Сколько стоит доказать, что робот не задавит человека?
Не показать, как он ловко берёт ящик. Не выложить минутное видео с пилотной линии. Доказать — с протоколом, логами и воспроизводимым сценарием, который можно предъявить заказчику, страховщику и регулятору.
Этот счёт рынок физического ИИ пока выставляет неохотно. Демо дешевеет. Доказательство дорожает.
12 ноября монреальская Qvyon Technologies вышла из стелса с $8 млн посевных инвестиций, или $11,4 млн канадских долларов. Раунд закрылся ещё в апреле: $6 млн долевого финансирования и $2 млн долга от RBCx. Вёл MaC Venture Capital, участвовали BDC Capital Black Entrepreneurs Fund, BKR Capital и Spotlight VP.
Товар Qvyon — слой проверки: программный продукт MIMIC Core, который превращает записи камер, лидаров и радаров в набор воспроизводимых испытаний.
На первый взгляд, ещё один симулятор. Но Qvyon целится в место, где симуляторы заканчиваются: в бумагу, которую инженер подписывает перед выпуском машины на объект.
Обещание физического ИИ — миллионы роботов на складах, дорогах и заводах. Реальность — ограниченный парк машин, которые работают в тепличных условиях, и длинный список происшествий, которые никто не смог предсказать.
Почему демо не заменяет протокол испытаний
Парк машин растёт. Вместе с ним растёт число ситуаций, которые не попали в обучающую выборку: мокрый асфальт, закрытый датчик, ребёнок, выбежавший из-за фургона, подрядчик, который переставил паллету не туда.
Каждая такая ситуация редкая. Каждая дорогая для съёмки. Некоторые опасны для воспроизведения. Некоторые статистически невозможны: чтобы поймать их в натуре, нужны миллионы километров и годы.
Frantz Saintellemy, соучредитель и CEO Qvyon, знает этот тупик изнутри. Он руководил LeddarTech — разработчиком сенсорных решений для беспилотников, который вырос из спиноффа Национального института оптики Квебека. В интервью BetaKit он говорит, что главной проблемой при работе над ПО для автономных машин была не модель, а нехватка реальных данных для проверки.
Симулятор частично решает проблему. Он даёт масштаб и дешёвые вариации. Он же создаёт новую: сгенерированная сцена не обязана быть правдой. Инженер получает красивый тест, но не доказательство, что именно эта машина поведёт себя так же в реальном мире.
Здесь и начинается бизнес Qvyon.
Что MIMIC делает с одной записью
MIMIC Core берёт реальную запись с камеры, лидара и радара. Затем восстанавливает окружение в трёх измерениях и добавляет время: статичная сцена превращается в последовательность, где объекты двигаются, свет меняется, датчик загрязняется.
Из одной поездки можно сделать десятки и сотни вариантов. Инженер меняет параметры сенсоров, положение объектов, погоду, скорость. Сценарии собираются вручную в визуальном редакторе или пакетно через Python и API. Результат — датасет с историей происхождения и отчёт, который можно приложить к решению о выпуске.
Продукт работает поверх симуляторов, которыми уже пользуются команды. Qvyon называет его «инфраструктурой реальности» — слоем, который добавляет к виртуальной сцене якорь в записанном мире.
«Эти ситуации трудно предвидеть, дорого фиксировать, иногда опасно воспроизводить и иногда статистически невозможно повторить в природе. Но именно такие сценарии любая автономная система должна научиться обрабатывать».— Frantz Saintellemy, соучредитель и CEO Qvyon
Разница с генеративным подходом практическая. Синтетика создаёт сцену с нуля и наследует все допущения модели, которая её придумала. MIMIC отталкивается от записи, сделанной на конкретной машине в конкретном месте. Для инженера это меняет цену ошибки: проверяется его система, а не фантазия поставщика данных.
Qvyon утверждает, что цикл валидации сокращается с недель до часов. Цифру компания не раскрывает: неизвестно, сколько сценариев входит в «цикл» и сколько стоит генерация. Проверить это утверждение можно только на клиентских проектах.
Доступ к продукту — через облако Qvyon с 14-дневной управляемой оценкой или в собственной установке заказчика. Во втором случае данные не покидают периметр. В облаке компания обещает не использовать записи одного клиента для обучения моделей других.
Восемь миллионов, собранные в апреле
Структура раунда говорит о многом. $6 млн долевых денег — ставка фондов на категорию. $2 млн долга от RBCx — деньги на вычислительную инфраструктуру и развёртывание, которые компания не хочет размывать новыми долями. Долг в посевном раунде для софтверной компании встречается редко. Здесь он объясняется просто: вычисления нужны до того, как появится выручка.
Для софта, который генерирует тысячи сценариев, такой выбор логичен. Генерация — это счёт за вычисления. Чем больше клиентов, тем больше GPU-часов, и тем важнее иметь кредитную линию под оборотный капитал.
В Qvyon около 20 сотрудников. Офис в Монреале, планы выхода на США, Европу и Японию. Вёл раунд MaC Venture Capital; среди участников — BDC Capital Black Entrepreneurs Fund, BKR Capital и Spotlight VP.
«Каждая отрасль, которая внедряет ИИ в физические действия, должна будет доказать безопасность до развёртывания. Qvyon строит ответ».— Jason Baibokas, управляющий директор BDC Capital
Резюме CEO здесь работает и как аргумент, и как предупреждение. Saintellemy руководил LeddarTech — разработчиком сенсорных решений, который вырос из спиноффа Национального института оптики Квебека и пережил болезненную реструктуризацию. Он знает, как выглядит разрыв между технологической готовностью и коммерческим спросом. Но этот же опыт напоминает: сенсорный бизнес может годами оставаться обещанием.
