Сделка: $3 млрд оценки и почти $200 млн нового капитала
Робототехнический стартап Generalist поднял планку оценки до $3 млрд. Дополнительный транш — почти $200 млн, и он проходит как расширение уже объявленного раунда Series B, а не как новый самостоятельный раунд. Об этом говорят данные регуляторной отчётности, а также два человека, знакомых с обстоятельствами финансирования.
Новый отрезок раунда возглавила 8VC. Исходные $400 млн Series B, о которых компания сообщила в июне, вела Radical Ventures — тогда бизнес оценивался вдвое скромнее, в $2 млрд. С учётом добавки общий размер раунда доходит до $600 млн.
Ни Generalist, ни 8VC на запросы журналистов не ответили. Это стандартная ситуация для сделок, где часть деталей ещё не раскрыта официально: суммы видны в документах, а мотивы и условия — нет.
Кто стоит за компанией
Generalist появилась в 2024 году — то есть это очень молодой проект, успевший за пару лет пройти путь от тихой разработки до оценки в миллиарды. Основали её трое: Пит Флоренс и Энди Зенг, ранее работавшие исследователями в Google DeepMind, и Эндрю Барри, до этого инженер Boston Dynamics. Такое сочетание — академическая школа больших моделей плюс практика «железной» робототехники — во многом объясняет, почему инвесторы готовы давать деньги так рано.
Поддержка у стартапа с самого начала была громкой: 8VC и Radical Ventures, а также Nvidia, Union Square Ventures, Bezos Expeditions и исследовательница в области ИИ Фэй-Фэй Ли. При этом до недавнего времени компания предпочитала не привлекать к себе внимания и почти не рассказывала о своих планах публично — что для сектора, где принято анонсировать каждую веху, само по себе редкость.
Почему это важно для рынка
Крупные имена в списке инвесторов работают как сигнал: деньги в Generalist вкладывают не только профильные венчурные фонды, но и стратеги, которым робототехника нужна как часть собственной инфраструктуры. Когда в раунде участвует производитель чипов, это обычно означает интерес к вычислительной составляющей будущего продукта, а не просто финансовую ставку.
Что разрабатывает стартап
Суть проекта — фундаментальная модель ИИ, которая должна работать с разными роботами, а не с одной конкретной платформой. Идея в том, чтобы робот учился новым действиям быстро и без переписывания софта под каждый корпус и каждый набор моторов.
Недавно выпущенная модель Gen 1.5, по утверждению компании, позволяет роботам осваивать новые задачи по видеодемонстрациям длительностью от 3 до 12 секунд. Это принципиально другой порог входа, чем у классического программирования поведения: вместо длинного цикла сбора данных и обучения достаточно короткого ролика, показывающего нужное действие.
Есть и обратная связь от практики: по словам одного из источников, стартап уже работает с несколькими клиентами и использует их замечания, чтобы подгонять модель под конкретные сценарии. Это важная деталь — она показывает, что речь идёт не только о лабораторных демонстрациях, но и о попытке встроить технологию в реальные процессы заказчиков.
Конкурентное поле: $11 млрд, $14 млрд и ещё одни переговоры
Generalist — далеко не единственный игрок в гонке за универсальной роботизированной моделью, и по оценкам он пока не лидер. Physical Intelligence, по сообщениям, оценивается в $11 млрд. Поддерживаемая SoftBank Skild AI — в $14 млрд. Genesis AI ещё в прошлом месяце вела переговоры о привлечении капитала при оценке $3 млрд — то есть ровно на том уровне, куда только что поднялся Generalist.
Получается любопытная картина: капитал в секторе распределён неравномерно, и разрыв между «первой тройкой» и остальными измеряется в разы. При этом высокая оценка сама по себе не гарантирует технологического первенства — она лишь отражает ожидания инвесторов относительно того, кто первым доведёт модель до состояния, пригодного для массового внедрения.
Ставка на «момент ChatGPT» — и оговорки скептиков
Рост финансирования объясняется просто: часть инвесторов верит, что робототехника вот-вот переживёт собственный «момент ChatGPT». Смысл этой метафоры в том, что робот сможет выполнять общие задачи без отдельного обучения под каждую — примерно так же, как языковые модели научились отвечать на произвольные запросы, а не только на заранее прописанные.
Однако аналогия с LLM ломается на одном принципиальном месте. Роботов нельзя натренировать на всём интернете: у них нет доступа к сопоставимому по объёму массиву данных о физическом взаимодействии с миром. Именно поэтому некоторые венчурные инвесторы предупреждают, что по-настоящему общая роботизированная модель может появиться только через годы, а не в следующем квартале.
Что это значит для наблюдателя
Для тех, кто следит за рынком AI-инструментов со стороны, история Generalist — хороший индикатор настроений. Оценка растёт быстро, раунды достраиваются вдогонку, но технологическая планка остаётся высокой, а сроки — неопределёнными. Ставка делается не на сегодняшний продукт, а на то, что кто-то из игроков сумеет первым превратить универсальную модель в работающую основу для целого класса машин.
