ニュース

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

人類は、人工知能の分野で爆発的な進化を遂げており、テクノロジーを未知の領域に拡張するあらゆる段階が驚くべき注目を集めています。

人工知能の限界を拡大する過程で、重要なトラックの技術的ルートには革新と意見の相違が共存します。テクノロジーの先駆者の判断と選択は、多くの追随者の足跡に影響を与えます。

昨年、Heart of the Machine は、Dark Side of the Moon、Shengshu Technology、Aishi Technology、Wuwen Core Dome などの優れた企業を独占的に紹介し、最初の「10,000 語のインタビュー スクリプト」を残しました。 「インターネットの世界では。。テクノロジーのルートがまだ収束していない段階で、私たちは真に信念、勇気、体系的な認識力を備えた AI 起業家のリーダーシップを見てきました。

そこで、私たちは「AI Pioneers」コラムを立ち上げ、AGI時代の人工知能のさまざまな分野でリーダーシップを発揮する起業家を発掘・記録し続け、AI分野で最も優秀で将来性の高いスタートアップを紹介していきたいと考えています。 、AI の分野での成果を共有します。最先端の、明確な認識。

著者: ジャン・ジンリン

マシンハートレポート

若い天才学者が現在のAGI企業創設者の主流の背景の1つとなっているにもかかわらず、2000年生まれのヤン・フェンユー氏はまだ驚くほど若い。

ミシガン大学でコンピュータ サイエンスの学士号を取得し、イェール大学でコンピュータ サイエンスの博士課程を修了したヤン フェンユー氏は、まだ 23 歳であり、昨年自身の身体化インテリジェント ロボット ビジネスを立ち上げました。

2024年、彼が設立したAIを具現化したUniX企業は、「食後の掃除」や「洗濯」などの機能を備えた車輪型人型ロボットの開発・製造を5か月以内に完了させ、量産・外販を開始する。 9月中。

多くの身体化された知能ロボットがまだ研究室段階にある中で、これは非常に速い商品化率である。蘇州にあるUniX AIのロボット量産工場は2,500平方メートルを超えた。

昨年はほとんど誰も名前を聞いたことのなかったこの会社は、過去6か月間でロボット業界で多くの上級技術人材を採用しました。 「サービスロボットのトップの研究開発ディレクターがシャーシの製作を手伝ってくれています。また、ヒューマノイドロボット会社の優秀な人材も何人かいて、私たちのハードウェアを担当しています。」2024 年 7 月、上海交通大学の著名なロボット工学専門家である王和生教授が、首席研究員として UniX AI に正式に加わると発表しました。

UniX AI が公開した最初の技術デモビデオでは、Wanda という車輪付きの人型ロボットが、豆腐をつかんだり、衣類の仕分けを手伝ったり、衣類をクリーニングのために洗濯機に持っていくなどのタスクを完了できます。 UniX AI は、現在、身体化されたインテリジェンス企業が解決するのが難しい「柔軟なタスク」問題の解決策を見つけたようです。

「若いことが悪いことだとは思いません。技術的な観点から見ると、多くの新しい技術や製品は、高い学歴を持った若者によって生み出されています。ゼロ年代以降の世代である私たちが驚いたのは、ヤン・フェンユー氏です。」私の会話では私の年齢を超えた成熟度を示しており、企業経営の技術的段階と具体化された知性を非常に明確に理解しています。

UniX AI に対する私たちの関心は、2000 年代以降に設立された数少ない身体化インテリジェンス企業の 1 つである、ベンチャー キャピタル界でほとんどニュースのない身体化インテリジェンス企業がどのようにしてこれほど急速な発展を遂げることができるのか、という点に焦点を当てています。 1? UniX AI の身体化されたインテリジェンスの最終ロードマップはどのようなものになるでしょうか?

