Nvidia поддерживает MetAI, тайваньский стартап, создающий цифровых близнецов на базе искусственного интеллекта

Nvidia удвоила возможности создания робототехники и других промышленных приложений AI, запустив свою платформу Omniverse ^[1] , а совсем недавно Mega ^[2] , фреймворк Omniverse Blueprint для создания цифровых двойников для управления этими приложениями. Она также инвестирует в стартапы цифровых двойников, чтобы сдвинуть дело с мертвой точки.

Тайваньская компания MetAI ^[3] разработала модель, которая может быстро генерировать цифровые двойники «SimReady» (готовые к моделированию) с использованием искусственного интеллекта ^[4] и 3D-технологий, преобразуя файлы САПР в функциональные 3D-среды за считанные минуты.

AIТеперь Nvidia поддерживает MetAI в своем первом раунде финансирования, посевном раунде в размере $4 млн, который становится первой инвестицией чип-гиганта в тайваньский стартап. Другие участники раунда представляют собой смесь других стратегических и финансовых инвесторов, включая Kenmec Mechanical Engineering, Solomon Technology, SparkLabs Taiwan, Addin Ventures и Upstream Ventures. 

Следующая волна AI, известная как генеративный физический AI, опирается на физически точные смоделированные среды для обучения ^[5] и проверки роботов, используемых в автономных системах для создания операционного AI перед развертыванием. MetAI утверждает, что цифровые близнецы, которые она помогает создавать, будут играть центральную роль в этих усилиях.

«Цифровые близнецы долгое время считались препятствием для внедрения физического ИИ, поскольку на их разработку требовались месяцы или даже годы усилий», — заявил в интервью Дэниел Ю, генеральный директор и соучредитель MetAI.

MetAI фокусируется на цифровых двойниках на базе AI, адаптированных для современных полупроводниковых фабрик, интеллектуальных складов и автоматизации. Он также генерирует синтетические данные в средах цифровых двойников на базе AI. 

Рентон Сю, соучредитель Ю и технический директор MetAI, имеет опыт ^[6] работы в области 3D-инжиниринга и AI, и впервые он начал работать с цифровыми двойниками при создании корпоративных программных приложений AI: они использовались в качестве практического обходного пути в ситуациях, когда у клиентов не хватало данных для обучения своих систем. Затем он понял, что может применить то же самое к 3D-системам, интегрируя 3D-технологии с AI для разработки синтетического AI и 3D-решений, объединив усилия с Ю (который пришел в стартап с опытом в проектах цифровой трансформации) и третьим соучредителем, Дэйвом Лю (COO), чтобы запустить MetAI.

Этого прорыва оказалось достаточно, чтобы занять первое место в конкурсе, организованном Nvidia, и стать «послом Jetson AI» в стране. Конкуренты MetAI варьируются от крупных до мелких компаний, которые создали технологии цифровых двойников для производства. К ним относятся Siemens Digital Industries, Dassault Systemes, Hexagon AB, Duality AI и Intangles. В секторе синтетических данных есть десятки компаний, включая Sky Engine и Scale AI. 

MetAI считает, что ее подход уникален по сравнению со всеми остальными.

«В отличие от конкурентов, которые отдают приоритет операционной эффективности или интеграции IoT, MetAI использует генеративные модели и макеты на основе ИИ для создания цифровых двойников, предназначенных для физического обучения AI и внедрения в реальные операции», — сказал Юй.

«Этот подход не только ускоряет создание цифровых двойников, но и обеспечивает их прямое использование для передовых систем автоматизации, таких как робототехника, сокращая разрыв между моделированием и реальностью».

MetAI отличается тем, что создает искусственные данные в своих цифровых двойниковых средах с поддержкой AI. Ю отметил, что он позволяет пользователям генерировать синтетические данные, настроенные под конкретные операционные требования, что облегчает обучение и проверку AI.

«Вместо создания изолированных наборов данных MetAI создает динамические виртуальные миры (т. е. симуляторы мира) — реалистичные виртуальные среды, которые работают точно так же, как реальный мир», — сказал он.

Двухлетний стартап, чьи продукты варьируются от вертикальных агентов AI до цифровых близнецов, имеет несколько клиентов и уже генерирует доходы, сотрудничая с предприятиями в сфере производства и автоматизации, и в этом году он рассчитывает получить $3 млн от одного проекта, сказал Ю. Доход формируется за счет дохода от проектов, подписок на продукты и лицензионных сборов от текущих разработок, добавил он.

«Интеграция MetAI с NVIDIA Omniverse представляет собой преобразующий шаг вперед для промышленных цифровых двойников и физического AI в симуляциях», — сказал Нико Капрез, менеджер по корпоративному развитию в Nvidia, в своем заявлении.

«Их способность создавать масштабируемые среды для обучения AI потенциально установит новый стандарт для отраслей, от производства до робототехники». 

В 2023 году MetAI сотрудничала с Kenmec с целью создания цифровых двойников для автоматизированных складов. Технология MetAI утверждает, что радикально сократила время, необходимое для моделирования цифровых двойников складов, с тысяч часов до всего лишь 3 минут, что привело к значительной экономии на операционных и проверочных задачах. 

Благодаря последнему финансированию MetAI планирует расширить свою команду НИОКР для более быстрой разработки и реализации своих стратегий выхода на рынок для удовлетворения растущего спроса. Кроме того, стартап из Тайваня намерен открыть офис в США и переместить свою штаб-квартиру во второй половине 2025 года, сказал Юй. 

«Тайвань служит нашим испытательным полигоном, где мы сотрудничаем с лидерами тайваньской отрасли, чтобы интегрировать глубокие вертикальные знания в наши модели, гарантируя, что наши решения будут как надежными, так и масштабируемыми», — сказал Лю.

«Учитывая его размер и спрос на решения, основанные на моделировании, мы расширяем рынок США из-за высоких затрат на рабочую силу и эксплуатационных сложностей. Наша стратегия расширения фокусируется на предоставлении как точечных, так и комплексных решений, включая предложения SaaS и вертикальные агенты AI, разработанные для быстрого внедрения в реальных сценариях в этих отраслях»,- добавил он 

Источник ^[7]