Een kijkje in Physical Intelligence, de startup die de levendigste robotbreinen van Silicon Valley bouwt

Vanaf de straat is de enige indicatie die ik kon vinden van het hoofdkwartier van de Fysieke Inlichtingendienst in San Francisco een pi-symbool met een iets andere kleur dan de rest van de deur. Als ik binnenloop, word ik meteen geconfronteerd met de zaak. Er is geen receptie, geen logo dat glinstert onder de tl-verlichting.

Binnen is de ruimte een gigantische betonnen doos die iets minder sober is gemaakt door een informele opstelling van lange, lichthouten tafels. Sommige zijn duidelijk bedoeld voor de lunch, bezaaid met dozen Girl Scout-koekjes, potjes Vegemite (iemand hier is Australisch) en kleine draadmandjes gevuld met te veel kruiden. De rest van de platen vertelt een heel ander verhaal. Vele anderen zijn beladen met monitoren, reserve-robotonderdelen, kluwen zwarte draad en volledig geassembleerde robotarmen in verschillende staten van proberen het alledaagse onder de knie te krijgen.

Tijdens mijn bezoek vouwt één arm een ​​zwarte broek op, of probeert dat. Het gaat niet goed. Een ander probeert een T-shirt binnenstebuiten te keren met het soort vastberadenheid dat suggereert dat hij daar uiteindelijk in zal slagen, maar niet vandaag. Een derde – deze lijkt zijn roeping gevonden te hebben – schilt snel een courgette, waarna hij de chips in een aparte bak moet deponeren. De chips doen het in ieder geval goed.

“Zie het als ChatGPT, maar dan voor robots”, vertelt Sergey Levine, terwijl hij gebaart naar het gemotoriseerde ballet dat zich aan de andere kant van de kamer afspeelt. Levine, universitair hoofddocent aan UC Berkeley en een van de medeoprichters van Physical Intelligence, heeft de vriendelijke, bebrilde houding van iemand die veel tijd heeft besteed aan het uitleggen van complexe concepten aan mensen die ze niet meteen begrijpen.

Waar ik naar kijk, legt hij uit, is de testfase van een continue lus: gegevens worden verzameld op robotstations hier en op andere plaatsen (magazijnen, huizen, waar het team zich ook vestigt), en die gegevens trainen robotachtige funderingsmodellen voor algemene doeleinden. Wanneer onderzoekers een nieuw model trainen, keert het terug naar dit soort stations voor evaluatie. De broekmap is iemands experiment. De draaier ook. De courgetteschiller zou kunnen testen of het model kan worden gegeneraliseerd naar verschillende groenten, waarbij hij de basisschilbewegingen goed genoeg leert om een ​​appel of aardappel aan te kunnen die hij nog nooit is tegengekomen.

DE bureau het exploiteert ook een testkeuken in dit gebouw en elders, waarbij gebruik wordt gemaakt van kant-en-klare hardware om robots bloot te stellen aan verschillende omgevingen en uitdagingen. Er staat een luxe espressomachine in de buurt, en ik neem aan dat die voor het personeel is, totdat Levine duidelijk maakt dat nee, de robots het moeten leren. Elke opgeschuimde melk is een gegeven en geen voordeel voor de tientallen ingenieurs ter plaatse die meestal in hun computers turen of boven hun gemechaniseerde experimenten zweven.

De hardware zelf is opzettelijk niet glamoureus. Deze wapens worden verkocht voor ongeveer $ 3.500, en dat is wat Levine beschrijft als “een enorme winstmarge” van de kant van de verkoper. Als ze ze in eigen beheer zouden produceren, zouden de kosten van het materiaal onder de $ 1.000 dalen. Een paar jaar geleden, zegt hij, zou een robotica-expert geschokt zijn geweest dat deze dingen alles konden doen. Maar dat is het punt: goede intelligentie compenseert slechte hardware.

Terwijl Levine zich verontschuldigt, word ik benaderd door Lachy Groom, die door de ruimte beweegt met de vastberadenheid van iemand die een zestal dingen tegelijk overkomt. Op 31-jarige leeftijd heeft Groom nog steeds de frisse uitstraling van Silicon Valley’s wonderkind, een titel die hij al vroeg verdiende, nadat hij zijn eerste bedrijf negen maanden nadat hij het op 13-jarige leeftijd in zijn geboorteland Australië had opgericht, had verkocht (dit legt Vegemite uit).

