Fady Saad, Pendiri dan Mitra Umum Cybernetix Ventures – Seri Wawancara

Fady Saad adalah Pendiri dan Mitra Umum Cybernetix Ventures, tempat ia berinvestasi di perusahaan robotika, otomasi, dan AI industri tahap awal. Ia juga ikut mendirikan MassRobotics, membantu mengembangkan kemitraan perusahaan serta mendukung perusahaan rintisan robotika dalam perjalanan menuju komersialisasi. Pengalamannya menghubungkan rekayasa, pengembangan bisnis, dan tantangan praktis dalam menerapkan mesin di lingkungan operasional nyata, dengan pendekatan investasi yang berpusat pada kebutuhan pelanggan dan penerapan yang layak secara komersial.

Cybernetix Ventures adalah perusahaan modal ventura yang berbasis di Boston dan berinvestasi pada perusahaan rintisan robotika, otomasi, dan AI industri di Amerika Utara dan Eropa. Fokusnya mencakup manufaktur, logistik, layanan kesehatan, konstruksi, serta teknologi pendukung seperti persepsi, otonomi, sensor, dan keamanan siber untuk robotika. Dalam wawancara ini, Saad membahas peluang dan keterbatasan AI fisik, ekonomi robot khusus dan humanoid, serta keandalan, data, dan infrastruktur yang diperlukan untuk mengembangkan teknologi menjanjikan menjadi bisnis yang dapat berkembang dalam skala besar.

Anda ikut mendirikan MassRobotics pada 2014 dan membantu membangun salah satu ekosistem inovasi robotika terkemuka di dunia, sebelum mendirikan Cybernetix Ventures pada 2021. Apa yang mendorong Anda beralih dari mendukung perusahaan rintisan robotika menjadi berinvestasi langsung di dalamnya, dan bagaimana pengalaman Anda di MassRobotics membentuk filosofi investasi Anda?

Saya tidak pernah berencana menjadi investor. Saya terjun ke bidang robotika melalui Vecna, mengerjakan R&D dan strategi komersialisasi, dan segera menyadari bahwa robotika tidak mengikuti pola kerja industri perangkat lunak. Prototipe perangkat lunak bisa diluncurkan kepada pengguna dalam enam bulan. Robot membutuhkan manufaktur, rantai pasok, pengujian, pekerjaan keselamatan, serta pelanggan yang bersedia mengizinkannya beroperasi di fasilitas mereka.

Itulah sebabnya kami memulai MassRobotics pada 2014. Kami menyebutnya akselerator perusahaan rintisan karena bagian tersulit bukanlah membuat prototipe. Tantangannya adalah mengubah prototipe yang berfungsi menjadi produk yang dapat dibeli orang. Saya mengelola kemitraan perusahaan dan, selama lebih dari enam tahun, menghadiri lebih dari 300 pertemuan dengan perusahaan serta membantu membangun lebih dari 40 kemitraan. Saya terus melihat situasi yang sama: perusahaan dengan masalah nyata, perusahaan rintisan dengan teknologi nyata, dan hampir tidak ada investor yang memahami keduanya.

Pada 2018 dan 2019, hal itu sudah jelas. Perusahaan modal ventura berkerumun di sekitar SaaS atau bioteknologi, sementara para pendiri perusahaan rintisan robotika dianggap tidak cocok. Terlalu banyak perangkat keras bagi investor perangkat lunak, dan terlalu sedikit unsur biologi bagi investor bioteknologi. Tim-tim bagus tersendat karena modal yang tepat tidak tersedia. Mark Martin, yang saya temui pada 2017 saat kami mengajak Analog Devices bergabung dengan MassRobotics, melihat kesenjangan yang sama dari sisi perusahaan. Maka kami membangun Cybernetix, sebuah dana investasi yang memperlakukan robotika sebagai kelas aset tersendiri, dan meluncurkannya pada 2021.

MassRobotics membentuk cara kami berinvestasi dengan satu prinsip sederhana: kami berangkat dari masalah pelanggan, bukan teknologinya. Kami menyukai tim yang memiliki setidaknya satu pendiri dari industri yang menjadi target penjualan mereka. Kami juga melibatkan jaringan perusahaan kami dalam setiap kesepakatan, karena di sektor ini, perkenalan yang tepat dengan calon pembeli bisa lebih bernilai daripada dana investasi.

