🤩 Mistral AI приобретает венский стартап Emmi AI для усиления в физическом ИИ

Французская компания Mistral AI объявила о приобретении венского стартапа Emmi AI, специализирующегося на моделях искусственного интеллекта для симуляции сложных физических процессов. Сумма сделки не раскрывается.

Emmi AI разрабатывает ИИ-модели, способные моделировать такие физические явления, как воздушные потоки, теплопередача и напряжение материалов. В 2025 году стартап привлек 15 миллионов евро в рамках крупнейшего раунда финансирования в Австрии, сообщает Reuters.

Mistral AI строит кастомные ИИ-системы для промышленных клиентов, включая ASML, Stellantis и Veolia. Эти решения используются для обнаружения дефектов производства и управления роботизированными манипуляторами. Генеральный директор Mistral Артур Менш заявил, что приобретение Emmi AI усилит позиции компании в аэрокосмической, автомобильной и полупроводниковой отраслях Европы.

Сделка знаменует собой стратегический шаг Mistral в сегмент физического ИИ (physical AI), где модели понимают и предсказывают поведение реального мира. Для промышленных заказчиков это означает возможность внедрять более точные цифровые двойники и оптимизировать производственные процессы без дорогостоящих натурных испытаний.

#AI #MistralAI #EmmiAI #PhysicalAI

2️⃣ День второй TechEx North America: барьеры, безопасность и физический ИИ в фокусе

Второй день TechEx North America в Сан-Хосе принёс углублённый анализ проблем внедрения ИИ в enterprise. Ключевая тема — «кладбище ИИ»: проекты, успешные в пилоте, но проваливающиеся в реальной эксплуатации. Спикеры обсуждали, как избежать этой участи, фокусируясь на агентном ИИ в конкретных бизнес-областях, подготовке data-фундамента для агентов и реалиях токен-биллинга.

На инфраструктурном уровне развернулись дискуссии: покупать или строить физическую инфраструктуру для ИИ? Как создать устойчивую ROI на данных и ИИ-проектах? Ключевая проблема масштабирования — «персональный копилот», который отлично работает на одном рабочем месте, но не масштабируется на отдел или компанию. Переход от точечных успехов к общеорганизационным изменениям остаётся главным roadblock.

В треке Cyber Security & Cloud Expo говорили о «velocity gap»: бизнес внедряет агентный ИИ быстрее, чем security-команды успевают обеспечить безопасность. Теневое ИИ (shadow AI) — новая версия shadow IT, когда сотрудники загружают чувствительные данные в несанкционированные инструменты. Zero Trust назван ключевым ответом: проверка личности и прав доступа должна применяться и к сервисам, и к агентам.

Отдельный трек Physical AI собрал самые большие аудитории. Человекоподобные роботы вызвали восторг, но главный вывод: физические автономные системы — следующий рубеж для ИИ, и модели для них будут принципиально иными, чем LLM.

#Ai #TechEx #EnterpriseAI #PhysicalAI #LLM

🤝 FANUC и Google объединяются для развития физического ИИ в роботах

Японский промышленный гигант FANUC объявил о партнёрстве с Google для внедрения технологий физического искусственного интеллекта (Physical AI) в свои промышленные роботы. Сотрудничество направлено на интеграцию передовых алгоритмов машинного обучения и моделей Gemini от Google в контроллеры и системы управления роботами FANUC.

В рамках партнёрства планируется использовать наработки Google в области компьютерного зрения, обработки естественного языка и планирования движений. Это позволит роботам FANUC адаптироваться к изменяющимся условиям на производстве в реальном времени, быстрее обучаться новым задачам без жёсткого программирования и эффективнее взаимодействовать с человеком. Ожидается, что первые решения с интеграцией Google AI появятся в 2026–2027 годах.

Для промышленности это означает переход от жёстко запрограммированных манипуляторов к адаптивным роботам, способным самостоятельно принимать решения в нестандартных ситуациях — например, при сортировке деталей или сборке сложных узлов. FANUC остаётся крупнейшим производителем промышленных роботов в мире (установлено более 1 млн единиц), и интеграция Physical AI от Google может стать ключевым драйвером следующего витка автоматизации.

#TECH #Google #PhysicalAI #Robotics

🤖 NVIDIA Cosmos 3: физический ИИ учится думать, прежде чем действовать

NVIDIA представила Cosmos 3 — открытую world foundation model, объединяющую визуальное рассуждение, мультимодальную генерацию и предсказание действий. Модель предназначена для роботов, беспилотных автомобилей и систем видеонаблюдения, помогая им анализировать сцены и прогнозировать развитие событий в реальном времени.

Архитектура mixture-of-transformers включает блок рассуждения, который интерпретирует происходящее в кадре, и блок генерации, создающий физически обоснованные выходные данные — от синтетического видео до траекторий движений робота. Cosmos 3 поддерживает нативную генерацию action-данных: углы сочленений, позиции захватов, точки траектории. Это позволяет дообучать модель под конкретные задачи — pick-and-place, сборку, навигацию.

Для разработчиков физического ИИ модель решает проблему сбора редких сценариев (long-tail edge cases): аварийные ситуации, нестандартные конфигурации объектов, поведение пешеходов. Cosmos 3 генерирует физически правдоподобные видеопоследовательности, которые можно использовать для обучения политик в симуляции. Команда NVIDIA GEAR уже применяет модель для создания video action models в играх, симуляциях и реальной робототехнике.

