Fady Saad, grunnlegger og general partner i Cybernetix Ventures – intervjuserie

Fady Saad er grunnlegger og general partner i Cybernetix Ventures, der han investerer i oppstartsbedrifter innen robotikk, automatisering og industriell KI i tidlig fase. Han var også med på å grunnlegge MassRobotics, der han bidro til å utvikle selskapets partnerskap med næringslivet og støtte oppstartsbedrifter innen robotikk på veien mot kommersialisering. Erfaringen hans knytter sammen ingeniørfag, forretningsutvikling og de praktiske utfordringene ved å ta maskiner i bruk i reelle driftsmiljøer, med en investeringsstrategi som tar utgangspunkt i kundenes behov og kommersielt levedyktig implementering.

Cybernetix Ventures er et Boston-basert venturekapitalfond som investerer i oppstartsbedrifter innen robotikk, automatisering og industriell KI i Nord-Amerika og Europa. Satsingsområdene omfatter produksjon, logistikk, helsetjenester og bygg og anlegg, samt muliggjørende teknologier som persepsjon, autonomi, sensorer og cybersikkerhet for robotikk. I dette intervjuet snakker Saad om mulighetene og begrensningene ved fysisk KI, økonomien i spesialiserte roboter og humanoide roboter, og påliteligheten, dataene og infrastrukturen som trengs for å gjøre lovende teknologi til virksomheter som kan skaleres.

Du var med på å grunnlegge MassRobotics i 2014 og bidro til å bygge et av verdens ledende økosystemer for innovasjon innen robotikk, før du grunnla Cybernetix Ventures i 2021. Hva inspirerte overgangen fra å støtte oppstartsbedrifter innen robotikk til å investere direkte i dem, og hvordan formet erfaringene dine fra MassRobotics investeringsfilosofien din?

Jeg hadde ikke planlagt å bli investor. Jeg begynte med robotikk hos Vecna, der jeg jobbet med FoU og kommersialiseringsstrategi, og lærte raskt at robotikk ikke følger programvarebransjens oppskrift. Du kan lansere en programvareprototype for brukerne på seks måneder. En robot krever produksjon, en forsyningskjede, testing, sikkerhetsarbeid og en kunde som er villig til å slippe den inn på produksjonsgulvet.

Derfor startet vi MassRobotics i 2014. Vi kalte det en akselerator for oppstartsbedrifter fordi den vanskelige delen ikke er å bygge prototypen. Det vanskelige er å gå fra en fungerende prototype til et produkt noen kan kjøpe. Jeg hadde ansvar for partnerskap med næringslivet, og i over seks år deltok jeg på mer enn 300 møter med bedrifter og bidro til å etablere over 40 partnerskap. Jeg så stadig det samme bildet: bedrifter med reelle problemer, oppstartsbedrifter med reell teknologi og nesten ingen investorer som forsto begge sider.

I 2018 og 2019 var det åpenbart. Venturekapitalistene samlet seg rundt SaaS eller bioteknologi, mens gründere innen robotikk falt mellom to stoler. De hadde for mye maskinvare for programvareinvestorene og for lite biologi for bioteknologiinvestorene. Gode team gikk i stå fordi den rette kapitalen ikke fantes. Mark Martin, som jeg møtte i 2017 da vi fikk Analog Devices med i MassRobotics, så det samme gapet fra bedriftenes side. Derfor bygde vi Cybernetix, et fond som behandler robotikk som en egen aktivaklasse, og lanserte det i 2021.

MassRobotics har formet måten vi investerer på, på en enkel måte. Vi tar utgangspunkt i kundens problem, ikke teknologien. Vi foretrekker team med minst én grunnlegger fra bransjen de selger til. Og vi trekker inn nettverket vårt i næringslivet i hver eneste investering, fordi den rette introduksjonen til en kjøper kan være mer verdt enn selve investeringen i denne sektoren.

Fysisk KI vokser fram som et av de mest omveltende områdene innen kunstig intelligens, og bringer intelligens inn i maskiner som samhandler med den virkelige verden. Hvilke teknologiske gjennombrudd fremskynder utbredelsen, og hvorfor mener du at bransjen står ved et viktig vendepunkt?

To ting utviklet seg samtidig. «Hjernen» ble mye bedre, og «kroppene» ble mye billigere.