Toen ik hem voor het eerst benaderde, toen hij een kleine groep in sweatshirts geklede bezoekers verwelkomde in het gebouw, reageerde hij onmiddellijk op mijn verzoek om tijd met hem door te brengen: ‘Echt niet, ik heb vergaderingen.’ Nu heeft hij misschien tien minuten.

Groom vond wat hij zocht toen hij het academische werk begon te volgen dat voortkwam uit de laboratoria van Levine en Chelsea Finn, een voormalig promovendus uit Berkeley van Levine die nu haar eigen laboratorium op Stanford leidt dat zich richt op robotleren. Hun namen bleven verschijnen in alles wat interessant was op het gebied van de robotica. Toen hij geruchten hoorde dat ze misschien iets begonnen, spoorde hij Karol Hausman op, een Google DeepMind-onderzoeker die ook lesgaf aan Stanford en van wie Groom had vernomen dat hij erbij betrokken was. “Het was gewoon een van die bijeenkomsten waarbij je naar buiten loopt en denkt: dit is het.”

Het was nooit de bedoeling van Groom om fulltime belegger te worden, vertelt hij, hoewel sommigen zich misschien afvragen waarom niet, gezien zijn staat van dienst. Nadat hij Stripe had verlaten, waar hij een van de eerste werknemers was, bracht hij ongeveer vijf jaar door als engelinvesteerder, waarbij hij al vroeg gokte op bedrijven als Figma, Notion, Ramp en Lattice terwijl hij zocht naar het juiste bedrijf om te starten of zich bij hem aan te sluiten. Zijn eerste investering in robotica, Standard Bots, arriveerde in 2021 en introduceerde hem opnieuw in een veld waar hij als kind van hield bij het bouwen van Lego Mindstorms. Zoals hij grapt, was hij “als investeerder veel meer op vakantie”. Maar beleggen was slechts een manier om actief te blijven en mensen te ontmoeten, niet het eindresultaat. “Vijf jaar lang heb ik geprobeerd het bedrijf na Stripe op gang te krijgen”, zegt hij. “Goede ideeën in een goede tijd met een goed team – (dit is) uiterst zeldzaam. Het is allemaal uitvoering, maar je kunt een slecht idee als een gek uitvoeren, en het is nog steeds een slecht idee.”

Het twee jaar oude bedrijf is inmiddels gegroeid ruim 1 miljard dollaren als ik hem naar zijn landingsbaan vraag, maakt hij snel duidelijk dat het eigenlijk niet zoveel pijn doet. Het grootste deel van de uitgaven gaat naar IT. Even later beseft hij dat hij onder de juiste omstandigheden, met de juiste partners, meer zou hebben opgehaald. “Er is geen limiet aan de hoeveelheid geld die we daadwerkelijk kunnen investeren”, zegt hij. “Er zijn altijd meer berekeningen die je kunt gebruiken om het probleem op te lossen.”

Wat deze deal bijzonder ongebruikelijk maakt, is wat Groom zijn achterban niet geeft: een tijdlijn om fysieke intelligentie om te zetten in een poging om geld te verdienen. “Ik geef investeerders geen antwoorden over commercialisering”, zegt hij over onder meer Khosla Ventures, Sequoia Capital en Thrive Capital, die het bedrijf op 5,6 miljard dollar hebben gewaardeerd. “Het is vreemd dat mensen dit tolereren.” Maar ze tolereren het, en misschien niet altijd, en daarom is het nu passend dat het bedrijf goed gekapitaliseerd is.

Dus wat is de strategie, zo niet commercialisering? Quan Vuong, een andere mede-oprichter van Google DeepMind, legt uit dat het draait om cross-learning en verschillende databronnen. Als iemand morgen een nieuw hardwareplatform bouwt, hoeft hij niet helemaal opnieuw data te verzamelen: hij kan alle kennis die het model al heeft, overdragen. “De marginale kosten van het integreren van autonomie in een nieuw robotplatform, wat het ook mag zijn, zijn simpelweg veel lager”, zegt hij.

Het bedrijf werkt al samen met een klein aantal bedrijven in verschillende branches – logistiek, boodschappen, een chocolatier aan de overkant van de straat – om te testen of hun systemen goed genoeg zijn voor echte automatisering. Vuong stelt dat dit in sommige gevallen al het geval is. Met hun “elk platform, elke taak”-aanpak is het oppervlak voor succes groot genoeg om vandaag al te beginnen met het selecteren van taken die gereed zijn voor automatisering.

