रोबोटिक्स कंपनी Generalist की कीमत $3 बिलियन तक पहुंची: अतिरिक्त रूप से लगभग $200 मिलियन जुटाए गए
DeepMind और Boston Dynamics के पूर्व कर्मचारियों द्वारा स्थापित फिजिकल AI स्टार्टअप ने कुछ ही महीनों में अपना मूल्यांकन $2 बिलियन से बढ़ाकर $3 बिलियन कर लिया। 8VC के नेतृत्व में अतिरिक्त फंडिंग ने जून के Series B का विस्तार किया, जिससे इसका कुल आकार $600 मिलियन हो गया।

डील: $3 बिलियन का मूल्यांकन और लगभग $200 मिलियन की नई पूंजी
रोबोटिक्स स्टार्टअप Generalist ने अपने मूल्यांकन को $3 बिलियन तक बढ़ा दिया है। अतिरिक्त किस्त — लगभग $200 मिलियन — पहले से घोषित Series B राउंड के विस्तार के रूप में आ रही है, न कि एक नए स्वतंत्र राउंड के रूप में। यह जानकारी नियामकीय रिपोर्टिंग के आंकड़ों से मिलती है, साथ ही उन दो लोगों से भी जो फंडिंग की परिस्थितियों से परिचित हैं।
राउंड के इस नए हिस्से का नेतृत्व 8VC ने किया। जून में कंपनी ने जिस मूल $400 मिलियन के Series B की जानकारी दी थी, उसका नेतृत्व Radical Ventures ने किया था — तब बिज़नेस का मूल्यांकन आधा था, $2 बिलियन। इस अतिरिक्त राशि को मिलाकर राउंड का कुल आकार $600 मिलियन तक पहुंच जाता है।
न Generalist ने और न ही 8VC ने पत्रकारों के सवालों का जवाब दिया। यह उन सौदों के लिए सामान्य स्थिति है जिनमें कुछ विवरण अभी आधिकारिक रूप से सार्वजनिक नहीं हुए हैं: रकमें दस्तावेज़ों में दिखती हैं, लेकिन मंशा और शर्तें नहीं।

कंपनी के पीछे कौन है
Generalist की शुरुआत 2024 में हुई — यानी यह एक बहुत ही युवा प्रोजेक्ट है, जिसने कुछ ही वर्षों में चुपचाप विकास करने से लेकर अरबों के मूल्यांकन तक का सफ़र तय कर लिया है। इसकी स्थापना तीन लोगों ने की: पीट फ़्लोरेंस और एंडी ज़ेंग, जो पहले Google DeepMind में शोधकर्ता थे, और एंड्रयू बैरी, जो इससे पहले Boston Dynamics में इंजीनियर थे। यह संयोजन — बड़े मॉडलों का अकादमिक स्कूल प्लस "हार्डवेयर" रोबोटिक्स का व्यावहारिक अनुभव — काफ़ी हद तक समझाता है कि निवेशक इतनी जल्दी पैसा देने को क्यों तैयार हैं।
स्टार्टअप को शुरुआत से ही बड़े नामों का समर्थन मिला: 8VC और Radical Ventures, साथ ही Nvidia, Union Square Ventures, Bezos Expeditions और AI शोधकर्ता फ़ेई-फ़ेई ली। हालांकि, हाल तक कंपनी ध्यान खींचने से बचती रही और अपनी योजनाओं के बारे में सार्वजनिक रूप से लगभग कुछ नहीं बताती थी — जो उस सेक्टर के लिए, जहां हर उपलब्धि की घोषणा करने का रिवाज़ है, अपने आप में दुर्लभ है।
यह बाज़ार के लिए क्यों मायने रखता है