På programvaresiden har grunnmodeller gitt roboter noe de egentlig aldri har hatt før: evnen til å følge en instruksjon og håndtere situasjoner de ikke er programmert for på forhånd. Simulering gjør det mulig for team å trene på og teste tusenvis av scenarioer før en robot i det hele tatt settes inn i en ekte fabrikk. På maskinvaresiden blir sensorer, kantprosessorer, aktuatorer og batterier stadig billigere og bedre, slik at en oppstartsbedrift kan bygge en robot med en komplett teknologistakk uten å være en industrigigant.

Så er det etterspørselen: mangel på arbeidskraft innen produksjon, logistikk, landbruk og bygg og anlegg, en aldrende arbeidsstyrke og et reelt press for å flytte produksjonen hjem igjen. Jeg sier alltid at mangelen på arbeidskraft er et økonomisk problem, ikke et ingeniørproblem, og nå behandler styrene det også slik.

Så ja, vi står ved et vendepunkt, men jeg vil være presis om hva det gjelder. Den teknologiske kapasiteten og kapitaltilgangen har nådd et vendepunkt; utrulling i stor skala har ikke gjort det. ChatGPT bygger på 20 eller 30 år med digitalisert menneskelig kunnskap, og det finnes ingen tilsvarende ressurs for den fysiske verden. Ingen datasamling forteller en robot at den må holde et egg, et ark papir eller et tøystykke på ulike måter. Selskapene som tetter dette datagapet ved å ta teknologien i bruk i virkelige miljøer og lære av hvert skift, vil forme den neste fasen.

Investeringene i robotikk og fysisk KI har økt kraftig, drevet fram av fremskritt innen KI, mangel på arbeidskraft og økende etterspørsel etter automatisering. Hva ligger bak investorenes begeistring, og hvor mye av denne utviklingen skyldes reelle kommersielle muligheter, sammenlignet med spekulativ optimisme?

Jeg tror det er begge deler, og investorer hjelper ingen ved å late som noe annet.

Etterspørselen er reell. Deloitte og Manufacturing Institute anslår at amerikanske produsenter kan trenge opptil 3,8 millioner arbeidere innen 2033, og at rundt 1,9 millioner av disse jobbene står i fare for å bli stående ubesatt. Det er ikke haussing. Det er et hull i økonomien.

Kapitalen er en annen historie. Crunchbase registrerte investeringer på 18,8 milliarder dollar i robotikkoppstartselskaper i første halvår 2026, mer enn i hele 2025. PitchBook registrerte imidlertid et fall i antallet avtaler i andre kvartal, samtidig som investeringsbeløpet nådde rekordnivå. Det tyder på at en håndfull megainvesteringer står for det meste. Mye av pengene går til å kjøpe en fortelling: hovedsakelig om humanoide roboter og generelle robotmodeller.

Jeg bruker bevisst en enkel målestokk. Kjøper kunden igjen etter pilotprosjektet? Oppnår roboten den påliteligheten jobben krever – på en produksjonslinje er det 99,99 prosent, ikke 90 prosent? Kommer det reelle inntekter i løpet av omtrent ett år? Hvis svaret er ja, er det en virksomhet. Hvis presentasjonen først og fremst handler om hva roboten kanskje kan gjøre i 2030, er det spekulasjon priset som en sikkerhet. Robotikkbransjen har vært gjennom denne syklusen før, og selskapene med betalende kunder kommer styrket ut av oppryddingen.

Cybernetix Ventures reiser sitt andre fond for å øke investeringene i robotikk- og KI-selskaper i tidlig fase. Hvordan har investeringstesen deres utviklet seg siden dere lanserte det første fondet, og hvilke nye teknologier eller bransjer vekker størst interesse blant institusjonelle investorer?

Grunntanken er den samme. Verdien innen fysisk KI skapes der programvare møter praktisk bruk i den virkelige verden, og de beste robotene utvikles med utgangspunkt i et konkret problem. Med fond II satser vi enda sterkere på dette.

Det som har endret seg, er kartet. Fond I fokuserte på produksjon, logistikk, bygg og anlegg og helse. Fond II beholder disse områdene og legger til landbruk, energi- og kl infrastruktur, romfart og forsvar, samt teknologi med både sivil og militær anvendelse. Sammensetningen er fortsatt omtrent to tredeler selskaper innen fullstack-robotikk og én tredel muliggjørende teknologi, som KI-modeller, persepsjon og cybersikkerhet mellom maskiner. De første investeringene fra fond II gikk til et romrobotikkselskap og et selskap som utvikler persepsjonsmodeller. Det viser hvilken retning den nye generasjonen går i.