これらの質問を念頭に置いて、Machine Heart は、起業以来初めてヤン・フェンユーとの公開メディア対話を開始しました。

エール大学 2000 年以降

体現された知的起業家精神に取り組む

マシーンハート「もう卒業したの？」

Yang Fengyu: 私は学部生としてエール大学に直接通い、博士課程卒業に必要な論文要件をほぼすべて満たしていました。たとえば、今年は CVPR 論文を 4 つ受賞し、その他を含めると合計で 10 つ以上の上位論文を受賞しました。人工知能とロボット工学に関する論文を書くことができます。

マシーンハート：とても元気ですね。

ヤン・フェンユー：（笑い）、私はよく夜中の3時半まで起きていて、少し前には糖尿病の注射をしに行ったこともあります。一番の理由は、チームが一緒にいて、時計を見ないことが多いからです。目が覚めると、すでにかなり遅い時間になっています。

Machine Heart: 初めて起業しようと思ったのはいつですか?

ヤン・フェンユー：私は起業家精神とは「適切な時期、適切な場所、適切な人々」であると常々信じてきました。

昨年は、視覚、言語モデル、触覚などのマルチモーダル モデルを含むいくつかの大きなモデルやベース モデルが大幅に開発され、私たちの目標を達成できる可能性が見えてきました。セックス。さらに、この国は起業家精神に良い環境を提供する一連の支援政策も打ち出しました。今は「天国の時」です。

「立地が悪い」：中国はサプライチェーンにおいて比類のない優位性を有しており、長江デルタには多くのハイテク人材も存在します。

初めに、ロボット産業のエンジニアリングレベルがどの段階に進んでいるのか、市場の需要はどこにあるのか、前世代のロボットはどのような問題を解決し、将来の機会はどこにあるのかを調べるためにいくつかの調査を行いました。

成功の鍵は、適切な人材を見つけることです。今年、私たちは正式にチームを結成し、頭部装着型掃除ロボットの研究開発ディレクターや、ハードウェアを担当する頭部人型ロボット会社の優秀な人材など、さまざまな分野の専門家を迅速に集めました。アルゴリズム レベルでは、クラスメートや先輩を含む米国とヨーロッパの才能あるグループを採用しました。これが「調和」です。

創業者および CEO として最も重要なことは、リソースを収集することです。UniX AI は、ロボット ソフトウェア、ハードウェア、および世界各国のサプライ チェーンの利点を組み合わせたグローバル企業です。同時に、私たちは国際的な計画を立てており、1年、3年、5年計画の継続的な努力を通じてRobots For Allという企業ビジョンを実現していきます。

Heart of the Machine: あなたの学業経験を簡単に紹介してください。

Yang Fengyu: 私は小学校から高校まで中国で過ごし、学部ではコンピューターサイエンスを専攻するためにミシガン大学に通いました。私は視覚と機械学習に出会い、その後、恩師の「マルチモーダル学習」の影響を受けて視覚と触覚の研究を始めました。

学部時代に、ロボットのビジョンとハプティクスに関する論文を5本発表しました。そのうちの「Touch and Go: Learning from Human-Collected Vision and Touch」は、世界最大の視覚および触覚センシングデータセットです。人工知能と機械学習の分野のトップカンファレンスであるNuerIPSに採択されました。

別の研究では、視覚と触覚の間の相互変換を完了するために拡散モデルを初めて導入し、その結果は ICCV に受け入れられました。

ロボットにとってタッチは重要です。衣服がポリエステルなのか、綿なのか、シルクなのかを肉眼で見分けるのは難しいですが、実際に触ってみるとその質感の違いが分かります。さらに、充電ケーブルを充電ポートに挿入するなどの一部の繊細な作業では、触覚による継続的な調整も必要であり、視覚だけでは完了できません。

マシーン・ハート: それでエール大学に来たんですね。

Yang Fengyu: ロボットの視覚と触覚の側面、特に視覚と触覚の変換と大規模言語モデルにおけるそれらの一般化に関するいくつかの研究のおかげで、私は北米コンピュータ協会から優秀な学部科学者の称号を授与されました。私は学校の歴史の中で最初の人物です。最後に、彼は博士課程を学ぶためにイェール大学を選びました。

