Fady Saad, założyciel i partner zarządzający Cybernetix Ventures – cykl wywiadów

Fady Saad jest założycielem i partnerem zarządzającym Cybernetix Ventures, gdzie inwestuje w spółki na wczesnym etapie rozwoju z branży robotyki, automatyzacji i przemysłowej sztucznej inteligencji. Jest także współzałożycielem MassRobotics, gdzie pomagał rozwijać partnerstwa z korporacjami i wspierać startupy robotyczne w drodze do komercjalizacji. Jego doświadczenie łączy inżynierię, rozwój biznesu i praktyczne wyzwania związane z wprowadzaniem maszyn do rzeczywistych środowisk pracy, a jego podejście inwestycyjne koncentruje się na potrzebach klientów i wdrożeniach, które mogą być opłacalne komercyjnie.

Cybernetix Ventures to zlokalizowana w Bostonie firma venture capital inwestująca w startupy z branży robotyki, automatyzacji i przemysłowej sztucznej inteligencji w Ameryce Północnej i Europie. Wśród obszarów jej zainteresowania są produkcja, logistyka, ochrona zdrowia i budownictwo, a także technologie wspierające robotykę, takie jak percepcja, autonomia, czujniki i cyberbezpieczeństwo. W tym wywiadzie Saad opowiada o możliwościach i ograniczeniach fizycznej sztucznej inteligencji, ekonomice robotów specjalistycznych i humanoidalnych oraz o niezawodności, danych i infrastrukturze niezbędnych do przekształcenia obiecującej technologii w skalowalne przedsięwzięcia biznesowe.

W 2014 roku był pan współzałożycielem MassRobotics, pomagając budować jeden z wiodących na świecie ekosystemów innowacji w dziedzinie robotyki, a następnie, w 2021 roku, założył pan Cybernetix Ventures. Co skłoniło pana do przejścia od wspierania startupów robotycznych do bezpośredniego inwestowania w nie i jak doświadczenia zdobyte w MassRobotics wpłynęły na pana filozofię inwestycyjną?

Nie planowałem zostać inwestorem. Z robotyką związałem się w Vecna, gdzie zajmowałem się badaniami i rozwojem (R&D) oraz strategią komercjalizacji. Szybko przekonałem się, że w robotyce nie sprawdza się model znany z branży oprogramowania. Prototyp oprogramowania można udostępnić użytkownikom w ciągu sześciu miesięcy. Robot wymaga produkcji, łańcucha dostaw, testów i prac nad bezpieczeństwem, a także klienta gotowego wpuścić go na halę.

Dlatego w 2014 roku założyliśmy MassRobotics. Nazwaliśmy tę organizację akceleratorem startupów, bo najtrudniejsze nie jest zbudowanie prototypu, lecz przekształcenie działającego prototypu w produkt, który ktoś może kupić. Kierowałem partnerstwami z korporacjami i przez ponad sześć lat uczestniczyłem w ponad 300 spotkaniach z ich przedstawicielami, pomagając nawiązać ponad 40 partnerstw. Wciąż widziałem ten sam obraz: korporacje z realnymi problemami, startupy z prawdziwą technologią i niemal żadnych inwestorów, którzy rozumieliby obie strony.

W 2018 i 2019 roku stało się to oczywiste. Fundusze venture capital koncentrowały się na SaaS lub biotechnologii, a założyciele startupów robotycznych nie pasowali do żadnej z tych kategorii. Mieli za dużo sprzętu dla inwestorów z branży oprogramowania i za mało biologii dla inwestorów z branży biotechnologicznej. Dobre zespoły grzęzły w miejscu, bo brakowało odpowiedniego kapitału. Mark Martin, którego poznałem w 2017 roku, gdy wprowadziliśmy Analog Devices do MassRobotics, dostrzegał tę samą lukę z perspektywy korporacji. Dlatego stworzyliśmy Cybernetix, fundusz traktujący robotykę jako odrębną klasę aktywów, i uruchomiliśmy go w 2021 roku.

MassRobotics ukształtowało nasze podejście do inwestowania w prosty sposób. Zaczynamy od problemu klienta, a nie od technologii. Cenimy zespoły, w których przynajmniej jeden założyciel wywodzi się z branży, do której kierują swoją ofertę. W każdej transakcji wykorzystujemy też naszą sieć kontaktów wśród korporacji, ponieważ w tym sektorze odpowiednie przedstawienie nas potencjalnemu nabywcy może być warte więcej niż sam czek.