Qvyon продаёт не сенсор. Она продаёт отчёт. Это ближе к программному обеспечению, чем к железу, и потому маржа должна быть выше. Хорошо бы увидеть её в цифрах.
Раунд закрылся в апреле, а публичный запуск состоялся в ноябре. Семь месяцев компания работала без публичного имени: дорабатывала продукт, подписывала первых клиентов, готовила инфраструктуру. Для посевной стадии это нормальный темп. Для категории, где конкуренты объявляют раунды каждую неделю, — заметная пауза.
Два клиента и календарь на 2027 год
Публично названы два клиента. NuPort Robotics из Маркема, Онтарио, разрабатывает автономные грузовики. Американский производитель Voltava будет проверять с помощью MIMIC системы инспекции на заводах.
Два имени для посевного раунда — нормально. Два имени для категории, которая обещает стать обязательной, — мало. Особенно если учесть, что 14-дневная оценка ещё не контракт, а пилот на заводе не даёт повторяемой выручки.
Дорожная карта растянута на два года. В первом полугодии 2027 года Qvyon обещает Mimic Validation OS — систему для измерения и документирования результатов испытаний. В конце 2027 года — Mimic Learn, который должен улучшать модель по данным машин, уже работающих у заказчика.
Второй продукт выглядит важнее первого. Валидация — разовый акт перед выпуском. Обучение на парке — постоянный контур: машина собирает данные, система находит дрейф, инженер обновляет модель. Здесь появляется подписка, которую можно считать годами. Если Mimic Learn заработает, Qvyon сможет продавать не разовую проверку, а годовое сопровождение парка.
Как мы писали в октябре, страховка для гуманоидов уже стала отдельным рынком: полис вместо демо. Qvyon пытается встать на шаг раньше страховщика — на сторону доказательства, без которого полис не выпишут.
Страховка, а не симулятор
Категория валидации формируется быстрее, чем кажется. За неделю до Qvyon другой стартап, Physicl, привлёк $10 млн на ту же проблему краевых случаев. Крупные игроки решают её иначе: Waabi строит собственный симулятор и генерирует синтетические данные под свои грузовики, Waymo публично разбирает инциденты, которые уже повлияли на восприятие роботакси.
Это создаёт Qvyon неудобный вопрос. Валидация — отдельный слой или функция симулятора? Если функция, её добавит каждый поставщик платформы, и независимому игроку останется ниша для чужих сенсоров и старых машин.
Есть и второй вариант. Валидация может стать тем же, чем стала бухгалтерская отчётность: скучным обязательным слоем, который никто не хочет строить внутри, потому что его ценность — в независимости. Страховщик, регулятор и заказчик хотят видеть след, а не презентацию разработчика.
Именно на эту независимость и ставит Qvyon. Отсюда и «инфраструктура реальности», и акцент на происхождении данных, и возможность поставить продукт у себя. Компания продаёт цепочку доказательств, которую можно передать третьей стороне.
«Мы годами строили ИИ для машин и видели, как трудно доказать, что система готова к дороге. Компаниям нужно проверять, что происходит с их собственными машинами и на их собственных записях».— Frantz Saintellemy, соучредитель и CEO Qvyon
Слабое место — экономика. Генерация сценариев требует вычислений, а вычисления стоят денег. Чем дешевле станет генерация, тем меньше останется в цене за сам процесс и тем больше — в цене за доверие, подпись и совместимость с процедурами заказчика. Пока Qvyon не раскрывает ни цену, ни стоимость одного сценария, ни долю повторных контрактов.
Есть и культурный барьер. Автопроизводители и промышленные группы привыкли проверять всё сами. Отдать валидацию внешнему поставщику — значит признать, что внутренний процесс чего-то не видит. Для инженерного руководства это дорогой разговор, даже если софт стоит копейки.
Сравнение с испытательными лабораториями напрашивается. Автомобильная отрасль давно платит TÜV, SGS и dSPACE за независимые краш-тесты и стенды. Но там есть стандарт, по которому сравнивают результат. В физическом ИИ такого стандарта пока нет: каждый заказчик приносит свой набор сценариев и сам решает, что считать достаточным покрытием.
Qvyon могла бы стать автором этого стандарта. Для этого нужно, чтобы её отчёты признали хотя бы несколько крупных заказчиков и один страховщик. Пока публично известны два клиента и ни одного страхового партнёра.
Собственная установка помогает снять возражения по данным, но усложняет продажу: интеграция ложится на плечи клиента, а обновления продукта доходят медленнее. Облако проще масштабировать, зато оно требует доверия к чужому периметру. Qvyon предлагает оба варианта и пока не говорит, какой из них приносит больше денег.
Наш скепсис касается скорости продаж. Продукт может быть сильным. MIMIC способен оказаться лучшим инструментом на рынке и всё равно упираться в закупочный цикл длиной в год.
У Qvyon есть редкое преимущество: она продаёт проблему, которую клиент уже чувствует. Каждый производитель робота знает, что после демо начинается самый дорогой этап — доказательство. Вопрос лишь в том, готов ли он платить за это внешнему поставщику или продолжит строить внутри.
Всё упирается в то, кто платит за доказательство: разработчик робота, его заказчик или страховщик. От ответа зависит, станет Qvyon инфраструктурой или ещё одним вендором в цепочке.
Пока Qvyon продаёт скорость. Доверие придётся покупать отдельно.