この期間中に、私は「あらゆるものへの結合タッチ: 統合されたマルチモーダル触覚表現の学習」(CVPR, 2024, pp.26340-26353) を含む多くの論文を発表しました。この論文では、世界初の大型触覚である UniTouch を提案しました。複数の異なる触覚センサーを備えたモデルは、視覚、音声、音声などの複数のモダリティに接続された視覚ベースの触覚センサーに適しています。

別の紙「Tactile-Augmented Radiance Fields」(CVPR、2024、pp.26529-26539) は、シーンレベルで一般化できる世界初の 3D 視覚および触覚モデル TARF を確立しました。UniX AI ヒューマノイド ロボットの汎化能力も、モデル。

Heart of the Machine: 2000 年以降に生まれたことはあなたにとって有利だと思いますか、それとも不利だと思いますか?

ヤン・フェンユー氏: スタートアップ企業では、創業者は魂です。私は若いと思われている人が多いですが、ゼロ年代以降の世代であることは問題ないと思います。

技術的な観点から見ると、若者はこの技術変化の波を歓迎し、イノベーションを追跡する上で非常に強力な役割を果たしています。多くの新しい技術や製品は、特に参入障壁が比較的高いハイテク産業において、今日の若者によって生み出されています。 Sora のコアチームのメンバーの 1 人は私の同級生でもあり、彼はミシガン大学時代に高い技術力を発揮しました。

認知的および経験的レベルから言えば、素早く学び、間違いを素早く修正することも一つの道だと思います。もう一つは、粘り強さ、粘り強さ、何事にも手を抜かず、「山に遭えば道を切り開き、水に遭えば橋を架ける」という精神を持った人柄です。 。

もちろん、UniX AI チームには構造やエレクトロニクスなどの分野で豊富な経験を持つ多くの経験豊富な専門家がいます。私たちの効果的な協力によってのみ、短期間で製品をリリースすることができます。

ビジュアルタッチ＋操作

ロボットの汎化能力を向上させる

マシンの心臓部: ロボットにとってタッチの向上が重要なのはなぜですか?

ヤン・フェンユー: 人間は多感覚を持つ動物です。通常、行動の決定は複数の感覚から伝達される情報の複合的な影響によって決まります。理論上は同じことが知的ロボットにも当てはまります。

触覚は視覚的なフィードバックと比較して、ロボットが環境と対話した後に発生する最も重要な感覚情報の 1 つです。ロボットが物体を掴むと、基本的に、この相互作用が発生した後、ロボットがどのように感じるかという増分情報が得られます。

触覚情報を得ることで、ロボットはより複雑で繊細な作業をより適切に実行できるようになり、把握作業の成功率が大幅に向上します。特に柔軟な物体の把握においては、タッチの役割がより顕著であり、基本的に不可能なタスクからタスクを完了できるようになるまでの質的向上であると言えます。

たとえば、車輪付きの人型ロボット Wanda は、卵をつまむ、豆腐をつかむ、衣服を洗うなどのタスクをすでに完了していますが、フィードバックがなければロボットがそれを実行することは困難です。

なぜ現在ロボットが主に視覚に頼って判断しているのかというと、視覚データは他のデータと比べて最も直接的で、取得や訓練が容易であり、利用可能なデータが大量にあるからです。しかし、ロボットが具現化に向けてさらに進む場合、視覚だけに頼るだけでは明らかに十分ではありません。

インタラクションに依存する一種の感覚情報として、触覚情報を合理的に使用できることの重要性は、ロボットが世界との実際のインタラクションの中で継続的に学習し、より使いやすく汎用化できるようになるということです。

機械の心臓部: タッチを加えるとロボットの柔軟な物体の制御レベルが向上するのはなぜですか?