AI fisik mulai berkembang menjadi salah satu bidang kecerdasan buatan yang paling transformatif, dengan menghadirkan kecerdasan ke dalam mesin yang berinteraksi dengan dunia nyata. Terobosan teknologi apa yang mempercepat penerapannya, dan mengapa Anda percaya industri ini sedang mencapai titik perubahan penting?

Dua hal berubah secara bersamaan. Kecerdasan robot meningkat pesat, sementara tubuh robot menjadi jauh lebih murah.

Di sisi perangkat lunak, model fondasi memberi robot kemampuan yang sebelumnya tidak benar-benar mereka miliki: memahami instruksi dan menangani situasi yang tidak diprogram secara khusus. Simulasi memungkinkan tim melatih dan menguji ribuan skenario sebelum robot menyentuh pabrik sungguhan. Di sisi perangkat keras, sensor, komputasi edge, aktuator, dan baterai terus menjadi lebih murah dan lebih baik, sehingga perusahaan rintisan dapat membangun robot dengan teknologi lengkap tanpa harus menjadi raksasa industri.

Lalu ada permintaan: kekurangan tenaga kerja di bidang manufaktur, logistik, pertanian, dan konstruksi; angkatan kerja yang menua; serta dorongan nyata untuk membawa kembali produksi ke dalam negeri. Saya selalu mengatakan bahwa kekurangan tenaga kerja adalah masalah ekonomi, bukan masalah rekayasa, dan kini dewan perusahaan juga menyikapinya demikian.

Jadi, ya, ini memang titik perubahan, tetapi saya ingin menjelaskan dengan tepat di bagian mana. Kemampuan dan modal telah mencapai titik perubahan; penerapan dalam skala besar belum. ChatGPT berjalan dengan memanfaatkan pengetahuan manusia yang telah didigitalkan selama 20 atau 30 tahun, dan tidak ada padanannya untuk dunia fisik. Tidak ada kumpulan data yang memberi tahu robot bahwa cara memegang telur, selembar kertas, atau sepotong kain harus berbeda-beda. Perusahaan yang menutup kesenjangan data itu dengan menerapkan robot di lingkungan nyata dan terus belajar di setiap giliran kerja akan menentukan fase berikutnya.

Investasi di bidang robotika dan AI fisik meningkat pesat, didorong oleh kemajuan AI, kekurangan tenaga kerja, dan meningkatnya permintaan akan otomasi. Apa yang mendorong antusiasme investor, dan sejauh mana momentum ini mencerminkan peluang komersial yang nyata dibandingkan dengan kegairahan spekulatif?

Menurut saya, keduanya berperan, dan investor tidak membantu siapa pun dengan berpura-pura bahwa bukan begitu kenyataannya.

Permintaannya nyata. Deloitte dan Manufacturing Institute memperkirakan produsen di AS mungkin membutuhkan hingga 3,8 juta pekerja pada 2033, dengan sekitar 1,9 juta posisi di antaranya berisiko tidak terisi. Ini bukan sensasi. Ini adalah lubang dalam perekonomian.

Soal modal, ceritanya berbeda. Crunchbase mencatat investasi sebesar $18,8 miliar pada perusahaan rintisan robotika pada paruh pertama 2026, lebih banyak daripada sepanjang 2025. Namun, PitchBook melihat jumlah transaksi turun pada kuartal kedua, sementara nilai investasinya mencapai rekor. Ini menunjukkan bahwa segelintir putaran pendanaan raksasa menyerap sebagian besar dana. Banyak dari uang itu digunakan untuk mendanai sebuah narasi: terutama tentang robot humanoid dan model robot serbaguna.

Saya sengaja menggunakan tolok ukur yang sederhana. Apakah pelanggan kembali membeli setelah proyek percontohan? Apakah robot mencapai tingkat keandalan yang dibutuhkan untuk pekerjaannya—di lini produksi, angkanya 99,99%, bukan 90%? Apakah ada pendapatan nyata dalam waktu sekitar satu tahun? Jika jawabannya ya, itu berarti bisnisnya layak. Jika tawarannya terutama berkisar pada apa yang mungkin dilakukan robot pada 2030, itu spekulasi yang dihargai seolah-olah kepastiannya sudah terjamin. Robotika pernah mengalami siklus seperti ini, dan perusahaan yang memiliki pelanggan berbayar akan keluar dari masa penyesuaian dengan posisi lebih kuat.