Fizyczna sztuczna inteligencja wyłania się jako jedna z najbardziej przełomowych dziedzin sztucznej inteligencji, wprowadzając inteligencję do maszyn wchodzących w interakcje z rzeczywistym światem. Jakie przełomy technologiczne przyspieszają jej wdrażanie i dlaczego uważa pan, że branża zbliża się do ważnego punktu zwrotnego?

Dwie rzeczy zmieniły się jednocześnie. „Mózgi” stały się znacznie lepsze, a „ciała” – dużo tańsze.

Po stronie oprogramowania modele bazowe dały robotom coś, czego wcześniej właściwie nie potrafiły: możliwość przyjmowania poleceń i radzenia sobie w sytuacjach, do których nie zostały wcześniej wyraźnie zaprogramowane. Symulacje pozwalają zespołom trenować i testować tysiące scenariuszy, zanim robot trafi do prawdziwej fabryki. Po stronie sprzętu czujniki, układy do przetwarzania brzegowego, siłowniki i akumulatory stają się coraz tańsze i lepsze, dzięki czemu startup może zbudować robota obejmującego cały stos technologiczny, nie będąc przemysłowym gigantem.

Do tego dochodzi popyt: niedobór pracowników w produkcji, logistyce, rolnictwie i budownictwie, starzenie się siły roboczej oraz realne dążenie do przenoszenia produkcji z powrotem do kraju. Zawsze powtarzam, że niedobór pracowników to problem gospodarczy, a nie inżynieryjny, i że zarządy firm zaczęły już tak do niego podchodzić.

Zatem tak, jesteśmy w punkcie zwrotnym, ale warto precyzyjnie określić, w jakim obszarze. Możliwości technologiczne i dostępność kapitału osiągnęły punkt zwrotny, ale wdrożenia na dużą skalę – nie. ChatGPT opiera się na 20 lub 30 latach zdigitalizowanej ludzkiej wiedzy, a w świecie fizycznym nie ma niczego porównywalnego. Żaden zbiór danych nie mówi robotowi, że jajko, kartkę papieru czy kawałek materiału trzeba trzymać inaczej. Kolejny etap rozwoju wyznaczą firmy, które zniwelują tę lukę w danych, wdrażając roboty w rzeczywistych środowiskach i ucząc je podczas każdej zmiany.

Inwestycje w robotykę i fizyczną sztuczną inteligencję przyspieszyły dzięki postępom w dziedzinie sztucznej inteligencji, niedoborom pracowników i rosnącemu zapotrzebowaniu na automatyzację. Co napędza entuzjazm inwestorów i w jakim stopniu ten rozmach odzwierciedla realne możliwości komercyjne, a w jakim jest przejawem spekulacyjnego entuzjazmu?

Uważam, że chodzi o jedno i drugie, a inwestorzy nikomu nie pomagają, udając, że jest inaczej.

Popyt jest realny. Deloitte i Manufacturing Institute szacują, że do 2033 roku amerykańskim producentom może brakować nawet 3,8 miliona pracowników, a około 1,9 miliona z tych miejsc pracy może pozostać nieobsadzonych. To nie jest przesada. To luka w gospodarce.

Z kapitałem sytuacja wygląda inaczej. Według danych Crunchbase w pierwszej połowie 2026 roku w startupy z branży robotyki zainwestowano 18,8 mld dolarów — więcej niż w całym 2025 roku. PitchBook odnotował jednak spadek liczby transakcji w drugim kwartale, mimo że ich wartość osiągnęła rekordowy poziom. To oznacza, że większość kapitału trafia do kilku ogromnych rund finansowania. Duża część tych pieniędzy finansuje pewną narrację: przede wszystkim humanoidy i uniwersalne modele robotów.

Celowo stosuję proste kryteria. Czy klient kupuje ponownie po zakończeniu pilotażu? Czy robot osiąga wymaganą niezawodność — na linii produkcyjnej to 99,99%, a nie 90%? Czy w ciągu mniej więcej roku pojawiają się rzeczywiste przychody? Jeśli odpowiedź na te pytania brzmi „tak”, mamy do czynienia z biznesem. Jeśli oferta opiera się głównie na tym, co robot być może będzie robić w 2030 roku, to spekulacja wyceniana jak pewnik. Branża robotyki przechodziła już taki cykl, a firmy mające płacących klientów wychodzą z rynkowej selekcji silniejsze.

