आणखी एक वाय कॉम्बिनेटर डेमो डे गुरुवारी झाला, परंतु ही बॅच थोडी वेगळी दिसत होती. प्रत्येक गटाने संस्थापकांची एक नवीन लहर आणली असताना, या आठवड्यात सादर करणाऱ्या स्टार्टअप्सने मागील वर्षांच्या तुलनेत सखोल तंत्रज्ञानाकडे जास्त वळवले आहे.
जसे आम्ही प्रत्येक तिमाहीत करतो, रीडने सुरुवातीच्या टप्प्यातील व्हीसींना या बॅचमधील सर्वात लोकप्रिय स्टार्टअप्सची नावे सांगण्यास सांगितले — त्यांच्या शीर्ष निवडी आणि प्रत्येकजण ज्या डील्सबद्दल बोलत होता. आणि नेहमीप्रमाणे, आम्ही बॅचमधील सर्वात धमाकेदार म्हणून किमान दोन गुंतवणूकदारांनी ध्वजांकित केलेल्या स्टार्टअपची यादी एकत्र ठेवली आहे.
एका गुंतवणूकदाराने सांगितल्याप्रमाणे या बॅचमधील तंत्रज्ञान “विज्ञान कथांसारखे” वाटले. परंतु जंगली कल्पनांच्या पलीकडे, एकमत असे होते की मूल्यमापन अलीकडील गटांपेक्षा कितीतरी जास्त आधारभूत होते.
आम्ही खाली वर्णक्रमानुसार शीर्ष निवडी सूचीबद्ध केल्या आहेत:
ते काय बांधत आहे: समुद्रात तरंगणारी अणुशक्तीवर चालणारी डेटा सेंटर
हे आवडते का आहे: विजेचा पुरवठा कमी आहे आणि स्थानिक समुदाय नवीन डेटा केंद्रे तयार करण्यास विरोध करत आहेत. Atomarine — एक MIT संगणक विज्ञान आणि नौदल अभियंता आणि परमाणु अभियांत्रिकी मध्ये एक MIT PhD सह-स्थापना — समुद्रातील बार्जेसवर डेटा केंद्रे ठेवून गणनाची कमतरता दूर करू इच्छिते, जेथे समुद्राचे पाणी जवळपास विनामूल्य थंड करू शकेल. स्टार्टअपने 2028 पर्यंत गॅसवर चालणारे पायलट लॉन्च करण्याची योजना आखली आहे आणि 2032 मध्ये तरंगत्या आण्विक उर्जा जहाजांवर संक्रमण करण्याची योजना आखली आहे. ॲटोमरीनचा दावा आहे की त्याने आधीच इरादा पत्रांद्वारे ग्राहकांच्या हितासाठी $4 अब्ज पेक्षा जास्त सुरक्षित केले आहे. एका व्हीसीने रीडला सांगितले की, या कमाईच्या संभाव्यतेने ते बॅचमधील सर्वोच्च-मूल्य असलेल्या स्टार्टअप्सपैकी एक बनण्यास मदत केली आहे.
ते काय बांधत आहे: एआय डेटा सेंटरसाठी प्रभावी आणि ऊर्जा-कार्यक्षम हाय-स्पीड ऑप्टिकल नेटवर्किंग हार्डवेअर
हे आवडते का आहे: कल्पना अशी आहे की GPU क्लस्टर्स प्रत्येक चिप दरम्यान डेटा हलवण्याची वाट पाहण्यात बराच वेळ वाया घालवतात. नेटवर्किंग लेयरमध्ये, डेटा प्रकाशातून विजेमध्ये रूपांतरित केला जातो आणि पुन्हा अशा प्रक्रियेत होतो ज्यामुळे भरपूर ऊर्जा बर्न होते आणि भरपूर उष्णता मिळते. परंतु Dipole Labs म्हणते की त्यांनी एक ऑप्टिकल स्विच तयार केला जो रूपांतरण वगळतो जेणेकरून डेटा हलका राहू शकेल आणि जिथे जाणे आवश्यक आहे तिथे थेट जाऊ शकेल. GPUs खूप महाग आहेत आणि डेटा सेंटर्सना त्यांच्या कॉम्प्युट हार्डवेअरमधून जास्त वेळ हवा आहे म्हणून हाताळणे ही एक वेळेवर समस्या आहे.