Vi undersøker også grundig forhold som knapt ble diskutert i 2021 – for eksempel hvor komponentene kommer fra, hvor utsatt forsyningskjeden er for Kina, og hvor sikker roboten er når den først er koblet til et nettverk.

Jeg hører oftest to spørsmål fra institusjonelle investorer og selskaper. For det første spør selskapene hvordan de kan få innblikk i et marked de ikke kan bygge opp internt. Det innebærer kartlegging, markedsinnsikt og saminvesteringer. Fysisk KI har blitt en prioritet på toppledernivå i mange av disse selskapene. Familieformuer og institusjoner stiller derimot et mer direkte spørsmål: Hvorfor ikke bare investere i en av de store finansieringsrundene for humanoide roboter eller robotmodeller gjennom et SPV? Svaret mitt er at dette er overfylte, dyre investeringer som krever mye kapital. Den asymmetriske avkastningen finner man tidligere … i selskaper generalistene ennå ikke har oppdaget. Det er der en spesialist viser sin verdi.

Humanoide roboter har fått enorm oppmerksomhet og tiltrukket seg store investeringer, og selskaper som Tesla og Figure AI satser på stadig mer ambisiøse egenskaper. Du har uttrykt skepsis til om de er kommersielt levedyktige. På hvilke områder mener du at investorer overvurderer potensialet deres på kort sikt, og gir spesialiserte roboter en mer attraktiv investeringsmulighet?

Jeg er skeptisk til tidslinjen, ikke teknologien. Min regel er at formen følger funksjonen. Hvis jobben går ut på å flytte deler eller plukke og plassere dem, bør man spørre om man trenger en svært kompleks og svært dyr maskin på to bein, eller om en arm – eventuelt to armer på en mobil plattform – holder. På et flatt lager- eller fabrikkgulv gir beinene deg lite. De øker kostnadene, bruker strøm og innebærer at roboten kan falle.

Det investorene overvurderer ved humanoide roboter, er regnestykket på kort sikt. Verdsettelsene forutsetter bred utrulling snart, men de vanskelige problemene er fortsatt uløste – blant annet fingerferdige hender, tilbakemeldinger om berøring og kraft, batterier som varer noen timer, og en KI-plattform som gir repeterbare og sporbare resultater. En feilrate på 10 prosent er greit for en chatbot. På en fabrikk kan én feilbevegelse skade noen eller koste en kunde millioner. Jeg forventer betydelige leveranser i volum om fem til ti år, ikke neste år.

Humanoide roboter gir mening i miljøer som er bygget for mennesker og ikke kan bygges om. Romfart er mitt favorite eksempel. NASA tar rundt 130 000 dollar per time for kommersielle brukere av astronauttid, så en robot som kan arbeide inne på en romstasjon utformet for mennesker, tjener raskt inn kostnaden. Atomanlegg, katastrofeinnsats og enkelte forsvarsoppgaver følger samme logikk.

Så på kort sikt er svaret ja: spesialiserte roboter er den bedre risikojusterte investeringen. De leveres, og kundene betaler allerede i dag.

Mens humanoide roboter dominerer overskriftene, fokuserer Cybernetix Ventures på praktiske bruksområder innen produksjon, helse, logistikk og bygg og anlegg. Hvilke bransjer kan få størst økonomisk effekt av fysisk KI på kort sikt, og hvor ser dere allerede målbare resultater av investeringer i automatisering?

Den raskeste effekten oppstår der tre ting møtes: et kostbart problem, mangel på arbeidskraft og en kjøper som måler resultatene i dollar.

Produksjon kommer først, særlig i eksisterende fabrikker. De fleste fabrikker kan ikke bygges om rundt roboter. Et selskap med hundrevis av anlegg trenger automatisering som passer inn i bygningene det allerede har. Derfor er KI-basert synsteknologi som gjør det mulig for eksisterende robotarmer å plukke opp uregelmessige, blanke eller gjennomsiktige deler, så verdifull. Den oppgraderer det som allerede finnes på fabrikken.

Logistikk er det mest modne markedet, med tydelig avkastning på investeringen (ROI) innen plukking, flytting og lasting. Likevel er det fortsatt ikke fullt ut løst hvordan man pålitelig kan plukke ut en hvilken som helst enkeltgjenstand fra en blandet beholder.