निवेशकों की सूची में बड़े नाम एक संकेत की तरह काम करते हैं: Generalist में पैसा सिर्फ़ विशेष वेंचर फंड ही नहीं लगा रहे, बल्कि वे रणनीतिक निवेशक भी जिन्हें रोबोटिक्स अपनी ही अवसंरचना के हिस्से के रूप में चाहिए। जब किसी राउंड में चिप निर्माता शामिल होता है, तो इसका आमतौर पर मतलब होता है कि भविष्य के उत्पाद के कंप्यूटेशनल हिस्से में दिलचस्पी है, न कि सिर्फ़ वित्तीय दांव।
स्टार्टअप क्या विकसित कर रहा है
प्रोजेक्ट का सार — एक बुनियादी AI मॉडल, जिसे किसी एक ख़ास प्लेटफ़ॉर्म के बजाय अलग-अलग रोबोटों के साथ काम करना चाहिए। विचार यह है कि रोबोट नई गतिविधियाँ जल्दी सीखे, बिना हर बॉडी और हर मोटर-सेट के लिए सॉफ़्टवेयर दोबारा लिखे।
हाल ही में जारी मॉडल Gen 1.5, कंपनी के दावे के अनुसार, रोबोटों को 3 से 12 सेकंड तक के वीडियो प्रदर्शनों से नए काम सीखने देता है। यह व्यवहार प्रोग्रामिंग की पारंपरिक सीमा से मूल रूप से अलग प्रवेश-स्तर है: डेटा जमा करने और प्रशिक्षण के लंबे चक्र के बजाय एक छोटी क्लिप काफ़ी है, जो ज़रूरी क्रिया दिखाती है।
व्यवहार से मिली प्रतिक्रिया भी है: एक सूत्र के अनुसार, स्टार्टअप पहले से कई ग्राहकों के साथ काम कर रहा है और उनकी टिप्पणियों का उपयोग मॉडल को ख़ास परिदृश्यों के अनुरूप ढालने में कर रहा है। यह एक ज़रूरी ब्यौरा है — यह दिखाता है कि बात सिर्फ़ प्रयोगशाला के प्रदर्शनों की नहीं, बल्कि तकनीक को ग्राहकों की वास्तविक प्रक्रियाओं में शामिल करने की कोशिश की भी है।

प्रतिस्पर्धा का मैदान: $11 बिलियन, $14 बिलियन और एक और बातचीत
Generalist सार्वभौमिक रोबोटिक मॉडल की दौड़ में अकेला खिलाड़ी बिल्कुल नहीं है, और मूल्यांकन के हिसाब से यह अभी अग्रणी भी नहीं है। Physical Intelligence का मूल्यांकन, रिपोर्टों के अनुसार, $11 बिलियन है। SoftBank समर्थित Skild AI का — $14 बिलियन। Genesis AI पिछले महीने ही $3 बिलियन के मूल्यांकन पर पूंजी जुटाने की बातचीत कर रहा था — यानी ठीक उसी स्तर पर, जहां अभी Generalist पहुंचा है।
इससे एक दिलचस्प तस्वीर बनती है: सेक्टर में पूंजी असमान रूप से बंटी है, और "शीर्ष तीन" तथा बाक़ी खिलाड़ियों के बीच का अंतर कई गुना है। साथ ही, ऊंचा मूल्यांकन अपने आप में तकनीकी बढ़त की गारंटी नहीं देता — यह सिर्फ़ निवेशकों की उम्मीदों को दर्शाता है कि कौन मॉडल को सबसे पहले बड़े पैमाने पर अपनाने लायक बना पाएगा।
"ChatGPT क्षण" पर दांव — और संदेहवादियों की चेतावनियाँ
फंडिंग की बढ़त की वजह सीधी है: कुछ निवेशकों का मानना है कि रोबोटिक्स अब अपना "ChatGPT क्षण" देखने वाला है। इस रूपक का अर्थ यह है कि रोबोट हर काम के लिए अलग प्रशिक्षण के बिना सामान्य कार्य कर सकेगा — लगभग वैसे ही, जैसे भाषा मॉडलों ने पहले से तय सवालों के बजाय मनमाने अनुरोधों का जवाब देना सीख लिया।