Cybernetix Ventures pozyskuje środki na drugi fundusz, aby zwiększyć inwestycje w firmy z branży robotyki i AI na wczesnym etapie rozwoju. Jak zmieniła się Państwa teza inwestycyjna od czasu uruchomienia pierwszego funduszu i które nowe technologie lub branże cieszą się największym zainteresowaniem inwestorów instytucjonalnych?

Nasze podstawowe przekonanie się nie zmieniło. W obszarze AI działającej w świecie fizycznym wartość powstaje na styku oprogramowania i wdrożeń w rzeczywistych warunkach, a najlepsze roboty projektuje się, wychodząc od konkretnego problemu. Drugi fundusz jeszcze mocniej koncentruje się na tym podejściu.

Zmieniła się natomiast mapa inwestycji. Fundusz I koncentrował się na produkcji, logistyce, budownictwie i ochronie zdrowia. Fundusz II obejmuje te same obszary, a także rolnictwo, energetykę i infrastrukturę klimatyczną, sektor kosmiczny i obronność, jak również technologie podwójnego zastosowania. Proporcje pozostają zbliżone: około dwóch trzecich inwestycji trafia do firm robotycznych oferujących pełen stos technologiczny, a jedna trzecia — w technologie umożliwiające ich działanie, takie jak modele AI, systemy percepcji i cyberbezpieczeństwo komunikacji między maszynami. Pierwsze inwestycje Funduszu II trafiły do firmy zajmującej się robotyką kosmiczną oraz firmy tworzącej model percepcji, co pokazuje kierunek rozwoju nowej generacji.

Uważnie przyglądamy się też kwestiom, które w 2021 roku prawie się nie pojawiały — na przykład pochodzeniu komponentów, narażeniu łańcucha dostaw na ryzyko związane z Chinami oraz bezpieczeństwu robota po podłączeniu go do sieci.

Od inwestorów instytucjonalnych i korporacyjnych najczęściej słyszę dwa pytania. Po pierwsze, korporacje chcą wiedzieć, jak uzyskać wgląd w rynek, którego nie są w stanie rozwijać we własnym zakresie. Chodzi o wyszukiwanie okazji, analizę rynku i wspólne inwestycje. W wielu takich firmach AI działająca w świecie fizycznym stała się priorytetem na poziomie prezesa. Biura rodzinne i instytucje pytają jednak o coś bardziej bezpośredniego: dlaczego po prostu nie dołączyć do jednej z dużych rund finansowania humanoidów lub modeli robotów za pośrednictwem spółki celowego inwestowania (SPV)? Odpowiadam, że to zatłoczone, kosztowne i wymagające dużego kapitału inwestycje. Ponadprzeciętne stopy zwrotu można osiągnąć wcześniej… inwestując w firmy, których inwestorzy ogólni jeszcze nie odkryli. Właśnie w tym zakresie specjalista pokazuje swoją wartość.

Humanoidalne roboty przyciągają ogromną uwagę i kapitał, a firmy takie jak Tesla i Figure AI pracują nad coraz bardziej zaawansowanymi rozwiązaniami. Wyrażali Państwo wątpliwości co do ich opłacalności komercyjnej. W jakich obszarach, Państwa zdaniem, inwestorzy przeceniają ich potencjał w najbliższym czasie i czy wyspecjalizowane roboty stanowią bardziej atrakcyjną inwestycję?

Mam wątpliwości co do harmonogramu, nie samej technologii. Kieruję się zasadą, że forma wynika z funkcji. Jeśli zadaniem jest przenoszenie części albo ich chwytanie i układanie, warto zapytać, czy potrzebna jest bardzo złożona i kosztowna dwunożna maszyna, czy wystarczy ramię, dwa ramiona na mobilnej podstawie. Na płaskiej podłodze magazynu lub fabryki nogi niewiele dają. Zwiększają koszty, pobierają energię, a robot może się przewrócić.

