主なハイライト:
ロボット業界の「データ飢餓」に対する25歳の創業者の解決策が有力投資家を惹きつけており、これはロボットの製造から、ロボットを学習させるデータの取得へと焦点が移っていることを示唆しています。
中国の身体性インテリジェンス（具身知能）スタートアップであるOriginFlowは、5ヶ月間で5億元（0.69億ドル）を超える資金を調達しました。同社は、人間の動きのデータを取得する独自の手法が、家庭や工場への汎用ロボットの導入を妨げている重大なボトルネックを解決できると考えています。
同社の資金調達発表によると、「業界は世界的な『データ飢餓』に直面しています。ロボットアームの汎用化能力がボトルネックを突破できずにいるのは、本質的に高品質な物理的操作データの供給が不足しているためです」とのことです。
エンジェル、戦略的、Pre-A1の各ラウンドを通じて蓄積された今回の資金調達は、Monolith、BlueRun Ventures、Oasis Capitalが主導し、58.comからの戦略的投資も含まれています。OriginFlowの「NeuroScale」技術は、表面筋電図（sEMG）センサーを使用して人間の筋肉の動きの背後にある神経信号を捉えます。これは、力や触覚のフィードバックを捉えられないことが多い業界標準の視覚ベースの「EgoScale」とは異なるアプローチです。
高品質な学習データを提供することで、OriginFlowは非定型な環境におけるロボットの巨大な市場を開拓することを目指しており、真に知的な機械を構築する競争において、重要なインフラ提供者（いわゆる「つるはしとシャベル」の役割）としての地位を確立しようとしています。5億元の投資は、ロボットそのものを製造することよりも、このデータ中心のアプローチに高い価値が置かれていることを物語っています。
清華大学の25歳の博士課程学生である秦申涛（Qin Shentao）氏が開発したOriginFlowの技術の中核は、「NeuroScale」パラダイムです。これは、物体の遮蔽に弱く、複雑な操作タスクに不可欠な力や触覚のフィードバックを直接測定できない純粋な視覚ベースのデータ収集の限界を克服するものです。神経信号に直接アクセスすることで、システムはユーザーの意図と物体との物理的な相互作用を捉えます。
このアプローチは、ロボットの器用さを劇的に向上させる可能性を秘めています。これは、最近の物流自動化セクター全般における進展でも強調されている課題です。最近のレポートで指摘されているように、Locus Roboticsのような企業が把持能力を向上させるために買収を通じて機能を拡張している一方で、OriginFlowはデータソースからこの問題に取り組んでいます。同社は、sEMGデータ収集ハードウェアのコストを千元レベル（約140ドル）まで下げたとしており、これは大規模な導入と大量のデータ収集のための重要な前提条件となります。
OriginFlowは、Boston DynamicsやFigure AIのようなロボットメーカーの競合相手ではなく、業界全体の重要なイネーブラー（実現者）としての地位を築こうとしています。投資家の顔ぶれは、明確な市場参入戦略を反映しています。ローカルサービスの大手オンラインマーケットプレイスである58.comからの戦略的買収は、家庭環境での直接的な応用を示唆しています。OriginFlowは58.comのネットワークを活用して、掃除、料理、仕分けなどの高頻度で非定型なタスクに関する膨大なデータを収集し、家庭用サービスロボット向けの貴重なスキルデータベースを構築できます。
データ中心の企業に対する多額の資金調達は、高品質な独自データへのアクセスが主要な差別化要因となっているAI分野の広範なトレンドを反映しています。エンタープライズAIプラットフォームのUnframeは、AIプロジェクトを本番環境に移行させたい企業からの強い需要を背景に、最近5000万ドルを調達しました。これは、AIへの野心と現実世界での実行の間のギャップを埋めるソリューションに対する市場の渇望を裏付けています。
しかし、設立5ヶ月の企業として、OriginFlowは大きな障壁に直面しています。その技術の堅牢性は、電磁干渉のある工場の床のような複雑な現実環境で証明されなければなりません。さらに、単発のハードウェアベンダーになることを避け、そのデータとモデルが長期的に大規模ロボットメーカーにとって不可欠であり続けるような、持続可能なビジネスモデルを確立する必要があります。
この記事は情報提供のみを目的としており、投資アドバイスを構成するものではありません。