Fysieke intelligentie is niet de enige die deze visie nastreeft. De race om robotintelligentie voor algemene doeleinden te bouwen – de basis waarop meer gespecialiseerde toepassingen kunnen worden gebouwd, net zoals de LLM-modellen die de wereld drie jaar geleden fascineerden – is aan het opwarmen. Het in Pittsburgh gevestigde Skild AI, opgericht in 2023, heeft deze maand 1,4 miljard dollar opgehaald tegen een prijs Waardering van 14 miljard dollar en kiest voor een merkbaar andere aanpak. Terwijl Physical Intelligence zich blijft richten op puur onderzoek, heeft Skild AI zijn ‘omnicorporale’ Skild Brain al commercieel ingezet en beweert vorig jaar in slechts een paar maanden $30 miljoen aan inkomsten te hebben gegenereerd op het gebied van beveiliging, magazijnen en productie.

Skild maakte zelfs openbare foto’s van de deelnemers, ruzie op zijn blog dat de meeste ‘basisrobotmodellen’ slechts ‘vermomde’ beeldtaalmodellen zijn die ‘echt fysiek gezond verstand’ missen, omdat ze te veel vertrouwen op vooropleiding op internetschaal in plaats van op fysica gebaseerde simulatie en echte robotgegevens.

Het is een vrij duidelijke filosofische kloof. Skild AI gokt erop dat commerciële implementatie een datavliegwiel creëert dat het model verbetert bij elke praktijksituatie. Fysieke intelligentie gokt erop dat het weerstaan ​​van de druk van commercialisering op de korte termijn het in staat zal stellen superieure algemene intelligentie te produceren. Het zal jaren duren om te beslissen wie “meer gelijk” heeft.

Ondertussen werkt Physical Intelligence met wat Groom beschrijft als ongebruikelijke helderheid. “Het is een heel puur bedrijf. Een onderzoeker heeft een behoefte, wij gaan data verzamelen om die behoefte te ondersteunen – of nieuwe hardware of wat het ook is – en dan doen we het. Het wordt niet extern aangestuurd.” Het bedrijf had een routekaart voor vijf tot tien jaar van wat het team dacht dat mogelijk zou zijn. Tegen maand 18 hadden ze het gehaald, zegt hij.

Het bedrijf heeft ongeveer 80 medewerkers en is van plan te groeien, al hoopt Groom ‘zo langzaam mogelijk’. Het meest uitdagende, zegt hij, is de hardware. “Hardware is echt moeilijk. Alles wat we doen is veel moeilijker dan een softwarebedrijf.” Hardware-breuken. Het komt langzaam aan, waardoor het testen wordt uitgesteld. Veiligheidsoverwegingen maken alles ingewikkeld.

Terwijl de bruidegom opstaat om zich naar zijn volgende taak te haasten, sta ik op en kijk hoe de robots hun oefening voortzetten. De broek is nog niet helemaal opgevouwen. Het shirt blijft koppig binnenstebuiten. Courgettechips stapelen goed.

Er zijn voor de hand liggende vragen, waaronder de mijne, over de vraag of iemand echt een robot in de keuken wil hebben om groenten te schillen, over de veiligheid, over honden die gek worden op mechanische indringers in hun huis, over de vraag of al de tijd en het geld dat hier wordt geïnvesteerd problemen oplost die groot genoeg zijn of nieuwe problemen creëert. Ondertussen twijfelen buitenstaanders aan de vooruitgang van het bedrijf, of zijn visie haalbaar is en of het zinvol is om te wedden op algemene intelligentie in plaats van op specifieke toepassingen.

Als de Bruidegom twijfels heeft, laat hij dat niet merken. Hij werkt samen met mensen die al tientallen jaren aan dit probleem werken en die geloven dat de tijd eindelijk rijp is, en dat is alles wat hij hoeft te weten.

Bovendien heeft Silicon Valley mensen als Groom gesteund en hen veel touw gegeven sinds het begin van de industrie, wetende dat de kans groot is dat ze er zelfs zonder een duidelijk pad naar commercialisering, zelfs zonder tijdlijn, zelfs zonder zekerheid over hoe de markt eruit zal zien als ze er eenmaal zijn, er achter zullen komen. Het werkt niet altijd. Maar als hij dat doet, heeft hij de neiging om vaak te rechtvaardigen als hij dat niet doet.