Standard Bots привлекла $200 млн: ИИ-надёжность строят на локальном инференсе и своём железе

Standard Bots, американский производитель промышленных роботов с ИИ, привлёк 200 миллионов долларов в раунде Series C при оценке в 1 миллиард, сделав ставку на ИИ-надежность через контроль всего стека от модели до железа.

Что стоит за сделкой?

Standard Bots называет себя крупнейшим в США производителем промышленных роботов, изначально построенных вокруг ИИ. Речь не о гуманоидных роботах, которые мелькают в новостях, а о промышленных роботизированных руках для обслуживания станков, сварки и сборки.

Привлечённые 200 миллионов пойдут на развитие того, что в компании называют «полным стеком». Standard Bots контролирует всё: роботизированную руку, захват, систему управления и ИИ-модели. Это позволяет совместно оптимизировать железо и софт, а не подстраивать универсальную модель под чужое оборудование.

Примечательно, что раунд возглавил не только General Catalyst, но и RoboStrategy, профильный фонд робототехники. Для инвесторов ставка на индустриальных роботов в 2026 году выглядит прагматичнее, чем гонка за гуманоидами.

Как устроена ИИ-надежность Standard Bots?

Самая большая модель Standard Bots содержит «несколько миллиардов параметров», по словам сооснователя и CEO Эвана Бирда. По меркам крупных ИИ-лабораторий это немного. Но компания намеренно делает ставку не на размер, а на качество данных.

Мы считаем, что качество данных значит куда больше, чем объём. Мы сосредоточены на том, чтобы извлечь максимум из целевых данных, а не гнаться за самым большим набором. : Лейф Йентофт, руководитель ИИ-направления Standard Bots

У компании есть общая базовая модель. Клиенты адаптируют её через демонстрации и дообучение (fine-tuning, обучение модели на конкретных примерах под узкую задачу). Для обслуживания станков работает система восприятия «с нуля» (zero-shot), обученная более чем на миллиарде изображений. Она позволяет роботу различать условия освещения, типы материалов, отделять объект от фона.

Модель отвечает за восприятие: находит и распознаёт детали. Всё остальное, движения и логику рабочей ячейки, обеспечивает обычное программирование. Там, где выученное поведение не нужно, Standard Bots использует традиционный код. Такой подход и обеспечивает ИИ-надежность в промышленных условиях.

Почему инференс только на месте?

Инференс (inference, выполнение модели в реальном времени, когда робот принимает решения) у Standard Bots работает локально, прямо на производстве. Обучение модели идёт в облаке, а вот вычисления для действий робота, только на месте.

Облачные вычисления для робототехники операционно крайне сложны. На большинстве заводов и складов нет надёжного интернета, а для мобильных роботов это ещё более верно. Бесперебойная работа критична для клиента, поэтому мы замыкаем цикл локально. : Эван Бирд, сооснователь и CEO Standard Bots

Камеры на запястье робота и датчики передают данные по внутренней гигабитной сети. Графические процессоры на периферии (edge GPU) обрабатывают поток и генерируют «блоки действий» (action chunks), которые поступают в систему низкоуровневого управления. Никаких внешних кабелей, которые могут запутаться.

Обучение на ошибках и «парк» роботов

Standard Bots фиксирует сигналы о сбоях и человеческие поправки при развёртывании. Как эти данные используются, зависит от клиента. Оборонные заказчики, по словам Йентофта, работают в изолированных средах (air-gapped), откуда ничего не возвращается.

Для остальных клиентов действует «обучение парка» (fleet learning): данные от одного робота улучшают работу всех остальных. По словам Йентофта, клиенты обычно не возражают против обмена данными, потому что получают ощутимый прирост в работе собственных приложений.

Симуляцию компания применяет там, где возможно, но признаёт: задачи с жидкостями, вакуумными захватами или резкой гибких материалов пока плохо воспроизводятся в симуляторах. Поэтому реальные демонстрации, включая обучение робота через ручное устройство, остаются частью процесса.

Что это значит для вас?

Раунд в 200 миллионов при оценке в миллиард показывает, что инвесторы в 2026 году готовы платить не за самую большую модель, а за самую надёжную связку ИИ и железа, которая работает без интернета, учится на десятках примеров и не останавливает конвейер.