Cybernetix Ventures sedang menghimpun dana keduanya untuk memperluas investasi pada perusahaan robotika dan AI tahap awal. Bagaimana tesis investasi Anda berkembang sejak peluncuran dana pertama, dan teknologi atau industri baru apa yang paling menarik minat investor institusional?

Keyakinan inti kami tidak berubah. Nilai dalam AI fisik tercipta ketika perangkat lunak bertemu dengan penerapan di dunia nyata, dan robot terbaik dirancang dengan bertolak dari masalah tertentu. Dana II semakin memperkuat fokus tersebut.

Yang berubah adalah cakupannya. Dana I berfokus pada manufaktur, logistik, konstruksi, dan layanan kesehatan. Dana II mempertahankan sektor-sektor tersebut, sekaligus menambahkan pertanian, energi dan infrastruktur iklim, antariksa, serta pertahanan, juga teknologi dwiguna. Komposisi investasinya tetap kurang lebih dua pertiga untuk perusahaan robotika dengan teknologi lengkap dari hulu ke hilir dan sepertiga untuk teknologi pendukung, seperti model AI, persepsi, dan keamanan siber antarmesin. Investasi pertama Dana II kami masuk ke sebuah perusahaan robotika antariksa dan sebuah perusahaan model persepsi. Ini memberi gambaran tentang arah perkembangan generasi baru.

Kami juga mencermati hal-hal yang nyaris tidak dibahas pada 2021—seperti asal komponen, seberapa rentan rantai pasok terhadap China, dan seberapa aman robot setelah terhubung ke jaringan.

Dari investor institusional dan korporasi, ada dua pertanyaan yang paling sering saya dengar. Pertama, perusahaan bertanya bagaimana mereka bisa memperoleh wawasan tentang pasar yang tidak dapat mereka bangun sendiri kapabilitasnya. Ini mencakup penjajakan pasar, intelijen pasar, dan investasi bersama. AI fisik telah menjadi prioritas di tingkat CEO di banyak perusahaan tersebut. Namun, kantor keluarga dan lembaga institusional mengajukan pertanyaan yang lebih langsung: mengapa tidak ikut saja dalam salah satu putaran pendanaan besar untuk robot humanoid atau model robot melalui SPV? Jawaban saya, putaran-putaran itu sudah penuh sesak, mahal, dan membutuhkan banyak modal. Peluang untuk meraih imbal hasil asimetris muncul lebih awal… pada perusahaan-perusahaan yang belum ditemukan investor generalis. Di situlah spesialis membuktikan nilainya.

Robot humanoid telah menarik perhatian dan investasi yang sangat besar, dengan perusahaan seperti Tesla dan Figure AI mengembangkan kemampuan yang kian ambisius. Anda pernah menyatakan skeptisisme tentang kelayakan komersialnya. Dalam hal apa investor melebih-lebihkan potensinya dalam waktu dekat, dan apakah robot khusus menawarkan peluang investasi yang lebih menarik?

Saya skeptis terhadap waktunya, bukan teknologinya. Prinsip saya adalah bentuk mengikuti fungsi. Jika tugasnya memindahkan komponen atau mengambil dan meletakkannya, tanyakan apakah Anda benar-benar membutuhkan mesin berkaki dua yang sangat rumit dan mahal, atau cukup sebuah lengan robot, atau dua lengan pada alas bergerak. Di lantai gudang atau pabrik yang datar, kaki tidak banyak memberi manfaat. Kaki menambah biaya, menguras daya, dan membuat robot berisiko terjatuh.

Investor melebih-lebihkan potensi robot humanoid dalam waktu dekat jika melihat perhitungan ekonominya. Valuasi mengasumsikan penerapan luas akan segera terjadi, padahal persoalan sulitnya masih belum terpecahkan—seperti tangan yang cekatan, umpan balik sentuhan dan gaya, baterai yang tahan beberapa jam, serta tumpukan AI yang dapat direproduksi dan ditelusuri. Tingkat kesalahan 10% masih dapat diterima untuk chatbot. Di pabrik, satu gerakan yang keliru bisa mencederai seseorang atau merugikan pelanggan hingga jutaan. Saya memperkirakan pengiriman dalam volume berarti baru akan terjadi dalam lima hingga 10 tahun, bukan tahun depan.