Yang Fengyu: 主な原則は、柔軟な物体と硬い物体を掴んで操作することには大きな違いがあるということです。剛体の物体は基本的に触れる前後で物理的な形状が変化しないため、目視で把握する場合は比較的容易に判断できます。しかし、柔軟な物体を掴んだり操作したりする前に、観察によって何が起こるかを判断することは困難です。なぜなら、掴む過程で多くの閉塞や変形が発生し、これらの変形を視覚的に正確に予測することが難しいためです。 。

例えばティッシュを持つ場合、一度ティッシュを手に持つと視線が完全に遮られてしまい、視覚からは握り方や操作方法を判断するための有効な情報が得られにくい。この場合、知覚を完了するには触覚などの物理的情報にのみ依存する必要があります。

Machine Heart: ほとんどの場合、物を掴もうとする必要はなく、掴む方法を知っているだけなように思えるのはなぜですか。

ヤン・フェンユー: それは、人間として、触覚情報を使用していることに気づかないほど、人間としての統合が進んでいるからです。あなたは 20 年以上の触覚データを蓄積してきたので、どの感覚がこの作業を完了するのに役立ったかはわかりません。

マシンの心臓部: ほとんどのロボット タスクでは、さまざまな感覚の寄与率の違いは何ですか?この段階でのタッチの優先度はどれくらいでしょうか？

Yang Fengyu: ほとんどのロボットのタスクでは、知覚、推論、意思決定、行動の 3 つのステップにおいて、異なる感覚が異なる割合で寄与します。

知覚レベルでは、初期段階では、グローバル情報を取得するために主に視覚と点群に依存していました。例えば、家全体の配置や水回りがどこにあるのかなどを知ることです。現在、大規模なビジュアルモデルと 3D の大規模モデルを通じてグローバル情報を認識するという問題は基本的に解決されています。

意思決定レベルでは、人間の事前知識を導入するために言語が主に利用されます。たとえば、冷蔵庫から水を取り出すという指示を受け取った後、ロボットはタスクを分解し、冷蔵庫を開ける最初のステップ、水を取り出すための第 2 ステップ、冷蔵庫を閉じるための 3 番目のステップを知ることができます。大量のインターネット データから得られます。

アクションレベルでは、視覚はロボットがどこを掴むべきかを決定するのに役立ちます。しかし、触覚情報は、たとえば握力の決定に重要な役割を果たします。例えば、豆腐を握るときのように咬み合わせがある場合、視覚だけで正確に掴み方を判断することは難しいが、触覚はロボットが正確に掴むための重要な情報を提供することができる。

また、卵をつまむ、豆腐を掴むなど、細かい力の制御が必要なシーンや、物体の変形の判断や力のフィードバックが必要なシーンでもタッチが重要な役割を果たします。

全体として、さまざまな感覚の寄与率はタスクごとに異なります。一部の硬い物体の把握では、視覚が比較的高い割合を占める可能性があり、多くの柔軟な物体の把握では、触覚の役割がより重要であり、それは基本的に完了できない状態からの質的な改善であるとさえ言えます。タスクを完了できるようになります。

マシンの心臓部: 触れられるほど高い障壁はありますか?それをロボット製品に実装する際の難しさは何ですか?

Yang Fengyu: 2023 年以前は、視覚や聴覚に比べてタッチは非常にニッチなモダリティであり、タッチ関連の仕事に従事している人は非常に少ないと思います。

触覚関連の研究の初期の頃、センサーが最大の問題でした。当時は世界的にデータ関連の仕事に携わる人が少なく、センサーをどう作るかが重要な課題でした。

次に、触覚情報をどのように解析するかという問題があり、これにはアルゴリズムとデータの両方のレベルが関係します。データレベルでは、世界中の触覚センシングの具体的なデータのほとんどはこれまで公開されていませんでした。これは、多くのロボットの組み合わせの特殊な性質やその他の理由によるものと考えられ、ロボット工学分野のデータが視覚分野に比べて公開されていないことが考えられます。したがって、私たちはデータセットの問題を解決し続け、世界中で触覚センシングデータセットの継続的な開示を促進することに取り組んでいます。

アルゴリズム レベルでは、触覚と視覚には違いがあり、これには物理学の事前知識が多く含まれます。たとえば、力の状態はセンサー上のマーカーによって判断できますが、この情報は視覚的な情報ほど解釈や識別が容易ではありません。

