Umetna inteligenca se vse pogosteje seli iz zaslonov v tovarne, vozila, logistične centre in industrijske stroje. Prav na tem področju želi večjo vlogo odigrati Vantora, nekdanji UP.Labs, ki je po 100-milijonski naložbi družbe Silversmith Capital Partners prenovila ime in poslovni model. Podjetje se osredotoča na razvoj tako imenovane fizične umetne inteligence za velike korporacije, ki želijo ključne rešitve obdržati pod svojim nadzorom.
Namesto da bi Vantora nastajajoča podjetja razvijala za širši trg, jih bo po novem gradila predvsem za konkretne partnerje. Ti bodo lahko v startupe vlagali, jih uporabljali kot prvi kupci in jih nato po potrebi vključili v svoje osnovno poslovanje.
Ko AI upravlja stroje in procese v resničnem svetu
Fizična umetna inteligenca pomeni uporabo AI v sistemih, ki zaznavajo, razumejo in spreminjajo fizično okolje. V nasprotju z generativnimi modeli, ki ustvarjajo besedila, slike ali programsko kodo, se takšni sistemi povezujejo s stroji, senzorji, vozili, roboti, proizvodnimi linijami in drugo infrastrukturo.
V praksi lahko to pomeni naprednejše upravljanje skladiščne robotike, optimizacijo logističnih procesov, napovedovanje okvar industrijskih naprav, prilagajanje proizvodnje v realnem času ali postopno uvajanje avtonomije v vozila in delovne stroje.
Prav pri takšnih rešitvah je lastništvo tehnologije pogosto strateško vprašanje. Industrijsko podjetje, ki vlaga v inteligentni sistem za upravljanje svojih strojev, morda ne želi, da enaka rešitev konča pri konkurentih. Poleg tega so modeli lahko odvisni od občutljivih podatkov o proizvodnji, dobavnih verigah, opremi in operativnih postopkih.
Od startup laboratorija do lastniškega M&A modela
Vantora je pred približno štirimi leti začela delovati kot UP.Labs. Šlo je za startup laboratorij, ki ni bil klasičen inkubator, pospeševalnik ali sklad tveganega kapitala. Njegova naloga je bila ustvarjati nova podjetja za reševanje poslovnih in tehnoloških izzivov velikih partnerjev.
Podjetje je doslej sodelovalo s Porschejem, Alaska Airlines, J.B. Huntom, Wabashem in TDG, lastnikom družbe Ashley Furniture. Vantora je navedla tudi sodelovanja z novimi partnerji iz industrijske proizvodnje ter naftnega in plinskega sektorja, vendar njihovih imen ni razkrila.
Ustanovitelj in izvršni direktor John Kuolt je spremembo opisal kot premik proti »lastniškemu cevovodu za združitve in prevzeme«. Vantora bo še vedno oblikovala startup podjetja skupaj s korporativnimi partnerji, vendar bodo ti imeli možnost, da jih pozneje prevzamejo oziroma vključijo v svojo organizacijo.
To je pomembna razlika glede na običajni startup model. Klasičen startup si običajno prizadeva za čim širši trg in rast med več strankami. Vantorin model pa lahko podjetje od začetka zgradi okoli potreb enega velikega naročnika, ki lahko razvito tehnologijo ohrani zase.
Zakaj so bile nekatere AI ideje prej opuščene
Kuolt je pojasnil, da je Vantora v preteklosti opuščala določene ideje, čeprav so bile za partnerje zelo pomembne. Razlog ni bil pomanjkanje poslovnega potenciala, temveč dejstvo, da partnerji rešitev niso želeli ponuditi širšemu trgu.
Kot primer je omenil potrebe velikih industrijskih družb, ki želijo svojo strojno opremo in naprave prilagoditi avtonomnemu delovanju. Takšna podjetja želijo po njegovih besedah obdržati nadzor nad »inteligentno plastjo« svojih sistemov in se ne želijo zanašati na zunanjega ponudnika, ki bi podobno tehnologijo prodajal njihovim tekmecem.
»Zgrešili smo največje vrednostne probleme, ki so imeli prav zato največji potencial,« je dejal Kuolt.
Podjetje je kot primer navedlo tudi sodelovanje z logistično družbo J.B. Hunt. Vantora je za partnerja razvila idejo za uporabo umetne inteligence, vendar podrobnosti projekta niso javne. Po Kuoltovih besedah partner ni želel, da bi rešitev postala dostopna širšemu trgu, zato projekt v prejšnjem modelu ni napredoval.
Čeprav Vantora ni razkrila tehničnih podrobnosti, je tak primer mogoče umestiti v širši kontekst logistične AI: sistemi za optimizacijo razporejanja vozil, napovedovanje zamud, usklajevanje zmogljivosti ali prilagajanje poti v realnem času lahko predstavljajo pomembno konkurenčno prednost. Prav zato podjetja takšnih rešitev pogosto ne želijo spremeniti v splošno dostopen produkt.
Prednosti in tveganja korporativno zgrajenih AI startupov
Model ima za startup in korporacijo več prednosti. Startup od začetka dobi jasno opredeljen problem, prvega kupca, dostop do operativnih podatkov in potencialno stabilnejše financiranje. Korporacija pa lahko hitreje pridobi rešitev, prilagojeno njenim procesom, ne da bi morala celoten razvoj graditi izključno znotraj lastnih ekip.
Tak pristop je lahko posebej uporaben pri fizični AI, kjer razvoj pogosto zahteva dostop do drage infrastrukture, industrijske opreme, podatkov s senzorjev, reguliranih okolij in terenskega testiranja. Mlademu podjetju je tak dostop brez močnega korporativnega partnerja težko zagotoviti.
Model pa prinaša tudi omejitve. Startup, ki rešitev razvija za enega partnerja, ima manj možnosti za neodvisno širitev na globalni trg. Tehnologija lahko postane preveč prilagojena potrebam enega kupca, podjetje pa je lahko močno odvisno od njegove strategije, proračuna in pripravljenosti za prevzem.
Pojavlja se tudi širše vprašanje za AI ekosistem: ali bodo najpomembnejše industrijske AI rešitve nastajale kot odprti produkti za več strank ali kot zaprti sistemi v lasti posameznih korporacij? Pri občutljivih področjih, kot so proizvodnja, energetika, promet in logistika, se zdi druga možnost vse verjetnejša.
Prva zunanja naložba in nova smer
Naložba Silversmith Capital Partners v višini 100 milijonov dolarjev je prva zunanja naložba v Vantoro. UP.Labs je bil v začetnih letih povezan z družbo tveganega kapitala Up.Partners, vendar po Kuoltovih besedah nista bila finančno povezana. Podjetji še vedno delita pisarniški prostor, Vantora pa deluje kot samostojna organizacija.
Preimenovanje in nova strategija kažeta, da Vantora ne stavi zgolj na ustvarjanje startupov, temveč na razvoj lastniško pomembnih AI podjetij za industrijske partnerje. Če bo pristop uspešen, bi lahko postal zgled za sektorje, kjer umetna inteligenca ne ostaja le programska storitev, temveč neposredno upravlja fizične procese, stroje in infrastrukturo.
Ključno vprašanje bo, ali lahko tak model ohrani hitrost in inovativnost startup okolja, hkrati pa izpolni zahteve velikih podjetij po nadzoru, varnosti podatkov in tehnološki suverenosti.
