Le financement de la robotique s’est globalement refroidi depuis ses sommets de 2021-2022, mais de nombreux problèmes révélés par la pandémie restent fermement en place. Le principal obstacle au financement à risque dans cette catégorie est la pénurie persistante de main-d’œuvre. Le cabinet d'analystes Garner prévoit que d'ici 2028 , la moitié des grandes entreprises emploieront des robots dans leurs entrepôts et leurs processus de fabrication.
L’autre facteur clé de la robotique d’entrepôt et de logistique est son expérience éprouvée. Alors que de nombreuses approches d'automatisation ont actuellement un retour sur investissement théorique, les robots d'entrepôt effectuent actuellement le travail, depuis Amazon jusqu'en bas.
GrayMatter fait partie de ceux qui ont fait leurs preuves dans le domaine. L'entreprise de Californie du Sud déclare que ses systèmes produisent actuellement « une amélioration de 2 à 4 fois de la productivité de la chaîne de production [et une] réduction de 30 % ou plus des déchets consommables ». De grands noms, dont 3M, utilisent actuellement ses systèmes.
Tout cela en dépit du fait que GrayMatter est une jeune entreprise, qui n’a été fondée qu’au début de la pandémie en 2020.
"Nous avons fondé GrayMatter pour améliorer la productivité tout en donnant la priorité au bien-être de la main-d'œuvre", a déclaré le co-fondateur et PDG Ariyan Kabir dans un communiqué. « Grâce à nos systèmes basés sur la physique et basés sur l'IA, nous remplissons notre mission tout en ouvrant de nouveaux niveaux d'efficacité et de productivité. Avec le soutien de nos investisseurs, nous faisons une réelle différence pour les employés des ateliers et résolvons les pénuries critiques de main-d'œuvre dans le secteur manufacturier actuel.
Qu’est-ce alors qu’un système robotique « basé sur la physique » ? GrayMatter oppose son approche à la méthode purement basée sur les données utilisée par d'autres. L'entreprise explique :
Considérez le problème de la prédiction du résultat du processus en fonction de l'entrée. Si l'on s'attend à ce que la sortie augmente avec une augmentation de l'entrée, alors l'espace du modèle sous-jacent est limité et une plus petite quantité de données peut l'entraîner. Nous n’avons pas besoin de considérer des modèles arbitrairement complexes. D'un autre côté, cela nécessite des représentations plus complexes et des méthodes de génération de solutions associées pour gérer les contraintes afin de produire des performances de calcul acceptables. Nous ne pouvons pas former un simple réseau neuronal avec des données d'entrée et de sortie observées. Dans ce cas, rien ne garantit que la contrainte de processus sera préservée si la sortie utilisée lors de la formation est bruyante.
L’intérêt porté à l’entreprise a stimulé la croissance. GrayMatter est un habitué de nos offres d'emploi en robotique. Le résumé que nous avons publié en mai répertoriait 20 postes vacants, parmi les plus élevés de ceux répertoriés.
Cette croissance, à son tour, est soutenue par un financement continu. Jeudi, GrayMatter a annoncé un tour de table de série B de 45 millions de dollars, dirigé par Wellington Management, avec la participation de NGP Capital, Euclidean Capital, Advance Venture Partners, SQN Venture Partners, B Capital, Bow Capital, Calibrate Ventures, OCA Ventures et Swift Ventures.
Le cycle double presque la série A de 25 millions de dollars clôturée par la société en 2022.
Cet article est rédigé par intelligence artificielle et peut contenir certaines erreurs, il est donc nécessaire de vérifier les informations importantes mentionnées dans l'article.
GetResponse vs HubSpot : Quelle plateforme de marketing choisir en 2024 ?