その際に実験も行われたが、その結果、生成された触覚信号は人間にとって非常に識別しにくいことが判明した。なぜなら、特別な訓練を受けずに、人間がそれぞれの物の触覚信号を区別するのは難しいからです。私たちはまた、触覚分野全体の発展と進歩を促進するために、この障壁を低くし、学術コミュニティのより多くの人々の参加を促進するために積極的に取り組んでいます。

Machine Heart: 触覚情報が既存のデータの量が少ないという問題だけでなく、大規模な収集のコストが高いという問題にも直面している場合、どうやって規模を拡大するのでしょうか?

Yang Fengyu: 私たちが以前に行った作業は、実際にはこの問題、つまり大規模な収集の達成が難しい場合にスケールアップする方法を解決しようとするものでした。

最初のステップは、視覚と触覚を結び付け、視覚を通じて触覚を予測することです。触覚の獲得が無い場面でも、視覚や言語などの情報を利用して触覚信号を推測します。

例えば、同じ種類・材質のテーブルの触覚情報を収集すると、新しい家庭やオフィスのシーンで、実際に新しいテーブルに触れていなくても、視覚情報や言語情報から触覚信号を推測することができます。このようにして、実際の物理的接触がなくても、利用可能なデータセットを拡張できます。ただし、この方法は予測されるため、実際の信号とは多少異なる場合があります。

第二に、私たちは触覚データセットの一般公開を引き続き推進しています。データセットを公開することで、より多くの人が力覚分野の研究開発に参加できるようになり、分野全体の発展が促進されます。

第三に、アルゴリズムレベルで、触覚情報認識の閾値を下げるよう努めます。たとえば、センサーにマーカーを追加し、さまざまな力を受けたときにマーカーがどのように変化するかを発見することで、これらの物理学に関する事前の知識を使用して、触覚情報をより適切に解析できます。

第四に、視覚、触覚、言語、その他のマルチモーダルな情報など、さまざまな情報を組み合わせてさまざまなタスクを完了することに取り組んでいます。マルチモーダル情報の融合により、少量の触覚データの不足をある程度補うことができ、モデルの一般化能力と適応性を向上させることができます。

Machine Heart: 大規模な収集は可能ですか? また、必要な条件は何ですか?

Yang Fengyu: これが、身体化知能の開発全体のボトルネックだと私は個人的には考えていますが、ここには商業化のプロセスがあります。

ロボットが数千世帯に導入されると、ある程度の量があれば、より多くのシナリオをサポートし、いくつかの一般化を行うのに十分なデータを収集できます。もちろん、すべてのポイントを永久に捉えることはできないため、「大規模」という命題は常に存在します。機械学習の本質は、疎なサンプリングを通じてシミュレーションのフィッティングと密な分布の予測を実現することです。

データに関しては、シミュレーションを排除するものではありませんが、身体化された知能を実現するには、ある程度の実機データが必要条件だと考えています。

機械の心臓部: 大型触覚モデルの主要な技術指標は何ですか?

Yang Fengyu: 大型の触覚モデルには、他の大型モデルと同様に、さまざまな下流タスクのための指標がいくつかあります。私はチームを率いて、既存の世界最大の視覚および触覚データセットである Touch and Go を構築しました。これは、世界中のロボット視覚および触覚事前トレーニング モデルの重要な共通ベンチマークの 1 つです。

具現化知能ロボットワンダ

9月に量産開始

Heart of the Machine: 起業を決めた後は、どのような具体化されたインテリジェンス企業を構築する予定ですか?

