Menurut berita pada 2 Januari, Andrew Kang, mitra di Mechanism Capital, memposting di platform X bahwa pada tahun 2025, bidang robotika akan memecahkan arsitektur model lama dan tantangan pelatihan, dan membuat kemajuan signifikan dalam teknologi pengumpulan data, pemahaman kualitas data, dan perumusan data, memberikan keyakinan kepada perusahaan kecerdasan buatan bahwa mereka pada akhirnya akan mulai berinvestasi dalam pengumpulan data skala besar, dan perusahaan seperti Figure, Dyna, dan PI akan menggunakan pembelajaran penguatan (RL) Teknologi inovatif telah mencapai tingkat keberhasilan lebih dari 99% dalam berbagai skenario aplikasi praktis. Selain itu, kemajuan dalam teknologi memori telah merusak “dinding memori”, ReMEmber NVIDIA menggunakan navigasi berbasis memori, Titans dan MIRAS mencapai memori waktu pengujian, dan model pemosisian virtual (VLM) yang lebih baik berarti bahwa array pemosisian virtual (VLA) memiliki kemampuan pemahaman spasial yang lebih baik, serta anotasi data dan proses pemrosesan yang dapat sangat meningkatkan throughput. Pada tahun 2025, pasar awalnya akan menghargai pemetaan kemampuan zero-shot, sensitivitas kekuatan visual, dan penalaran fisik umum yang dibawa oleh skala data, dan skala data AI fisik akan berkembang 100 kali lipat pada tahun 2026.
Lihat Asli
Halaman ini mungkin berisi konten pihak ketiga, yang disediakan untuk tujuan informasi saja (bukan pernyataan/jaminan) dan tidak boleh dianggap sebagai dukungan terhadap pandangannya oleh Gate, atau sebagai nasihat keuangan atau profesional. Lihat Penafian untuk detailnya.
Partner Mechanism Capital: Skala data AI nyata akan meningkat 100 kali lipat pada tahun 2026
Menurut berita pada 2 Januari, Andrew Kang, mitra di Mechanism Capital, memposting di platform X bahwa pada tahun 2025, bidang robotika akan memecahkan arsitektur model lama dan tantangan pelatihan, dan membuat kemajuan signifikan dalam teknologi pengumpulan data, pemahaman kualitas data, dan perumusan data, memberikan keyakinan kepada perusahaan kecerdasan buatan bahwa mereka pada akhirnya akan mulai berinvestasi dalam pengumpulan data skala besar, dan perusahaan seperti Figure, Dyna, dan PI akan menggunakan pembelajaran penguatan (RL) Teknologi inovatif telah mencapai tingkat keberhasilan lebih dari 99% dalam berbagai skenario aplikasi praktis. Selain itu, kemajuan dalam teknologi memori telah merusak “dinding memori”, ReMEmber NVIDIA menggunakan navigasi berbasis memori, Titans dan MIRAS mencapai memori waktu pengujian, dan model pemosisian virtual (VLM) yang lebih baik berarti bahwa array pemosisian virtual (VLA) memiliki kemampuan pemahaman spasial yang lebih baik, serta anotasi data dan proses pemrosesan yang dapat sangat meningkatkan throughput. Pada tahun 2025, pasar awalnya akan menghargai pemetaan kemampuan zero-shot, sensitivitas kekuatan visual, dan penalaran fisik umum yang dibawa oleh skala data, dan skala data AI fisik akan berkembang 100 kali lipat pada tahun 2026.