Helsevesen og biovitenskap er undervurderte områder. Automatiserte laboratorier gjør langsomt, manuelt arbeid om til raskere og reproduserbare resultater, og legemiddelutviklere vet allerede hvordan de skal betale for raskere svar.

Bygg og anlegg er på et tidligere stadium, men har en av de største manglene på arbeidskraft. Roboter gjør nytte for seg i avgrensede oppgaver som oppmerking og heising av materialer.

Når jeg ser målbar avkastning, følger det nesten alltid det samme mønsteret: én avgrenset oppgave utføres mer pålitelig, og kunden kan se tilbakebetalingstiden i sine egne tall, ikke i en presentasjon med femårsprognoser.

Fremskritt innen grunnmodeller, datasyn, forsterkningslæring og simulering forandrer robotenes kapasitet. Hvilke KI-innovasjoner mener du vil få størst betydning i løpet av de neste fem årene, og hvilke tekniske begrensninger hindrer fortsatt utbredt bruk i uforutsigbare miljøer i den virkelige verden?

I løpet av de neste fem årene vil jeg følge med på fire ting.

Grunnmodeller for roboter, særlig modeller som kobler sammen syn, språk og handling. Men jeg forventer at de vil lykkes på ett fagområde om gangen, ikke som én modell for alt. Veien går fra ett enkelt formål til et bredere spekter av bruksområder, og deretter kanskje til et helt fagområde – for eksempel bygging av eneboliger. Jeg tror ikke én modell vil kunne brukes innen bygg og anlegg, produksjon og helsevesen.

Simulering, fordi det gjør opplæring billig. Men simulering tar deg til 80 % eller 90 %. I de siste 10 % mister roboter grepet om ting og støter borti dem.

Berøring. Syn er svært nyttig for å forstå omgivelsene. Men hvis du vil påvirke verden, må du kjenne på den. Taktil sansing og bedre robothender er viktig fordi det er ved manipulering at det meste av det virkelige arbeidet skjer.

Datainfrastruktur. Innen selvkjørende biler bygde en generasjon selskaper som Scale AI store virksomheter ved å samle inn og merke data, mens Applied Intuition bygde sin virksomhet på simulering. Fysisk KI vil skape sin egen variant, og det er en av de største mulighetene i bransjen.

Det som fortsatt hindrer bruk i uoversiktlige og uforutsigbare omgivelser, er pålitelighet og tillit. Fabrikker trenger 99,99 %. Sikkerhetsstandarder, sertifisering og forsikring har ikke holdt tritt med mobile roboter som arbeider rundt mennesker. Og hver tilkoblede robot innebærer en cybersikkerhetsrisiko som svært få ennå tar høyde for i prisingen.

Cybernetix Ventures har investert i selskaper som Cambrian Robotics, Dash Bio og Rugged Robotics. Hva var det som tiltrakk deg ved disse selskapene, og hva skiller en lovende robotteknologi fra en virksomhet som kan skaleres kommersielt?

Alle tre tok utgangspunkt i et kundeproblem, ikke i en imponerende demonstrasjon.

Cambrian Robotics. Markedet for maskinsyn er fullt av aktører, men Cambrian plukker pålitelig opp små, blanke og gjennomsiktige deler som de fleste systemer sliter med. Løsningen fungerer med de store industrielle robotmerkene, kan installeres på omtrent en halv dag og ble allerede testet og tatt i bruk hos produsenter som Toyota, Audi og Electrolux da vi var med på å lede selskapets såkornrunde i 2024.

Dash Bio. Legemiddelutviklere sender mye av bioanalysen sin til eksterne laboratorier som fortsatt i stor grad arbeider manuelt. Dash bygde et svært automatisert laboratorium som oppfyller GLP-standardene (god laboratoriepraksis), og som kombinerer robotteknologi, KI og programvare for å utføre viktige analyser opptil 10 ganger raskere. De selger ikke roboter. De selger raskere svar, noe kundene allerede vet hvordan de skal kjøpe.

Rugged Robotics. På en byggeplass merker noen fortsatt opp for hånd hvor hver vegg, hvert rør og hvert fastmonterte element skal være. Det går sakte, og feil blir kostbare når veggene først er satt opp. Ruggeds robot skriver tegningene direkte på gulvet. Én avgrenset oppgave, utført raskere og mer nøyaktig, på byggeplasser som ikke finner nok fagfolk.