ते काय बांधत आहे: स्थानिक पातळीवर उत्पादनक्षम, जेट-चालित स्ट्राइक आणि काउंटर-ड्रोन्स
हे आवडते का आहे: Isengard चे उद्दिष्ट थेट सहयोगी देशांमध्ये जेट-शक्तीवर चालणारे हल्ला आणि काउंटर-ड्रोन्सचे मोठ्या प्रमाणावर उत्पादन करणे हे आहे, मुख्य कंत्राटदार यूएस मध्ये तयार करण्यासाठी किती शुल्क आकारतात याच्या काही अंशी ऑस्ट्रेलियन आर्मीचे माजी अधिकारी आणि संरक्षण उद्योजक यांनी सह-स्थापना केली आहे ज्याने पूर्वी युक्रेन-केंद्रित ड्रोन स्टार्टअपला $60 दशलक्ष इतके उत्पन्न केले आहे, Isengard आधीच $1 दशलक्ष कमाई करत आहे. दोन गुंतवणूकदारांच्या मते, स्टार्टअपने या YC बॅचमधील सर्वात उच्च मूल्यांपैकी एक मिळवून मजबूत VC बझ निर्माण केले आहे.
ते काय बांधत आहे: हार्डकोड केलेल्या AI मॉडेल वजनासह सानुकूल अनुमान चिप्स
हे आवडते का आहे: पारंपारिक AI चिप्स अंदाजादरम्यान मोठ्या प्रमाणात ऊर्जा बर्न करतात, मेमरीमधून मॉडेलचे वजन आणतात. इंपीरियल कॉलेज लंडन AI Ph.D द्वारे सह-स्थापना. आणि ऑक्सफर्ड सैद्धांतिक भौतिकशास्त्रज्ञ, लॅम्ब लॅब्सला AI मॉडेलचे वजन थेट सिलिकॉनमध्ये हार्डकोड करून अल्ट्रा-कार्यक्षम चिप्स तयार करायचे आहेत. “मॉडेल प्रोसेसिंग युनिट्स” (एमपीयू) डब केलेले, या सानुकूल चिप्स मेमरी-बँडविड्थ अडथळे दूर करतात.
ते काय बांधत आहे: यंत्रमानवांना प्रशिक्षण देण्यासाठी वास्तविक-जगातील डेटा गोळा करणे
हे आवडते का आहे: ही कंपनी काम करणाऱ्या माणसांचे व्हिडिओ आणि डेटा संकलित करण्यासाठी व्यवसायांसोबत भागीदारी करते, जी नंतर रोबोट बनवणाऱ्या कंपन्यांसाठी प्रशिक्षण सामग्रीमध्ये बदलते. हे सांगते की ते आधीच सार्वजनिकरित्या व्यापार केलेल्या कंपन्यांसोबत काम करत आहे आणि 150 पेक्षा जास्त वेगवेगळ्या वातावरणात व्हिडिओ डेटा कॅप्चर केला आहे. ही कंपनी महत्त्वाची बनू शकते कारण व्यवसाय अधिक प्रयोग करू लागले की मानवांसाठी कोणती कार्ये सर्वोत्तम आहेत — आणि, AI स्वतःला परिष्कृत करत राहिल्याने, रोबोटकडे कोणती कामे अधिक चांगली आहेत.
ते काय बांधत आहे: दैनंदिन कामे हाताळण्यासाठी परवडणारे रोबोट तयार करणे
हे आवडते का आहे: अवघ्या सहा आठवड्यांपूर्वी सुरू झालेल्या या कंपनीने आधीच जवळपास अर्धा दशलक्ष विक्री केली आहे. हे धक्कादायक नाही – हा एक ह्युमनॉइड रोबोट आहे जो कपडे स्वच्छ आणि फोल्ड करण्यात मदत करण्याचे वचन देतो. वापरकर्ते त्यांचा रोबोट लॅपटॉप ॲपद्वारे ऑपरेट करू शकतात. त्याची किंमत सुमारे $1,600 आहे, जी निओ सारख्या इतर ह्युमनॉइड्सच्या तुलनेत एक चोरी आहे, ज्याची किंमत सुमारे $20,000 आहे. रोबोटिक्समधला सर्वात मोठा प्रश्न हा आहे की घरच्या घरी परवडणारा रोबोट तयार करणे शक्य आहे का जे प्रत्यक्षात डिशवॉशर स्टॅक करू शकेल आणि घरातील रोजची कामे करू शकेल. नोरी हे कार्य हाती घेण्यासाठी आणखी एक स्विंग आहे.
