Поштовх Азії у напрямку «фізичного ШІ» підживлює та сама виробнича міць, яка зробила регіон світовим індустріальним лідером. У Південній Кореї, Японії, Китаї та на Тайвані виробництво залишається одним із ключових драйверів економічного зростання. На відміну від економік, де домінують послуги чи софт, ці країни десятиліттями спиралися на масштабне виробництво, експортноорієнтовані галузі та надоптимізовані ланцюжки постачання. Ця структурна база сьогодні визначає, як упроваджується штучний інтелект і куди прямують інвестиції.
На цьому тлі особливо показово, що Config — стартап із Сеула та Сан-Хосе, який будує «датову» основу для foundation-моделей у робототехніці (RFMs), — отримав підтримку венчурних підрозділів найбільших корейських виробників.
Samsung Venture Investment очолила його перепідписаний сид-раунд на $27 млн при оцінці понад $200 млн, збільшивши загальний обсяг залучених Config інвестицій до $35 млн. Як стратегічні інвестори до раунду приєдналися венчурний підрозділ Hyundai Motor ZER01NE Ventures, LG Technology Ventures та SKT America — VC-структура південнокорейського телеком-гіганта. Серед інших інвесторів — бізнес-ангел Пітер Аббіл (співзасновник Covariant і професор Каліфорнійського університету в Берклі) та фінансові гравці Mirae Asset Ventures, Korea Development Bank, GS Futures, Kakao Ventures і Z Ventures.
Config заснував у січні 2025 року CEO Мінджун Со, колишній дослідник Meta та головний науковець TwelveLabs, разом із трьома співзасновниками з бекграундом у Waymo, Google та Naver. Замість того, щоб будувати власних роботів, команда зосередилася на простішій цілі — постачати дані, які потрібні роботам, щоб навчатися й працювати. У компанії вважають, що саме якісніші дані стануть ключем до того, щоб роботи стали справді корисними.
Навчання великих мовних моделей є дорогим через необхідну обчислювальну потужність, але «сировина» — величезні обсяги текстів з інтернету — відносно легко доступна. Навчити ж роботів рухатися — зовсім інше завдання, пояснив Со в ексклюзивному інтерв’ю TechCrunch. Кожен фрагмент тренувальних даних потрібно збирати фізично: потрібен сам робот, інфраструктура для його запуску та люди, які ним керують. Через це ШІ для робототехніки дорожче розробляти, ніж суто програмні чат-боти, каже Со. А коли компанії намагаються створити більш здатних роботів, вартість збору та розмітки даних дуже швидко зростає.
Config хоче стати компанією, яка зробить ШІ для роботів можливим для всіх інших. Стартап порівнює свою роль із TSMC — тайванським чіпмейкером, який виробляє для Apple, Nvidia та AMD, не конкуруючи з ними. Config прагне відігравати схожу роль у робототехніці, але у сфері даних. Такий підхід набирає обертів, оскільки великі виробники дедалі частіше хочуть будувати власний пропрієтарний ШІ для роботів, замість того щоб повністю покладатися на зовнішніх постачальників. Саме на цей ринок робить ставку Config.
Компанія вже генерує виручку, розповів операційний директор і співзасновник Джек Банг. Серед поточних клієнтів стартапу — великі виробники, системні інтегратори, а також компанії з аграрного та оборонного секторів, сказав він у коментарі TechCrunch. Серед конкурентів у цьому напрямку — Physical Intelligence, Generalist AI та Skild AI.
Config записує, як люди виконують фізичні завдання — як у контрольованих студійних умовах, так і «в полі». Стартап працює в Сеулі та Ханої, де майже 300 співробітників займаються виробництвом даних. Наразі компанія накопичила понад 100 000 годин даних про рухи людей — це більш ніж у 30 разів більше за AgiBot World, найбільший відкритий порівнюваний датасет обсягом близько 3 000 годин.
Більшість команд у робототехніці спершу навчають моделі на даних про людські рухи, а потім адаптують ці моделі під конкретного робота. Config обрала інший підхід, розповідає Со. Компанія фокусується на перетворенні даних ще до початку навчання, щоб вони краще відповідали тому, як роботи рухаються та взаємодіють зі світом. Со порівнює цей процес із перекладом мов. Навчати модель на одному типі даних і очікувати, що вона бездоганно запрацює в іншому середовищі, каже він, — це як намагатися навчити корейської, маючи лише англомовні матеріали.
«Перетворювати потрібно дані, а не модель. Ця технологія конвертації і є ключовою технічною відмінністю Config», — підкреслює Со.
Залучені кошти підуть на три ключові напрями: масштабування дата-операцій у В’єтнамі та Сеулі до 1 млн годин зібраних даних; розвиток enterprise-платформи до рівня $10 млн щорічної повторюваної виручки (ARR) до кінця 2027 року; а також запуск хмарного сервісу «робот як послуга», який дозволить компаніям використовувати foundation-модель Config без потреби в додатковому апаратному забезпеченні на борту робота.