذج باكتساب تمثيلات فيزيائية قابلة للنقل من خلال التدريب المسبق الذي يدمج الهندسة والديناميكا التوليدية، مما قلّل من متطلبات البيانات الموسومة في مهام المحاكاة الفيزيائية الصناعية بنسبة 20% إلى 60%، ورفع سرعة التقارب إلى ما يصل إلى مرتين. ثم قام Transolver بتعزيز فهم النموذج للقوى والتدفّقات والتشوهات في الفضاءات غير المنتظمة، مما يمكنه من فهم التطورات الفيزيائية الأكثر تعقيدًا. أما EfficientZero، فيمكن الوكلاء من استنتاج المستقبل بناءً على نموذج العالم الذي تعلموه، ومن ثم التخطيط وفقًا لذلك.
الدعم وراء هذه الإنجازات الرائدة هو التراكم الطويل الأمد لفريق مؤسسي WuYuan، الذي يمتد عبر مؤسسات أكاديمية عالمية رائدة مثل تسينغهوا ومعهد ماساتشوستس للتكنولوجيا. واتباعًا للخط التدريجي المتمثل في "التطور الزمني — التمثيل المكاني — القوانين الفيزيائية — تخطيط الإجراءات"، لم يكتفِ الفريق بجمع أوراق بحثية منعزلة، بل التزم بالاستناد إلى القوانين الفيزيائية لتحقيق "الذكاء الفيزيائي المتقدم" الحقيقي، مما أدى في النهاية إلى تشكيل الصورة الكاملة لنموذج الأساس الفيزيائي. بالإضافة إلى ذلك، قاد فريق WuYuan سابقًا منتجات تخدم ملايين المستخدمين، وأدار البنية التحتية للحوسبة التي تضم عشرات الآلاف من بطاقات التسريع، مما يمنحه خبرة عملية غنية في الصناعة. فإذا كانت البحوث الأكاديمية هي ما يحدد مدى بُعد قدرة النموذج، فإن القدرة الهندسية هي ما يحدد ما إذا كان النموذج قابلًا للتطبيق في سيناريوهات أعمال حقيقية، وهما يشكلان "وجهين لعملة واحدة" في نموذج الأساس الفيزيائي.
لماذا يُنظر إلى WuYuan Technology بإيجابية؟ نموذج القيادة الفيزيائية يتميز بالندرة
تتماشى المسار التقني لـ Obsidian تقريبًا مع أكبر ثلاث نقاط تحدي في الذكاء الاصطناعي الفيزيائي: على جانب البيانات، يستبدل الديناميات الاصطناعية التسميات الفيزيائية، مما يقلل بشكل كبير من الاعتماد على البيانات الحقيقية المكلفة؛ على جانب التعميم، يدمج بعمق البنية المكانية، والتطور الزمني، والديناميات الفيزيائية، ليسمح للنموذج بالظهور التلقائي للقوانين الفيزيائية العامة؛ وعلى جانب التطبيق، تم التحقق من صحة واعتماد الهياكل الأساسية مثل Autoformer وTransolver على نطاق واسع من قبل الصناعة (مثل NVIDIA PhysicsNeMo)، مما يحل مخاوف تطبيق الذكاء الاصطناعي في السيناريوهات الحقيقية.
ندرة هذا التقاطع من "الفهم الحقيقي للأنظمة الفيزيائية + قدرة التخطيط المدعومة بنماذج عالمية + القدرة الهندسية على تطبيق الأبحاث الرائدة على نطاق واسع" جذبت بسرعة اهتمام رأس المال. بعد تأسيسها في يوليو، أكملت WuYuan Technology في غضون شهر واحد تمويل جولة الملاك وجلسة الملاك + بقيمة تزيد عن مائة مليون دولار أمريكي، حيث قادت جولة الملاك كل من كايهواي كابيتال وشينشوان الصين، وشاركت في التمويل IDG كابيتال ودينجهوي VGC وسينليان كابيتال ومجموعة علي بابا؛ بينما قادت جولة الملاك + كل من مجموعة علي بابا وهوي يو كابيتال واستثمار ميانيو الاستراتيجي، وتابعت في التمويل داشين كابيتال ونيو طراز كابيتال وجينهه كابيتال، بالإضافة إلى عدة مستثمرين سابقين.
قائمة التمويل هذه تنقل أيضًا العديد من المعلومات: استثمار ميتوان الاستراتيجي في السيناريوهات الواسعة للعملاء النهائيين، ومجموعة علي بابا في السيناريوهات الصناعية الجادة، ورأس المال نايسي في سيناريوهات القيادة الذاتية، جميعها تدعم فكرة أن مسار شركة وو يوان تكنولوجيا يتميز بخصائص تعميم قوية، ويمكنه تلبية احتياجات صناعية أوسع.
لقد بدأ مسار نماذج العالم يصبح "مزدحمًا"، لكن التراكم التدريجي للأخطاء في التنبؤ على المدى الطويل، والمسافة الأخيرة بين المحاكاة والواقع، وتوحيد معايير التقييم، لا تزال بحاجة إلى تحسين. إذا نجحت مسار شركة وو يوان تكنولوجي، فهذا يعني أن النموذج سيكتسب فعليًا القدرة على فهم كيفية عمل العالم والتنبؤ بعواقب الأفعال، ولا تقتصر قيمته على سيناريوهات منفردة مثل الروبوتات أو القيادة الذاتية، بل من المحتمل أن تصبح المعيار الأساسي وقاعدة نظام Physical AI، وتُمهّد الطريق لمستقبل الذكاء الاصطناعي وهو ينتقل من العالم الرقمي إلى العالم المادي.
(المصدر: Ifnar)
المصدر:عرض النسخة الأصلية
إخلاء المسؤولية: قد تكون المعلومات الواردة في هذه الصفحة قد حصلت عليها من أطراف ثالثة ولا تعكس بالضرورة وجهات نظر أو آراء KuCoin. يُقدّم هذا المحتوى لأغراض إعلامية عامة فقط ، دون أي تمثيل أو ضمان من أي نوع ، ولا يجوز تفسيره على أنه مشورة مالية أو استثمارية. لن تكون KuCoin مسؤولة عن أي أخطاء أو سهو ، أو عن أي نتائج ناتجة عن استخدام هذه المعلومات.
يمكن أن تكون الاستثمارات في الأصول الرقمية محفوفة بالمخاطر. يرجى تقييم مخاطر المنتج بعناية وتحملك للمخاطر بناء على ظروفك المالية الخاصة. لمزيد من المعلومات، يرجى الرجوع إلى شروط الاستخدام واخلاء المسؤولية.