Inwestorzy przeceniają humanoidy, gdy patrzą na ich potencjał w najbliższym czasie przez pryzmat wycen. Zakładają one szybkie wdrożenia na szeroką skalę, choć wiele trudnych problemów pozostaje nierozwiązanych — między innymi kwestia zręcznych dłoni, sprzężenia zwrotnego dotyku i siły, baterii działających przez kilka godzin oraz powtarzalnego i możliwego do prześledzenia stosu AI. Wskaźnik błędów na poziomie 10% jest akceptowalny w chatbotach. W zakładzie produkcyjnym jeden błędny ruch może kogoś zranić albo kosztować klienta miliony. Spodziewam się znaczących dostaw w ciągu 5–10 lat, a nie w przyszłym roku.

Humanoidy sprawdzają się tam, gdzie otoczenie zaprojektowano z myślą o ludziach i nie można go przebudować. Moim ulubionym przykładem jest przestrzeń kosmiczna. NASA pobiera od użytkowników komercyjnych około 130 000 dolarów za godzinę pracy astronauty, więc robot, który może pracować wewnątrz stacji zaprojektowanej dla ludzi, szybko się zwraca. Podobna logika dotyczy obiektów jądrowych, reagowania na klęski żywiołowe i niektórych zadań obronnych.

Zatem w najbliższym czasie wyspecjalizowane roboty rzeczywiście oferują lepszy stosunek ryzyka do potencjalnego zysku. Są już dostarczane klientom, którzy za nie płacą.

Choć humanoidalne roboty dominują w nagłówkach, Cybernetix Ventures koncentruje się na praktycznych zastosowaniach w produkcji, ochronie zdrowia, logistyce i budownictwie. Które branże mogą w najbliższym czasie odnieść największe korzyści gospodarcze z wykorzystania AI działającej w świecie fizycznym i gdzie już widać wymierne zyski z inwestycji w automatyzację?

Najszybsze efekty pojawiają się tam, gdzie zbiegają się trzy czynniki: kosztowny problem, niedobór pracowników i klient, który mierzy wyniki w pieniądzach.

Produkcja przemysłowa jest na pierwszym miejscu, zwłaszcza w już działających zakładach. Większości fabryk nie da się przebudować z myślą o robotach. Firma mająca setki lokalizacji potrzebuje automatyzacji, która sprawdzi się w istniejących budynkach. Dlatego systemy wizyjne oparte na AI, dzięki którym obecne ramiona robotyczne mogą chwytać nieuporządkowane, błyszczące lub przezroczyste elementy, są tak cenne. Udoskonalają to, co już działa na hali.

Logistyka to najbardziej dojrzały rynek, z wyraźnym zwrotem z inwestycji (ROI) w kompletowaniu, przemieszczaniu i załadunku towarów. Mimo to niezawodne wyjmowanie dowolnego pojedynczego przedmiotu z pojemnika z wymieszanymi elementami nadal nie jest w pełni rozwiązanym problemem.

Ochrona zdrowia i nauki przyrodnicze są niedoceniane. Zautomatyzowane laboratoria przekształcają powolną, ręczną pracę w szybsze i powtarzalne analizy, a firmy opracowujące leki już wiedzą, jak płacić za szybsze uzyskiwanie wyników.

Budownictwo jest na wcześniejszym etapie rozwoju, ale zmaga się z jednym z największych niedoborów pracowników. Roboty przynoszą korzyści przy wąsko określonych zadaniach, takich jak wytyczanie układu czy podnoszenie materiałów.

Tam, gdzie widzę wymierne korzyści, niemal zawsze powtarza się ten sam schemat: jedno wąsko określone zadanie wykonywane bardziej niezawodnie, a zwrot z inwestycji widoczny dla klienta w jego własnych danych, a nie na slajdzie z prognozą pięcioletnią.

Postępy w rozwoju modeli bazowych, widzeniu komputerowym, uczeniu ze wzmocnieniem i symulacji zmieniają możliwości robotyki. Które innowacje w dziedzinie AI uważasz za najważniejsze w perspektywie najbliższych pięciu lat i jakie ograniczenia techniczne nadal uniemożliwiają powszechne wdrażanie robotów w nieprzewidywalnych warunkach rzeczywistych?

W ciągu najbliższych pięciu lat obserwowałbym cztery obszary.

Modele bazowe dla robotów, zwłaszcza te łączące widzenie, język i działanie. Spodziewam się jednak, że będą zdobywać kolejne dziedziny jedna po drugiej, a nie działać jako jeden model do wszystkiego. Najpierw będzie jedno konkretne zastosowanie, potem szerszy zakres zastosowań, a być może w końcu cała dziedzina — na przykład budowa domów jednorodzinnych. Nie wierzę, że jeden model będzie obsługiwał budownictwo, produkcję przemysłową i ochronę zdrowia.