ते काय बांधत आहे: स्वायत्त रोबोट्स जे जड वस्तू उचलू शकतात
हे आवडते का आहे: या कंपनीच्या संस्थापकांना मंगळावर शहर वसवायचे आहे. त्या दिशेने पहिले पाऊल? हेवी-ड्युटी कार्ये करणारे रोबोटिक तंत्रज्ञान तयार करणे. त्याचे तंत्रज्ञान आधीच संपूर्ण यूएसमध्ये सौर पॅनेल स्थापित करत आहे आणि 2027 पर्यंत त्याच्याकडे $25 दशलक्ष करार आहेत. हे तंत्रज्ञान मंगळावर वसाहत करण्यासाठी स्वयंचलित बांधकामास मदत करू शकते असा दृष्टीकोन आहे. स्टार्टअप मंगळावर तयार करण्यासाठी SpaceX च्या टाइमलाइनसह धावत आहे, कारण ते 2028 पर्यंत शोध मोहीम सुरू करण्याची आशा करते.
ते काय बांधत आहे: मानवी मेंदूच्या पेशींना एका दिवसाच्या पॉवर कॉम्प्युटसाठी प्रशिक्षण देणे
हे आवडते का आहे: मॉडेल चालविण्यासाठी किती शक्ती आणि ऊर्जा आवश्यक आहे हे हाताळण्याचा सर्वोत्तम मार्ग शोधण्याचा प्रयत्न करणारी दुसरी कंपनी. यावेळी, परस्मा आजच्या एआय कंप्युटिंग हार्डवेअरला एक प्रभावी, अधिक ऊर्जा-कार्यक्षम पर्याय म्हणून मानवी मेंदूच्या पेशी वापरण्याचा विचार करत आहे.
ते काय बांधत आहे: एक API स्तर जो रोबोट नियंत्रण कोड लिहितो
हे आवडते का आहे: गुंतवणूकदार आणि तंत्रज्ञानप्रेमींना आशा आहे की रोबोट्ससाठी ChatGPT क्षण जवळ आला आहे. हा उत्साह सामान्य रोबोटिक्स मॉडेल तयार करण्यासाठी भिन्न दृष्टिकोन चालवित आहे. रॉ व्हिडिओ किंवा मानवी टेलिऑपरेशन डेटावर फाउंडेशन मॉडेल्सचे प्रशिक्षण देण्याऐवजी, कोड लिहिण्यासाठी आणि थेट रोबोट्स नियंत्रित करण्यासाठी Waddle Labs LLM एजंट्सचा स्तर वापरते. हार्वर्ड पदवीधरांनी स्थापन केलेले स्टार्टअप स्वतःला “क्लॉड कोड फॉर रोबोटिक्स” असे स्थान देत आहे. स्टार्टअपचा दावा आहे की Waddle च्या API मध्ये कोणतेही हार्डवेअर प्लग करून, डेव्हलपर रोबोटला नैसर्गिक भाषेत काय करायचे ते सांगू शकतील आणि त्याचे AI एजंट स्वायत्तपणे एक्झिक्युटेबल कंट्रोल कोड व्युत्पन्न करतील, ते काम केले आहे का ते तपासतील आणि सुमारे 20 मिनिटांत रोबोट सेट करतील.
तुम्ही आमच्या लेखांमधील लिंक्सद्वारे खरेदी करता तेव्हा, आम्ही एक लहान कमिशन मिळवू शकतो. याचा आमच्या संपादकीय स्वातंत्र्यावर परिणाम होत नाही.
Comments are closed.