#AI #NVIDIA #Cosmos3 #PhysicalAI #Robotics #FoundationModel

💵 Prometheus Джеффа Безоса привлёк $12 млрд на создание «искусственного общего инженера»

Физический AI-стартап Prometheus, основанный при поддержке Джеффа Безоса, закрыл раунд финансирования на $12 млрд. Компания нацелена на разработку «искусственного общего инженера» — системы, способной автоматизировать сложные инженерные задачи в реальном мире, включая проектирование тяжёлой техники и разработку лекарств. Оценка стартапа после раунда достигла $41 млрд.

Prometheus позиционирует себя как мост между цифровыми AI-моделями и физическим производством. В отличие от традиционных LLM, их система обучается взаимодействовать с трёхмерными объектами, CAD-моделями и лабораторным оборудованием. Ключевые направления — автоматизация циклов «проектирование-тестирование-доработка» в машиностроении и ускорение доклинических испытаний в фармацевтике.

Для разработчиков и инженеров это означает появление инструмента, способного автономно генерировать и оптимизировать чертежи, подбирать материалы и симулировать физические процессы. Стартап уже сотрудничает с несколькими промышленными гигантами, тестируя систему на реальных задачах — от проектирования турбин до синтеза новых молекул.

#Business #Prometheus #PhysicalAI #Engineering #Pharmacy #Startup

🖥 NVIDIA: лидеры рынка роботакси строят флоты на её полном стеке технологий

NVIDIA опубликовала обзор того, как ведущие игроки рынка беспилотных такси используют её технологии для развёртывания и масштабирования коммерческих автопарков. Рынок роботакси — первый коммерческий прорыв physical AI — по прогнозам достигнет $400 млрд к 2035 году, а число коммерческих машин превысит 6 млн.

Беспилотные флоты уже перевозят пассажиров по самым загруженным и сложным улицам мира. В компании подчёркивают: вывести одну беспилотную машину на дорогу — одна задача, а масштабировать целый флот — совсем другая. Именно для этого NVIDIA предлагает открытую full-stack платформу: от вычислений в автомобиле до обучения моделей и симуляции.

По сути речь о готовой инфраструктуре, которая позволяет операторам роботакси быстрее проходить путь от пилота к серийной эксплуатации. Для разработчиков автономного вождения это означает доступ к единому стеку вместо сборки решений из разрозненных компонентов — от восприятия и планирования до валидации в симуляторе.

#Tech #Business #NVIDIA #RoboTaxi #Auto #PhysicalAI #AI

💻 NVIDIA Halos: сквозная безопасность для физического ИИ

NVIDIA представила Halos - первый полноценный full-stack safety-стек для физического ИИ: автономных машин, человекоподобных и промышленных роботов. По прогнозу ABI Research, к 2035 году парк автономных автомобилей уровня 3-5 достигнет 49 млн, а Omdia оценивает развёртывание около 60 млн промышленных роботов в 2026-2035 годах. Безопасность должна масштабироваться вместе с ними.

Для автономного транспорта Halos объединяет вычислитель DRIVE AGX Thor, платформу Hyperion, ОС Halos OS на базе сертифицированной ASIL-D DriveOS, VLA-модели Alpamayo для объяснимости long-tail сценариев и Halos Safety Evaluation Framework для валидации. Для робототехники - модуль IGX Thor с выделенным Functional Safety Island, Halos Core, Holoscan Sensor Bridge для сенсоров и open source Outside-In Safety Blueprint для внешнего мониторинга через камеры и vision AI. Симуляция и синтетические данные - Isaac Lab и Omniverse.

Ключевая идея: безопасность охватывает железо, софт, поведение ИИ и весь жизненный цикл, а не проверяется один раз. TÜV SÜD сертифицировала процессы NVIDIA по ISO 26262 ASIL D, TÜV Rheinland проверяет IGX Thor и Halos OS, а лаборатория AI Systems Inspection Lab аккредитована ANAB по ISO/IEC 17020. На Hyperion строят автомобили Geely, Isuzu, Nissan с ПО Wayve, Einride, а Uber, Grab и Lyft используют платформу для robotaxi; Agility внедряет IGX Thor в человекоподобного Digit 5.

#Safety #NVIDIA #PhysicalAI #Robotics #Automation #Security

🤖 Dyna-2: физические агенты общего назначения с автономностью в час

Dyna Robotics выпустила Dyna-2 - world-action модель, обученную более чем на миллионе часов человеческого видео, и вслед за ней физического агента Dyna-2.1, который демонстрирует надёжную сверхдлинную автономность в реальных задачах.

В основе Dyna-2 - diffusion transformer с encoder-only архитектурой и flow matching. Модель получает видео с камер робота, углы шарниров, показания энкодеров и языковую инструкцию, а на выходе выдаёт не только действия, но и предсказание будущего видео. По словам сооснователя и главного научного сотрудника Dyna Джейсона Ма, это аналог chain of thought: модель рассуждает в визуальном и физическом пространстве, а затем управляет железом. Такой подход даёт большую ловкость, устойчивость и генерализацию на незнакомые сценарии.

Практика: роботы Dyna складывают салфетки в ресторане Din Tai Fung с точностью 99,4% на протяжении 24 часов подряд, в том числе восстанавливаясь после падения всей стопки. Новым задачам модель учится примерно по 45 минутам демонстраций. Компания делает ставку на собственное колесное полугуманоидное шасси, а не на бипедальных роботов, и на on-device инференс с дистилляцией моделей. Главные узкие места, по мнению Ма, - дефицит данных (у робототехники нет аналога интернета) и перегревающиеся сенсорные кисти рук.

🎨 qvabo.studio/tg · картинки и видео

#Tech #Robotics #Dyna #AI #WorldModels #PhysicalAI