microagi总部位于德国慕尼黑。这位前一级方程式工程师离开了世界上最快的赛车，迎接一个更大的工程挑战：教机器人在工厂中工作。现在，他位于慕尼黑的创业公司microagi已筹集到5500万美元，这是德国初创企业获得的最大种子轮融资。Hummingbird主导了此次融资，Northzone、LocalGlobe、Village Global和redalpine等公司也参与了这轮融资。microagi拒绝透露其估值。Bercan Kilic在2023年实现了自己的梦想，成为红牛赛车的空气动力学工程师，加入了这个一级方程式团队，并在其最巅峰时期工作。但是，兴奋感很快消退。他说，工程技术非常出色，但他希望将自己的技能用于更大的事情。他的目标是在工厂中部署机器人，以带来一个充裕、低成本商品和服务的世界。microagi帮助制造商为特定工作训练机器人。该公司没有构建自己的机器人或人工智能模型，而是使用摄像头和配备传感器的手套记录工人的工作。它利用这些视频教现有的机器人模型如何在客户的工厂内执行特定任务。Kilic告诉《商业内幕》,目前有五家公司在通过其平台收集数据，其中一家公司正在准备在工厂中部署机器人。你可能没有听说过microagi，但它的面向消费者的部门shift因今年在纽约提供免费公寓清洁服务而走红，以换取记录清洁工洗碗、拖地和叠衣服的第一人称视频。本周，shift开始在旧金山提供免费私人厨师服务。此次融资是在投资者纷纷涌入机器人及物理人工智能的背景下进行的，这一趋势是由于人工智能从聊天机器人转向机器、硬件成本下降、劳动力短缺以及重返本土供应链的压力。microagi联合创始人Bercan Kilic表示，他并不担心microagi会抢走帮助训练机器人的人的工作。他反而认为，工厂机器人对解决欧洲和美国的劳动力短缺以及跟上中国的自动化步伐是必要的。根据国际机器人联合会的一份报告，中国在2024年安装了295,000台工厂机器人，占全球总数的54%，而美国则只有34,200台。Kilic说：“如果你经营工厂，这个数学问题已经摆在你面前。你最有经验的员工将在这个十年退休，而他们的替代者从未出生。只有机器人能使重返本土的计划成功。” 为什么microagi需要shift microagi于去年在慕尼黑一家黑客之家成立，目标是将机器人从研究实验室移到工作场所。这个名字反映了Kilic的信念，即在数十亿台机器人被部署之前，人工智能模型必须变得更小。他说，对那么多机器运行巨大的模型将需要过多的计算能力。起初，microagi计划专注于部署。它会使用现有的机器人和人工智能模型，在客户的数据上进行训练，然后投放使用。但团队很快发现许多机器人模型能力不足，无法作为一个有效的起点。Kilic将这个问题比作培训新工人。成年人可能在一周内学习一份工厂工作，而孩子可能无论指导多么出色也永远无法掌握它。他说，现有的机器人模型仍然更接近于儿童。这一认识使microagi构建了shift这一数据收集业务。Kilic表示，shift在15个国家运营，支付超过20,000人记录自己执行体育任务的过程。它将这些影像出售给开发机器人“脑”的人工智能实验室和机器人公司。shift操作员佩戴头戴式摄像机记录自己做家务的过程。Kilic拒绝透露microagi的模型合作伙伴，不过从事这类技术的公司包括Physical Intelligence、Skild AI和Generalist AI。microagi使用每个客户的工厂数据来调整其合作伙伴的模型，然后帮助将其部署在机器人上。它的客户涵盖汽车、物流和食品行业。Kilic说：“我们为实验室提供数据，他们为我们提供模型，然后我们加上专有数据以使我们的客户满意。” shift是microagi解决机器人技术最大瓶颈的答案。大型语言模型是在网络上大量文本和图像的基础上进行训练的，但机器人并不存在相应的丰富数据来源。加州大学伯克利分校的机器人专家Ken Goldberg称这为“100,000年的数据差距”，是指机器人和聊天机器人可用的训练数据之间的差距。shift与包括Scale AI、Turing和micro1在内的公司竞争，这些公司也支付人们记录自己执行机器人最终可能执行的任务。追逐ChatGPT时刻Kilic表示，microagi将利用新的资金来支付训练机器人模型所需的计算能力，扩展shift的数据收集网络，并从纽约扩大其在美国的业务。microagi在全球雇佣了37人，而shift大约有75人。