Robot humanoid masuk akal digunakan di lingkungan yang dirancang untuk manusia dan tidak dapat didesain ulang. Antariksa adalah contoh favorit saya. NASA mengenakan biaya sekitar $130.000 kepada pengguna komersial untuk setiap jam waktu astronaut, sehingga robot yang dapat bekerja di dalam stasiun yang dirancang untuk manusia akan segera menutup biayanya. Fasilitas nuklir, tanggap bencana, dan sejumlah pekerjaan pertahanan mengikuti logika yang sama.

Jadi, untuk waktu dekat, ya, robot khusus menawarkan taruhan dengan imbal hasil yang lebih baik dibandingkan risikonya. Robot-robot itu sudah dikirim dan menghasilkan pendapatan saat ini.

Sementara robot humanoid mendominasi pemberitaan, Cybernetix Ventures berfokus pada penerapan praktis di bidang manufaktur, layanan kesehatan, logistik, dan konstruksi. Industri mana yang menawarkan dampak ekonomi terbesar dalam waktu dekat dari AI fisik, dan di bidang mana Anda sudah melihat hasil terukur dari investasi otomasi?

Dampak tercepat terlihat ketika tiga hal bertemu: masalah yang mahal, kekurangan tenaga kerja, dan pembeli yang mengukur hasil dalam nilai uang.

Manufaktur menjadi prioritas utama, terutama di pabrik yang sudah beroperasi. Sebagian besar pabrik tidak bisa dibangun ulang agar sesuai dengan robot. Perusahaan yang memiliki ratusan lokasi membutuhkan otomatisasi yang cocok dengan bangunan yang sudah ada. Karena itu, penglihatan komputer berbasis AI yang memungkinkan lengan robot yang ada mengambil komponen yang bentuknya tidak beraturan, mengilap, atau transparan sangatlah berharga. Teknologi ini meningkatkan kemampuan yang sudah tersedia di lapangan.

Logistik adalah pasar yang paling matang, dengan ROI (tingkat pengembalian investasi) yang jelas dalam kegiatan mengambil, memindahkan, dan memuat barang. Meski begitu, kemampuan mengambil satu barang tertentu secara andal dari wadah berisi beragam barang masih belum sepenuhnya teratasi.

Layanan kesehatan dan ilmu hayati masih kurang mendapat perhatian. Laboratorium otomatis mengubah pekerjaan manual yang lambat menjadi hasil yang lebih cepat dan dapat direproduksi, sementara pengembang obat sudah memahami cara membayar untuk memperoleh jawaban lebih cepat.

Konstruksi masih berada pada tahap yang lebih awal, tetapi mengalami salah satu kekurangan tenaga kerja terparah. Robot mulai memberi manfaat dalam pekerjaan khusus seperti pengukuran tata letak dan pengangkatan material.

Dari yang saya amati, hasil yang terukur hampir selalu mengikuti pola yang sama: satu pekerjaan spesifik dilakukan dengan lebih andal, dan pelanggan dapat melihat masa pengembalian investasinya dari angka mereka sendiri, bukan dari slide proyeksi lima tahun.

Kemajuan dalam model fondasi, penglihatan komputer, pembelajaran penguatan, dan simulasi tengah mengubah kemampuan robotika. Inovasi AI mana yang menurut Anda paling berdampak selama lima tahun ke depan, dan keterbatasan teknis apa yang masih menghambat penerapan secara luas di lingkungan dunia nyata yang tidak dapat diprediksi?

Selama lima tahun ke depan, ada empat hal yang akan saya cermati.

Model fondasi robot, terutama yang menghubungkan penglihatan, bahasa, dan tindakan. Namun, saya memperkirakan model-model ini akan unggul di setiap bidang secara bertahap, bukan sebagai satu model untuk segala hal. Jalurnya dimulai dari satu tujuan, lalu cakupan kasus penggunaan, dan kemudian mungkin mencakup satu bidang secara keseluruhan—misalnya, pembangunan rumah tapak. Saya tidak yakin satu model dapat menangani konstruksi, manufaktur, dan layanan kesehatan.