ヤン・フェンユー氏: 起業家の本質は、社会に価値を生み出すことです。UniX AI は、C サイドを最初の戦略として設定している、世界で数少ない具体化されたインテリジェント ロボット企業の 1 つです。

TO C の実現には長い道のりがありますが、その背後には大きな可能性があります。産業の観点から見ると、人型ロボットはハードウェア＋AIの技術統合の時代を迎え、急速に発展し実用化が進んでいます。そして私は、この統合プロセスは業界関係者が当初予想していたよりもはるかに速くなると楽観的です。

高齢化、少子化、労働力不足…これらは世界が直面する問題です。企業の責任は社会の課題を解決すること、これがUniX AIのチャンスであり価値であり、私の起業の原点でもあります。このトラックの現在の大まかな着地点は、基本的に産業、商業、家庭です。これは、TO C ユーザーにサービスを提供するための主なシナリオでもあります。

UniX AI のビジョンは、Robots For All であり、運動能力と知能の両方で優れ、肉体労働と知的な仲間関係を可能にする万能の人型ロボットを作成することです。

Heart of the Machine: そもそもなぜ家族のシーンを選んだのですか?

ヤン・フェンユー：実際、私たちはファミリーシーンに限定されず、オフィスなどの汎商業シーンも手掛けています。

To B シナリオは技術的には比較的難しくなく、反復率が高く、一般化に対するそれほど高い要件はありません。ただし、To B シナリオには強力な置換ロジックが含まれることが多く、ロボットの速度と操作精度に非常に高い要件が課されます。

家族の場面は複雑で常に変化しており、すべての家庭は小さなエコシステムであるため、ロボットには強力な汎化能力が必要です。これにより、当然ながら当社の製品に対する要求も高まります。同時に、家庭向けのシナリオでも多くの L2 レベルの機能が追加され、複雑なシナリオにおける製品の適応性とプレイアビリティがさらに向上します。

一般に、当社のテクノロジー スタックは To B と To C の両方をカバーできます。家族のシーンがうまくできると、他のシーンも楽にこなせる気がします。最も硬い骨から始めることは、UniX AI の技術的な強みを反映するだけでなく、市場に参入するための戦略的な道筋も表しています。

Heart of the Machine：工場などのTo Bシーンでも行われるのでしょうか？

Yang Fengyu: 私たちはすべてのシナリオを排除しているわけではありません。UniX AI のモジュール式ハードウェア ソリューションは、さまざまなシナリオに適応できます。同時に、認識と操作を分離してデータを最大限に活用する一連のモーション プリミティブ アルゴリズムを備えており、シーンへの移植性は非常に強力になります。どの製品にも限界はありますが、私たちはさまざまなシーンでの展開に挑戦していきたいと考えています。また、消費者を支援するためにいくつかの重要なビジネス シナリオも実行しています。

Machine Heart: いわゆるサプライチェーンのコストメリットとは何ですか?

Yang Fengyu: 私たちのチームには、大量生産レベルのコスト管理方法を習得し、それをロボットのサプライ チェーンに適用できる、経験豊富なサプライ チェーン管理の専門家のグループがいます。ロボット業界ではまだ大規模な価格設定は行われていませんが、当社では当初から量産レベルでのコスト管理を行い、消費者に受け入れられる価格を実現しています。効果的なコスト管理により、当社の製品は価格競争力に優れ、企業の発展を強力にサポートできるものと確信しています。

Machine Heart: 今後発売される製品の価格帯はどれくらいですか?

ヤン・フェンユー: 今このことを公開するのは都合が悪いですが、保証できます。きっととてもびっくりする価格なのではないでしょうか。

Heart of the Machine: 最後までどうやって行くつもりですか?

ヤン・フェンユー: 最後までアプローチするロジックは非常にシンプルです。一定量の高品質な実データが必要です。鍵はこのデータをどうやって入手するかにありますたとえば、テスラの自動運転を例に挙げると、車を道路上で継続的に走らせてデータを収集するのに 6 ～ 8 年かかったため、限界に達する可能性があります。

ロボット業界は異なります。誰もがロボットが自動的に何かを行うことを期待しています。私たちは最初にいくつかのシングルポイントシーン関数を開発しました。「便利」「楽しい」と誰もが感じて、手頃な価格で、誰もが喜んで購入してくれるロボットです。

私たちのサプライチェーンには利点があり、価格を下げることができます。これは非常に重要なポイントです。ユーザーからの継続的なフィードバックを通じて、私たちは製品の最適化と反復を続け、最終的には普遍的な身体型インテリジェントロボットを作成します。