हालांकि, LLM के साथ यह समानता एक बुनियादी जगह पर टूट जाती है। रोबोटों को पूरे इंटरनेट पर प्रशिक्षित नहीं किया जा सकता: उनके पास दुनिया के साथ भौतिक अंतःक्रिया के उतने बड़े डेटा-संग्रह तक पहुंच नहीं है। इसीलिए कुछ वेंचर निवेशक चेतावनी देते हैं कि सचमुच सार्वभौमिक रोबोटिक मॉडल सालों बाद आ सकता है, अगली तिमाही में नहीं।
पर्यवेक्षक के लिए इसका क्या मतलब है
जो लोग AI-टूल्स के बाज़ार पर बाहर से नज़र रखते हैं, उनके लिए Generalist की कहानी मनोदशा का अच्छा संकेतक है। मूल्यांकन तेज़ी से बढ़ रहा है, राउंड पीछे-पीछे पूरे किए जा रहे हैं, लेकिन तकनीकी मानक ऊंचा बना हुआ है और समय-सीमाएँ अनिश्चित हैं। दांव आज के उत्पाद पर नहीं, बल्कि इस पर लगाया जा रहा है कि कोई खिलाड़ी सार्वभौमिक मॉडल को मशीनों की पूरी श्रेणी के लिए काम करने वाला आधार सबसे पहले बनाने में सफल होगा।
अक्सर पूछे जाने वाले प्रश्न
समान सामग्री
सभी सामग्री
RL सिम्युलेटरों की विफलताओं के निदान में कैनोनिकल बहुपद अपरिवर्तांक: वे वास्तव में कहाँ उपयोगी हैं
यह अध्ययन जाँचता है कि क्या सीखने योग्य गतिशीलता मॉडल में भौतिक नियमों को शामिल करना उचित है: प्रक्षेप पथों से निकाले गए और ग्रोबनर आधारों के माध्यम से विहित रूप में लाए गए अपरिवर्तक पूर्वानुमानों में मामूली सुधार देते हैं, लेकिन निदान में प्रभावी साबित होते हैं—वे उल्लंघित बाधा का स्थान निर्धारित करने और विशिष्ट गलत पैरामीटर की पहचान करने में सक्षम बनाते हैं।
10 नवम्बर 2026
AURA-Eval: कैसे जाँचें कि LLM एजेंट ने जोखिम को पहचाना और अगला कदम बदल दियाેણ
यह फ्रेमवर्क LLM एजेंटों के व्यवहार का आकलन अंतिम निर्णय के आधार पर नहीं, बल्कि अहम बिंदुओं पर जोखिम के प्रति उनकी प्रतिक्रिया के आधार पर करता है: टूल-कॉल की ट्रैजेक्टरी बीच में रोक दी जाती हैं, जिसके बाद मॉडल को अपना तर्क और कार्रवाई जारी रखनी होती है, जबकि LLM जजों का एक पैनल जोखिम की पहचान, कदम की प्रकृति और उसकी सुरक्षा का विश्लेषण करता है। R-Judge की 157 ट्रैजेक्टरी से संकलित 1249 कार्यों में, 20 मॉडलों में सुरक्षित रास्ता न होने पर असुरक्षित कार्रवाइयाँ बढ़ जाती हैं, और निष्पादन से पहले निगरानी हटाने पर शुरुआत में सुरक्षित रहे 52,3% मामले असुरक्षित हो जाते हैं।
10 नवम्बर 2026
चेर्न–साइमन रिज़र्वॉयर की स्मृति: संयोजकता की स्वायत्त गतिशीलता और घनत्व का परिवहन
यह लेख बताता है कि रिज़र्वॉयर इनपुट संकेतों का इतिहास घनत्व वितरण और ज्यामितीय स्वतंत्रता की डिग्रियों—दोनों में कैसे बनाए रखता है। चार तंत्रों की तुलना से पता चलता है कि धारा एक अलग संयोजकता घटक बनाती है, जो घनत्व की बाद की प्रतिक्रिया को बदलती है, जबकि सभी मापे गए लक्षणों को शामिल करने से पल्स के क्रम को डिकोड करने में थोड़ा सुधार होता है।
10 नवम्बर 2026