Simulasi, karena membuat pelatihan menjadi murah. Namun, simulasi hanya membawa Anda sampai 80% atau 90%. Pada 10% terakhir, robot mulai menjatuhkan dan menabrak benda.

Indra peraba. Penglihatan sangat baik untuk memahami lingkungan. Namun, jika ingin mengubah dunia, Anda harus merasakannya. Sensor taktil dan tangan yang lebih baik penting karena sebagian besar pekerjaan nyata melibatkan manipulasi benda.

Infrastruktur data. Di bidang kendaraan otonom, sejumlah perusahaan seperti Scale AI membangun bisnis besar dengan mengumpulkan dan memberi label pada data, sementara Applied Intuition membangun bisnis berdasarkan simulasi. AI fisik akan menghasilkan hal serupa, dan ini merupakan salah satu peluang terbesar di bidang tersebut.

Keandalan dan kepercayaan masih menjadi penghambat penerapan di lingkungan yang kacau dan tidak dapat diprediksi. Pabrik membutuhkan tingkat keandalan 99,99%. Standar keselamatan, sertifikasi, dan asuransi belum mengikuti perkembangan robot bergerak yang bekerja di sekitar manusia. Selain itu, setiap robot yang terhubung menimbulkan risiko keamanan siber yang belum diperhitungkan dalam biaya oleh banyak pihak.

Cybernetix Ventures telah berinvestasi di perusahaan seperti Cambrian Robotics, Dash Bio, dan Rugged Robotics. Apa yang membuat Anda tertarik pada perusahaan-perusahaan ini, dan apa yang membedakan teknologi robotika yang menjanjikan dari bisnis yang dapat berkembang secara komersial?

Ketiganya berawal dari masalah yang dihadapi pelanggan, bukan dari demonstrasi teknologi yang menarik.

Cambrian Robotics. Pasar penglihatan mesin sudah padat, tetapi Cambrian mampu mengambil komponen kecil, mengilap, dan transparan secara andal—jenis komponen yang menyulitkan sebagian besar sistem. Teknologi ini bekerja dengan merek-merek robot industri utama, dapat dipasang dalam waktu sekitar setengah hari, dan sudah diuji serta diterapkan oleh produsen seperti Toyota, Audi, dan Electrolux ketika kami bersama-sama memimpin putaran pendanaan awalnya pada 2024.

Dash Bio. Pengembang obat mengirimkan banyak pekerjaan analisis bio mereka ke laboratorium eksternal yang sebagian besar masih bekerja secara manual. Dash membangun laboratorium yang sangat otomatis dan memenuhi standar GLP (Praktik Laboratorium yang Baik), yang memadukan robotika, AI, dan perangkat lunak untuk menjalankan pengujian utama hingga 10 kali lebih cepat. Mereka tidak menjual robot. Mereka menjual jawaban yang lebih cepat, sesuatu yang sudah dipahami pelanggan cara membelinya.

Rugged Robotics. Di lokasi konstruksi, seseorang masih menandai secara manual letak setiap dinding, pipa, dan perlengkapan. Proses ini lambat, dan kesalahan menjadi mahal setelah dinding didirikan. Robot Rugged mencetak gambar rancangan langsung di lantai. Satu pekerjaan spesifik yang dilakukan lebih cepat dan akurat, di lokasi yang kesulitan mendapatkan cukup tenaga kerja terampil.

Apa yang membedakan teknologi menjanjikan dari bisnis yang dapat berkembang? Sembilan puluh sembilan persen dari waktu, memulai dari pencapaian teknis yang mengesankan lalu mencari-cari kasus penggunaan adalah resep bagi perusahaan yang kesulitan berkembang. Perusahaan yang berhasil berkembang memulai dari masalah dan bekerja mundur untuk menentukan mesin yang dibutuhkan, seperti yang dilakukan Kiva, Locus, dan Universal Robots. Setelah itu, saya mencari pelanggan yang kembali membeli setelah uji coba, penerapan yang tidak membutuhkan seorang PhD di lokasi, keekonomian per unit yang tetap menguntungkan pada skala besar, dan tim yang mencapai tonggak-tonggak pencapaiannya. Banyak robot mengesankan. Jauh lebih sedikit yang menjadi bisnis.