Heart of the Machine：ロボット量産の難しさと意義とは？

Yang Fengyu: デモを作るのは実はとても簡単で、実験室で作れば成功です。量産の難しさは、1 台ではなく、100 台または 1000 台のユニットが実際にユーザーの家に入り、製品のデータ セキュリティ、動作の安定性、および基礎となる制御の信頼性をテストするという事実にあります。これには、強力なアフターセールス チームと継続的な体制が必要です。技術チーム。さらに、プロセスも非常に重要であり、量産能力をテストするための重要な指標でもあります。

もちろん、その重要性は、一方ではサプライチェーンの競争力を反映し、他方ではテクノロジーの成熟度を証明するものであることに疑いの余地はありません。初めてカニを食べた人は誰ですか?早く上手に食べる人は誰ですか？さらに、大量生産により一定の先行者利益が得られる可能性があります。

Heart of the Machine: 起業を決めてからの当初のチーム構築の考え方や現在のチーム編成状況はどのような感じですか？

ヤン・フェンユー：0-1からは先発チームが非常に重要です。私は、最初に最上位で物事を計画し、それを滝のように上から下にゆっくりと各レベルに展開することに慣れています。まず中核となるキーパーソンを見つけて、彼らに取り組み、次に下方に拡張してチームを継続的に改善し、全体を回転させます。

昨年末から現在まで、私たちのチームは急速に成長し、製品を 3 世代にわたって繰り返してきました。現在、チームの規模は具体化し始めていますが、今後もニーズに応じて調整と改善を続け、会社の競争力を高めていきます。

人材の獲得はスタートアップ企業にとって最も重要なことの 1 つであり、私は社内のほとんどの人材に個人的に会いました。多くの場合、CEO は CEO であるだけでなく、私たちが行っていることの価値と重要性を同僚に説明する必要があります。彼らが同意し、一緒に道を歩むことが非常に重要です。

同時に、現段階では私の管理範囲は非常に大きく、管理の粒度も非常に細かいので、非常に難しいですが必要です。会社の方向性が正しく安定していることを包括的に把握し、確認して初めて、他の側面に多くの時間を費やすことができます。

Heart of the Machine: どうやってこれらの才能を惹きつけるのですか?

ヤン・フェンユー: 本質的に、誰もが魅了されるのは、身体化された知性の終焉への道、そしてそれをどのように行うかという問題です。

当社にはいくつかのハイライトがあります。第 1 に、当社のチームは強力な実行能力と非常に速い反復速度を備えています。数週間後に再度訪れてみると、シーンはすでに完成しており、進捗は非常に速かったことがわかりました。また、国内のトップロボット企業からも積極的に参加を申し出てきた優秀な人材もいます。

Heart of the Machine: 現在の資金源は何ですか?

楊峰宇氏：適切な時期に統一的に開示いたします。

Heart of the Machine: 外部からの資金調達計画はありますか?

Yang Fengyu: 現在、投資家からのフィードバックは非常に好意的です。普遍的な身体化されたインテリジェンスのビジョンに共感する投資家が長期的に当社に留まってくれることを歓迎します。

Machine Heart: 今後の製品と将来の市場計画について詳しく説明していただけますか?

ヤン・フェンユー: 私たちが量産しようとしているロボットはワンダと呼ばれるもので、車輪がついた人型二腕ロボットです。私たちがリリースした最初の技術ビデオでは、その機能の一部をご覧いただけますが、これがすべてではありません。9 月に消費者向けに発売する際には、さらに驚くべき詳細が発表される予定です。

最終的に、UniX AI が消費者に提供したい製品は、家庭内でサービスを提供するだけでなく、人々をより多くの場所に連れて行って、より多くの機能を提供できる、普遍的な身体化されたインテリジェント ロボットです。これには、テクノロジーの継続的な開発も必要です。企業とユーザーの協働共創。小さな一歩を踏み出さなければ千マイルに到達することはできません。最初の一歩から始めましょう。