Limitless Labs pozyskał 20 milionów dolarów w rundzie serii A, aby wprowadzić Agentic AI do precyzyjnej produkcji

Limitless Labs pozyskał 20 milionów dolarów w rundzie serii A, gdy firma chce rozszerzyć to, co nazywa światową pierwszą platformą Agentic Physical AI dla produkcji opartej na CAD/CAM. Finansowanie było prowadzone przez Dell Technologies Capital (DELL ) i Square Peg, z udziałem Grove Ventures, Meron Capital i Kinetica. Firma twierdzi, że nowy kapitał zostanie wykorzystany do rozszerzenia operacji w Stanach Zjednoczonych, przyspieszenia rozwoju swojego Physical AI Foundation Model oraz kontynuowania budowy zdolności automatyzacji dla programowania CNC.

Założona w 2024 roku i wcześniej znana jako LimitlessCNC, startup z siedzibą w Tel Awiwie koncentruje się na jednym z najbardziej uporczywych wąskich gardeł produkcji: wysoko wyspecjalizowanym procesie programowania maszyn CNC (Computer Numerical Control), które są używane do produkcji złożonych komponentów lotniczych, obronnych, medycznych i przemysłowych. Podczas gdy wiele firm z branży AI koncentruje się na cyfrowych procesach roboczych, Limitless Labs jest częścią rosnącej fali firm, które próbują wprowadzić AI bezpośrednio do środowisk produkcji fizycznej.

Wprowadzanie AI bezpośrednio do systemów CAD/CAM

Współczesne obróbka CNC nadal w dużej mierze opiera się na doświadczonych programistach, którzy rozumieją strategie narzędziowe, ograniczenia maszyn, właściwości materiałów i niezliczone decyzje wymagane do przekształcenia modelu CAD w część nadającą się do produkcji.

Limitless Labs zbudował swoją platformę, aby działała wewnątrz oprogramowania CAD/CAM już używanego przez producentów, w tym Siemens NX CAM, Mastercam i PTC Creo. Agent CAM firmy został zaprojektowany, aby pomagać inżynierom w identyfikowaniu cech obróbki, zaleceniach strategii narzędziowych, sekwencjonowaniu operacji, generowaniu ścieżek narzędzi i tworzeniu gotowych do produkcji programów maszyn. Według firmy klienci zredukowali czas programowania CNC o nawet 50%, przy jednoczesnym utrzymaniu nadzoru ludzkiego w całym procesie roboczym.

Szerzej zakrojony cel nie polega po prostu na zautomatyzowaniu zadań programistycznych, ale na przechwyceniu instytucjonalnej wiedzy produkcyjnej, która często istnieje tylko w umysłach starszych operatorów maszyn i programistów. Platforma została zaprojektowana, aby połączyć źródła danych inżynierskich, uczyć się z wiedzy maszynowej firmy i ciągle poprawiać zalecenia za pomocą integracji z istniejącymi systemami produkcyjnymi.

Budowanie modelu podstawowego dla świata fizycznego

W centrum platformy znajduje się to, co Limitless Labs nazywa modelem podstawowym Physical AI. W przeciwieństwie do dużych modeli językowych szkolonych głównie na tekście i kodzie, firma twierdzi, że jej model jest szkolony na danych specyficznych dla obróbki, w tym geometrii CAD, ograniczeń produkcyjnych, zachowania maszyn i fizyki cięcia metalu.

Pomysł odzwierciedla szerszą zmianę, która zachodzi w całej przemysłowej AI. Zamiast polegać na uogólnionych systemach AI, producenci coraz częściej wymagają modeli, które rozumieją rzeczywiste procesy, ograniczenia fizyczne i wymagania operacyjne. Te specjalistyczne systemy są projektowane, aby wspierać procesy robocze inżynierskie, w których precyzja, niezawodność i powtarzalność są kluczowe.

Zamiast funkcjonowania jako samodzielny czatbot, platforma działa jako współpilot inżynierski osadzony w istniejącym oprogramowaniu produkcyjnym. Według firmy system ocenia limity maszyn, ograniczenia narzędzi, podaje, prędkości, tolerancje i wymagania produkcyjne podczas generowania zaleceń.

Rozwiązywanie luki wiedzy w produkcji

Czas podniesienia kapitału następuje, gdy producenci stają w obliczu rosnącego wyzwania związanego z siłą roboczą.

Według danych cytowanych przez firmę, prawie jedna czwarta amerykańskiej siły roboczej w produkcji ma obecnie 55 lat lub więcej, podczas gdy 97% producentów identyfikuje retencję wiedzy jako główne zmartwienie. Branża obecnie boryka się z ponad 400 000 niewypełnionych stanowisk, a ta luka ma się znacznie powiększyć w ciągu najbliższej dekady.

Dla branż takich jak lotnicza, obronna i medyczna, błędy programistyczne mogą być drogie, a ekspertyza często wymaga lat doświadczenia, aby ją rozwinąć. Podczas gdy doświadczeni operatorzy maszyn przechodzą na emeryturę, producenci stają pod coraz większą presją, aby zachować wiedzę operacyjną i jednocześnie wprowadzać nowych inżynierów w krótszym czasie.

Założyciele Limitless Labs twierdzą, że AI może służyć jako mechanizm do przechwytywania i skalowania tej wiedzy, zamiast zastępować inżynierów, którzy ją posiadają. Platforma firmy została zaprojektowana, aby uczyć się z historycznych decyzji programistycznych i standardów organizacyjnych, pomagając nowym inżynierom w korzystaniu z wiedzy zgromadzonej przez dziesięciolecia doświadczenia produkcyjnego.

Następna faza przemysłowej AI

Wzrost AI generatywnej został w dużej mierze zdefiniowany przez rozwój oprogramowania, generowanie treści i narzędzia produktywności przedsiębiorstw. Produkcja stanowi trudniejsze wyzwanie, ponieważ systemy AI muszą działać w ścisłych ograniczeniach fizycznych, gdzie błędy mogą wpływać na jakość produkcji, wydajność maszyn i bezpieczeństwo operacyjne.

To dlatego wiele firm z branży AI przemysłowej przechodzi od ogólnych modeli językowych w kierunku systemów specyficznych dla domeny, szkolonych na danych inżynierskich, produkcyjnych i operacyjnych. W całym ekosystemie CAD, symulacji i produkcji rośnie liczba startupów budujących agenci AI zaprojektowanych specjalnie dla procesów roboczych inżynierii mechanicznej, co sugeruje, że sektor może wkraczać w nową fazę przyjęcia.

Dla Limitless Labs następnym celem jest rozwinięcie swojego Physical AI Foundation Model w kierunku bardziej autonomicznych procesów roboczych CNC, przy jednoczesnym kontynuowaniu rozszerzania operacji handlowych w Stanach Zjednoczonych. Firma planuje powiększyć swój zespół badawczy w Tel Awiwie i niemal podwoić liczbę pracowników w ciągu najbliższego roku.

Podczas gdy AI coraz częściej przechodzi od asystentów cyfrowych do środowisk produkcji fizycznej, większym pytaniem nie jest już, czy AI może generować projekty czy pisać oprogramowanie. Zamiast tego, uwaga skupia się na tym, czy AI może pomóc w zarządzaniu złożonością, ekspertyzą i podejmowaniem decyzji niezbędnych do produkcji fizycznych produktów, które są podstawą nowoczesnej branży.