Symulacja, bo obniża koszt trenowania. Pozwala jednak osiągnąć 80% lub 90%. W ostatnich 10% roboty zaczynają upuszczać i uderzać w różne rzeczy.

Dotyk. Widzenie świetnie sprawdza się przy rozumieniu otoczenia. Ale żeby zmieniać świat, trzeba go poczuć. Czujniki dotykowe i lepsze chwytaki mają znaczenie, bo większość rzeczywistej pracy polega na manipulowaniu przedmiotami.

Infrastruktura danych. W branży pojazdów autonomicznych całe pokolenie firm, takich jak Scale AI, zbudowało duże przedsiębiorstwa zajmujące się zbieraniem i etykietowaniem danych, a Applied Intuition rozwinęło swoją działalność wokół symulacji. Fizyczna AI stworzy własną wersję takiej infrastruktury, co stanowi jedną z największych szans w tej branży.

Wdrażanie robotów w nieuporządkowanych, nieprzewidywalnych środowiskach nadal utrudniają niezawodność i zaufanie. Fabryki potrzebują niezawodności na poziomie 99,99%. Normy bezpieczeństwa, certyfikacja i ubezpieczenia nie nadążają za potrzebami mobilnych robotów pracujących w pobliżu ludzi. Każdy podłączony do sieci robot stwarza też problem z zakresu cyberbezpieczeństwa, którego bardzo niewiele osób uwzględnia dotąd w kosztach.

Cybernetix Ventures zainwestowało w takie firmy jak Cambrian Robotics, Dash Bio i Rugged Robotics. Co przyciągnęło was do tych firm i co odróżnia obiecującą technologię robotyczną od biznesu, który można skalować komercyjnie?

Wszystkie trzy firmy zaczęły od problemu klienta, a nie od efektownego pokazu możliwości.

Cambrian Robotics. Rynek widzenia maszynowego jest zatłoczony, ale system Cambrian niezawodnie chwyta małe, błyszczące i przezroczyste elementy, z którymi większość systemów sobie nie radzi. Współpracuje z wiodącymi markami robotów przemysłowych, można go zainstalować w około pół dnia, a w 2024 roku, kiedy współprowadziliśmy rundę seedową tej firmy, był już testowany i wdrażany u takich producentów jak Toyota, Audi i Electrolux.

Dash Bio. Firmy opracowujące leki zlecają wiele analiz biologicznych zewnętrznym laboratoriom, w których praca wciąż w dużej mierze odbywa się ręcznie. Dash zbudowało wysoce zautomatyzowane laboratorium zgodne z normami GLP (Dobrej Praktyki Laboratoryjnej), w którym robotyka, AI i oprogramowanie pozwalają wykonywać kluczowe testy nawet 10 razy szybciej. Firma nie sprzedaje robotów. Sprzedaje szybsze wyniki, za które klienci już wiedzą, jak płacić.

Rugged Robotics. Na placu budowy ktoś nadal ręcznie zaznacza miejsca, w których mają przebiegać ściany i rury oraz znaleźć się elementy wyposażenia. To powolna praca, a błędy stają się kosztowne, gdy ściany są już wzniesione. Robot Rugged nanosi rysunki bezpośrednio na podłogę. Wykonuje jedno wąsko określone zadanie szybciej i dokładniej na placach budowy, na których brakuje wykwalifikowanych pracowników.

Co odróżnia obiecującą technologię od skalowalnego biznesu? W dziewięćdziesięciu dziewięciu procentach przypadków rozpoczęcie od efektownego osiągnięcia technicznego, a następnie szukanie dla niego zastosowania to przepis na problemy firmy. Firmy, które się skalują, zaczynają od problemu i cofają się od niego do maszyny — tak jak zrobiły to Kiva, Locus i Universal Robots. Potem szukam klienta, który ponownie kupuje produkt po pilotażu, wdrożenia niewymagającego obecności osoby z doktoratem, ekonomiki jednostkowej sprawdzającej się przy dużej skali oraz zespołu realizującego kamienie milowe. Wiele robotów robi wrażenie. Znacznie mniej z nich staje się podstawą biznesu.

