Limitless Labs indsamler 20 millioner dollars i serie A-runden for at bringe Agentic AI ind i præisionsproduktion

Limitless Labs har indsamlet 20 millioner dollars i en serie A-runde, da virksomheden søger at udvide, hvad de beskriver som verdens første Agentic Physical AI-platform til CAD/CAM-drevet produktion. Finansieringen blev ledet af Dell Technologies Capital (DELL ) og Square Peg, med deltagelse fra Grove Ventures, Meron Capital og Kinetica. Virksomheden siger, at den nye kapital vil blive brugt til at udvide deres amerikanske operationer, accelerere udviklingen af deres Physical AI Foundation Model og fortsætte med at bygge automatiseringsfunktioner til CNC-programmering.

Stiftet i 2024 og tidligere kendt som LimitlessCNC, er det Tel Aviv-baserede startup rettet mod en af produktionens mest vedvarende flaskehalse: den højt specialiserede proces med programmering af Computer Numerical Control (CNC)-maskiner, der bruges til at producere komplekse komponenter til luftfart, forsvar, medicin og industri. Mens en stor del af AI-industrien stadig er fokuseret på digitale arbejdsgange, er Limitless Labs en del af en voksende bølge af virksomheder, der forsøger at bringe AI direkte ind i fysiske produktionsmiljøer.

Bringing AI Directly Into CAD/CAM Systems

Moderne CNC-behandling afhænger stadig i høj grad af erfarne programmører, der forstår værktøjsstrategier, maskinkonstruktioner, materialeegenskaber og de utallige beslutninger, der er nødvendige for at omdanne en CAD-model til en producerbar del.

Limitless Labs har bygget deres platform til at fungere inden for CAD/CAM-software, der allerede bruges af producenter, herunder Siemens NX CAM, Mastercam og PTC Creo. Virksomhedens CAM-agent er designet til at assistere ingeniører ved at identificere bearbejdningsfunktioner, anbefale værktøjsstrategier, sekvensere operationer, generere værktøjsbaner og hjælpe med at oprette produktionsklare maskinprogrammer. Ifølge virksomheden har kunderne reduceret CNC-programmeringstiden med op til 50%, samtidig med at de har opretholdt menneskelig oversigt over arbejdsgangen.

Det bredere mål er ikke blot at automatisere programmeringsopgaver, men at fange institutionel produktionsekspertise, der ofte kun findes i senior-mekanikeres og programmørers hjerne. Platformen er designet til at forbinde ingeniørdatakilder, lære af virksomhedsspecifik bearbejdningskundskab og kontinuerligt forbedre anbefalinger gennem integration med eksisterende produktionssystemer.

Building a Foundation Model for the Physical World

I centrum af platformen ligger, hvad Limitless Labs kalder en Physical AI Foundation Model. Til forskel fra store sprogmodeller, der primært er trænet på tekst og kode, siger virksomheden, at deres model er trænet på bearbejdnings-specifik data, herunder CAD-geometri, produktionsspecifikke begrænsninger, maskineadfærd og fysikken bag metalbearbejdning.

Begrebet afspejler en bredere skiftning, der finder sted på tværs af industriell AI. I stedet for at afhænge af generelle AI-systemer, kræver producenter i stigende grad modeller, der forstår virkelige processer, fysiske begrænsninger og operationelle krav. Disse specialiserede systemer er designet til at støtte ingeniørarbejdsgange, hvor præcision, pålidelighed og gentagenhed er kritiske.

I stedet for at fungere som en selvstændig chatbot, fungerer platformen som en ingeniør-co-pilot indbygget i eksisterende produktionssoftware. Ifølge virksomheden vurderer systemet maskingrænser, værktøjsbegrænsninger, fødehastigheder, tolerancer og produktionsspecifikke krav, når det genererer anbefalinger.

Addressing Manufacturing’s Knowledge Gap

Tidspunktet for kapitaltilførslen kommer, da producenter står over for en voksende arbejdskraftudfordring.

Ifølge data, der citeres af virksomheden, er næsten en kvart af den amerikanske produktion-arbejdskraft nu 55 år eller ældre, mens 97% af producenterne identificerer videnbevarelse som en større bekymring. Branchen står i øjeblikket over for mere end 400.000 ubesatte stillinger, og denne åbning forventes at vokse betydeligt over de næste ti år.

For industrier som luftfart, forsvar og medicinsk produktion kan programmeringsfejl være dyre, og ekspertise kræver ofte års erfaring for at udvikle. Da veteran-mekanikere går på pension, står producenterne over for en øget pres for at bevare operationel viden, samtidig med at de skal bringe nye ingeniører op til hastighed hurtigere.

Limitless Labs’ grundlæggere argumenterer for, at AI kan fungere som et mekanisme for at fange og skala denne ekspertise, i stedet for at erstatte ingeniørerne, der besidder den. Virksomhedens platform er designet til at lære af historiske programmeringsbeslutninger og organisationsstandarder, hvilket hjælper nye ingeniører med at drage fordel af den viden, der er opbygget over årtier af produktionserfaring.

The Next Phase of Industrial AI

Opkomsten af generativ AI er primært defineret af softwareudvikling, indholdsgenerering og virksomhedsproduktivitetsværktøjer. Produktion stiller en mere vanskelig udfordring, da AI-systemer må fungere inden for strenge fysiske begrænsninger, hvor fejl kan påvirke produktionskvalitet, udstyrspræstation og operationel sikkerhed.

Dette er derfor, mange industrielle AI-virksomheder bevæger sig ud over generiske sprogmodeller mod domænespecifikke systemer, der er trænet på ingeniør-, produktion- og operationsdata. På tværs af CAD-, simulations- og produktionssystemer er der en voksende mængde startups, der bygger AI-agenter, der er specifikt designet til mekanisk ingeniørarbejdsgang, hvilket antyder, at sektoren måske er på vej ind i en ny fase af adoption.

For Limitless Labs er det næste mål at avancere deres Physical AI Foundation Model mod mere autonome CNC-arbejdsgange, samtidig med at de fortsætter med at udvide kommercielle operationer i USA. Virksomheden planlægger at udvide deres forskningsteam i Tel Aviv og næsten fordoble antallet af medarbejdere over de næste år.

Da AI i stigende grad bevæger sig ud over digitale assistenter og ind i fysiske produktionsmiljøer, er den større spørgsmål ikke længere, om AI kan generere designs eller skrive software. I stedet skifter fokus mod, om AI kan hjælpe med at håndtere kompleksiteten, ekspertisen og beslutningstagningen, der kræves for at producere de fysiske produkter, der understøtter moderne industri.