Hva skiller lovende teknologi fra en virksomhet som kan skaleres? Nittini prosent av tiden fører det til en virksomhet som sliter, hvis man starter med en imponerende teknisk prestasjon og deretter leter etter et bruksområde. Selskapene som lykkes med skalering, begynner med problemet og jobber seg bakover til maskinen, slik Kiva, Locus og Universal Robots gjorde. Deretter ser jeg etter kunder som kjøper igjen etter pilotprosjektet, utrulling som ikke krever en person med doktorgrad på stedet, enhetsøkonomi som holder når volumet øker, og et team som når milepælene sine. Mange roboter er imponerende. Langt færre er gode forretninger.

Etter hvert som fysisk KI blir mer kapabel, øker bekymringen for at arbeidsplasser skal forsvinne, for sikkerheten og for menneskelig tilsyn. Ser du først og fremst robotikk som en løsning på mangelen på arbeidskraft og som et hjelpemiddel for arbeidstakere, eller forventer du store omveltninger i arbeidslivet etter hvert som bruken øker?

På kort sikt handler det stort sett om å dekke inn mangler. I fabrikkene, på lagrene, i laboratoriene og på byggeplassene vi samarbeider med, er det tilgangen på arbeidskraft, ikke etterspørselen, som setter begrensningene. Stillinger står ubesatt i månedsvis.

Verve Motion, et av selskapene i porteføljen vår, er et eksempel jeg stadig vender tilbake til. De lager en myk eksodrakt som avlaster arbeidere som løfter tung last hele dagen. En lagermedarbeider fortalte teamet at han endelig hadde energi til å leke med barna da han kom hjem. Det er robotteknologi som gjør godt i verden, og den erstatter ingen.

Jeg skal ikke late som om det ikke vil føre til omstilling. De mest repetitive jobbene vil bli færre, og arbeidslivet vil endre seg raskere enn opplæringssystemene våre er laget for å håndtere. Det ærlige svaret er å investere i kompetanseheving nå, for teknikere, operatører og dem som vedlikeholder robotflåter. Hver robot som leveres, skaper arbeid for noen som installerer, programmerer og reparerer den.

Når det gjelder sikkerhet, har robotteknologien faktisk et forsprang på KI-programvare. Industriroboter har vært underlagt sikkerhetsstandarder og sertifisering i flere tiår. Etter hvert som robotene blir smartere, må denne sikkerhetskulturen videreføres: tydelig ansvarsfordeling, sikre maskiner og mennesker som har kontroll over kritiske beslutninger.

Når vi ser fram mot 2030 og videre, hvilke utviklingstrekk innen fysisk KI og robotteknologi tror du vil få størst betydning for verdensøkonomien? Finnes det oversette investeringsmuligheter eller nye bruksområder som fortjener betydelig mer oppmerksomhet?

Innen 2030 tror jeg tre ting vil være viktigst for verdensøkonomien.

Roboter som lærer på jobben, vil endelig gjøre automatisering tilgjengelig for små og mellomstore produsenter som aldri har hatt råd til skreddersydd integrasjon. Det er der mesteparten av industrien faktisk befinner seg.

Automatiserte laboratorier vil få fart på vitenskapen, med biologisk forskning og legemiddelutvikling som foregår døgnet rundt.

Og forsyningskjeden for robotkomponenter – aktuatorer, motorer, sensorer og tannhjul – vil bli strategisk viktig. De fleste produsentene av humanoide roboter lager ikke disse delene selv. De konstruerer, integrerer og monterer, og mye av tilgangen på slike komponenter ligger i dag i Kina og Japan. De som bygger opp denne kapasiteten i USA og allierte land, vil få stor betydning.

Det som blir oversett, er grunninfrastrukturen: innsamling av data fra den fysiske verden, simulering og testing, flåtestyring, persepsjon samt maskinidentitet og cybersikkerhet, slik at roboter kan stole på hverandre og nettverkene de opererer på. I tillegg kommer bransjespesifikke anvendelser i arbeidskraftsmanglende næringer som ingen skriver overskrifter om, som jordbruk og bygg og anlegg.

Overskriftene vil handle om humanoide roboter. Mye av pengene vil bli tjent på grunninfrastrukturen. Og til syvende og sist er det samfunnseffekten, ikke den teknologiske effekten, som teller.

Takk for et flott intervju. Lesere som vil vite mer om robotteknologi, fysisk KI og tidligfaseinvesteringer i automatisering, bør besøke Cybernetix Ventures.