Seiring meningkatnya kemampuan AI fisik, kekhawatiran tentang hilangnya pekerjaan, keselamatan, dan pengawasan manusia kian besar. Apakah menurut Anda robotika terutama akan mengatasi kekurangan tenaga kerja dan membantu pekerja manusia, atau Anda memperkirakan akan terjadi disrupsi besar pada tenaga kerja seiring percepatan adopsi?

Dalam jangka pendek, robotika terutama mengisi kekosongan. Di pabrik, gudang, laboratorium, dan lokasi kerja yang bekerja sama dengan kami, kendalanya adalah jumlah tenaga kerja, bukan permintaan. Posisi pekerjaan dibiarkan kosong selama berbulan-bulan.

Verve Motion, salah satu perusahaan dalam portofolio kami, adalah contoh yang selalu saya jadikan rujukan. Mereka membuat eksosuit lunak yang sangat mengurangi beban fisik pekerja yang mengangkat beban berat sepanjang hari. Seorang pekerja gudang bercerita kepada tim bahwa ia akhirnya punya cukup tenaga untuk bermain dengan anak-anaknya setelah pulang kerja. Itulah robotika yang membawa manfaat bagi dunia, dan teknologi ini tidak menggantikan siapa pun.

Saya tidak akan berpura-pura bahwa tidak akan ada disrupsi. Jumlah pekerjaan yang paling repetitif akan berkurang, dan perubahan dalam pekerjaan akan berlangsung lebih cepat daripada kemampuan sistem pelatihan kita untuk menyesuaikan diri. Jawaban yang jujur adalah berinvestasi dalam peningkatan keterampilan sekarang, bagi teknisi, operator, dan orang-orang yang merawat armada robot. Setiap robot yang dikirimkan menciptakan pekerjaan bagi orang yang memasang, memprogram, dan memperbaikinya.

Dalam hal keselamatan, robotika sebenarnya sudah lebih maju daripada AI perangkat lunak. Robot industri telah beroperasi di bawah standar dan sertifikasi keselamatan selama puluhan tahun. Seiring makin canggihnya robot, budaya tersebut harus tetap diterapkan: akuntabilitas yang jelas, mesin yang aman, dan manusia yang memegang kendali atas keputusan penting.

Menatap 2030 dan seterusnya, perkembangan apa dalam AI fisik dan robotika yang menurut Anda akan memberikan dampak terbesar terhadap ekonomi global? Adakah peluang investasi yang terlewatkan atau aplikasi baru yang patut mendapat perhatian jauh lebih besar?

Menurut saya, pada 2030 ada tiga hal yang paling penting bagi ekonomi global.

Robot yang dapat belajar sambil bekerja pada akhirnya akan menghadirkan otomatisasi bagi produsen kecil dan menengah yang sebelumnya tidak mampu membayar integrasi khusus. Sebagian besar basis industri sebenarnya berada di sektor inilah.

Laboratorium otomatis akan mempercepat kemajuan ilmu pengetahuan, dengan penelitian biologi dan penemuan obat berlangsung sepanjang waktu.

Rantai pasokan komponen robot—aktuator, motor, sensor, dan roda gigi—juga akan menjadi strategis. Kebanyakan produsen robot humanoid tidak membuat komponen-komponen tersebut. Mereka merancang, mengintegrasikan, dan merakitnya, sementara saat ini sebagian besar pasokannya berada di Tiongkok dan Jepang. Pihak yang membangun basis produksi itu di AS dan negara-negara sekutu akan sangat berpengaruh.

Hal yang luput dari perhatian adalah infrastruktur pendukung: pengumpulan data dari dunia nyata, simulasi dan pengujian, pengelolaan armada, persepsi, serta identitas mesin dan keamanan siber, agar robot dapat saling memercayai dan memercayai jaringan tempat mereka beroperasi. Selain itu, ada pula aplikasi sektoral di industri yang kekurangan tenaga kerja dan jarang menjadi berita utama, seperti pertanian dan konstruksi.

Berita utama akan menyoroti robot humanoid. Namun, banyak keuntungan akan diperoleh dari infrastruktur pendukung. Pada akhirnya, yang terpenting adalah dampak sosial, bukan dampak teknologinya.

Terima kasih atas wawancara yang luar biasa ini. Pembaca yang ingin mengetahui lebih lanjut tentang robotika, AI fisik, dan investasi tahap awal di bidang otomatisasi dapat mengunjungi Cybernetix Ventures.