Wraz ze wzrostem możliwości fizycznej AI nasilają się obawy dotyczące wypierania pracowników, bezpieczeństwa i nadzoru ze strony ludzi. Czy uważasz, że robotyka przede wszystkim pomaga łagodzić niedobory pracowników i wspierać ich w pracy, czy też spodziewasz się poważnych zakłóceń na rynku pracy w miarę upowszechniania się robotów?

W najbliższej perspektywie roboty przede wszystkim wypełniają luki. W fabrykach, magazynach, laboratoriach i na placach budowy, z którymi współpracujemy, problemem jest brak ludzi, a nie popytu. Stanowiska pozostają nieobsadzone przez wiele miesięcy.

Verve Motion, jedna ze spółek z naszego portfela, to przykład, do którego często wracam. Firma produkuje miękki egzoszkielet, który znacznie odciąża pracowników przez cały dzień podnoszących ciężkie ładunki. Pewien pracownik magazynu powiedział zespołowi, że po powrocie do domu wreszcie miał dość energii, by pobawić się z dziećmi. Tak właśnie robotyka może czynić dobro na świecie — i nie pozbawia nikogo pracy.

Nie będę udawać, że nie ma żadnych zakłóceń. Liczba najbardziej powtarzalnych stanowisk pracy się zmniejszy, a praca będzie się zmieniać szybciej, niż nadążą za tym nasze systemy szkoleniowe. Uczciwa odpowiedź to już teraz inwestować w przekwalifikowanie techników, operatorów i osób serwisujących floty robotów. Każdy dostarczony robot tworzy pracę dla kogoś, kto go instaluje, programuje i naprawia.

Jeśli chodzi o bezpieczeństwo, robotyka ma w rzeczywistości przewagę nad sztuczną inteligencją w oprogramowaniu. Roboty przemysłowe od dziesięcioleci podlegają normom bezpieczeństwa i certyfikacji. Wraz ze wzrostem ich inteligencji tę kulturę trzeba zachować: jasno określona odpowiedzialność, zabezpieczone maszyny i ludzie kontrolujący kluczowe decyzje.

Patrząc na rok 2030 i kolejne lata, które osiągnięcia w dziedzinie fizycznej sztucznej inteligencji i robotyki będą, Państwa zdaniem, miały największy wpływ na światową gospodarkę? Czy są jakieś niedoceniane możliwości inwestycyjne lub nowe zastosowania, którym należy poświęcić znacznie więcej uwagi?

Uważam, że do 2030 roku największe znaczenie dla światowej gospodarki będą miały trzy kwestie.

Roboty uczące się w miejscu pracy wreszcie umożliwią automatyzację małym i średnim producentom, których nigdy nie było stać na indywidualną integrację systemów. To właśnie tam znajduje się większość zaplecza przemysłowego.

Zautomatyzowane laboratoria przyspieszą rozwój nauki, umożliwiając całodobowe prowadzenie badań biologicznych i odkrywanie leków.

Strategiczne znaczenie zyska także łańcuch dostaw komponentów do robotów — siłowników, silników, czujników i kół zębatych. Większość producentów humanoidów nie wytwarza tych części. Projektują, integrują i montują roboty, a znaczna część dostaw pochodzi obecnie z Chin i Japonii. To, kto zbuduje tę bazę w Stanach Zjednoczonych i krajach sojuszniczych, będzie miało ogromne znaczenie.

Niedoceniane jest zaplecze: gromadzenie danych ze świata fizycznego, symulacje i testy, zarządzanie flotą, percepcja, a także tożsamość maszyn i cyberbezpieczeństwo, dzięki którym roboty mogą sobie nawzajem ufać i ufać sieciom, w których działają. Niedostatecznej uwagi poświęca się też specjalistycznym zastosowaniom w branżach zmagających się z niedoborem pracowników, o których rzadko mówi się w nagłówkach — na przykład w rolnictwie i budownictwie.

Nagłówki będą poświęcone humanoidom. Znaczna część pieniędzy zostanie zarobiona na zapleczu. Ostatecznie liczy się wpływ społeczny, a nie technologiczny.

Dziękuję za świetny wywiad. Czytelnicy, którzy chcą dowiedzieć się więcej o robotyce, fizycznej sztucznej inteligencji i inwestowaniu na wczesnym etapie w automatyzację, powinni odwiedzić Cybernetix Ventures.