Nomadic cilja na podatkovnu infrastrukturu za autonomna vozila

Uvod

Autonomna vozila nisu više samo priča o „mozgu“ koji upravlja vozilom, nego o podacima koji taj mozak hrane. Svaki kilometar vožnje proizvodi nove sate videa i senzorskih zapisa koje nitko nema vremena pregledati. Velika većina tih podataka završi u arhivi – bez stvarne vrijednosti. Upravo na tom mjestu želi se pozicionirati NomadicML: kao sloj koji iz sirove stvarnosti radi strukturirano gorivo za modele. U nastavku analiziramo njihovu rundu od 8,4 milijuna dolara, što znači za industriju fizičke AI te gdje su tu Europa i jugoistočna Europa.

Vijest ukratko

Kako piše TechCrunch, NomadicML je prikupio 8,4 milijuna američkih dolara seed ulaganja uz post‑money valuaciju od 50 milijuna dolara. Rundom je upravljao fond TQ Ventures, uz sudjelovanje Pear VC‑a i bivšeg šefa Googleove umjetne inteligencije Jeffa Deana. Tvrtku su osnovali Mustafa Bal i Varun Krishnan, a razvija platformu koja videozapisima iz autonomnih vozila i robota automatski pridružuje strukturu i oznake koristeći skup vidno‑jezičnih modela.

Rješenje je namijenjeno timovima čije flote generiraju ogromne količine podataka, od kojih većina danas ostaje neiskorištena jer je ručna analiza prespora i preskupa. Sustav Nomadica otkriva rijetke, ali važne slučajeve, pomaže u nadzoru nad flotom i kreira specijalizirane skupove podataka za učenje pojačanjem. Među klijentima su već Zoox, Mitsubishi Electric, Natix Network i Zendar. Tvrtka je nedavno pobijedila na startup natjecanju Nvidia GTC i sada radi na širenju podrške i na lidar te druge senzore.

Zašto je to važno

Nomadic ne pokušava konkurirati proizvođačima autonomnih sustava u samom „voznom“ softveru, nego u onome što sve te sustave povezuje: podatkovnoj infrastrukturi. Danas su gotovo svi ozbiljniji projekti autonomne vožnje i robotike suočeni s istim paradoksom – podataka ima previše, ali stvarno upotrebljivih podataka premalo.

Ako Nomadic uspije iz tog kaosa stvoriti pretraživu bazu – s upitima tipa: „pronađi sve slučajeve prolaska kroz crveno uz signalizaciju policajca“, „izdvoji sve promjene trake na mokrom kolniku noću“ ili „pronađi svaki put kad je robotska ruka promašila cilj“ – mijenja se odnos snaga. Manji proizvođači robota, logističke tvrtke ili operateri javnog prijevoza u EU više ne bi morali graditi skupa interna rješenja kako bi iskoristili podatke svojih flota.

Kratkoročni dobitnici su razvojne ekipe pod regulatornim i troškovnim pritiskom: mogu brže ponavljati ciklus učenja modela, kvalitetnije argumentirati sigurnost sustava i lakše zadovoljiti zahtjeve nadzornih tijela. Gubitnici bi mogli biti tradicionalni „labeling“ servisi koji se oslanjaju pretežno na ručni rad bez dublje analitike.

No pojavljuju se i nova pitanja: kako spriječiti da algoritmi za pretragu „zanimljivih“ scena ne uvedu skrivene pristranosti? Tko odlučuje koji se podaci smiju ponovno koristiti, a koji se moraju brisati zbog zaštite privatnosti? U EU, gdje su GDPR, Zakon o digitalnim uslugama i budući Akt o umjetnoj inteligenciji realnost, to više nisu tehnički detalji nego strateški rizici.

Šira slika

Nomadicova priča dobro se uklapa u nekoliko većih trendova.

Prvo, fokus se pomiče s čistog razvoja modela na izgradnju sustava koji te modele hrane podacima. Tvrtke poput Scalea, Kognica i Encorda posljednjih godina ubrzano uvode AI u automatsko označavanje podataka. Nvidia je objavila otvorenu obitelj modela Alpamayo upravo za takve zadatke. Nomadic pokušava ići korak više: umjesto da samo stvara oznake, ponaša se kao agent koji razumije sekvence, kontekst i iz svega toga sklapa specifične skupove podataka.

Drugo, fizička umjetna inteligencija izlazi iz pilot‑faze. Robotaksiji, dostavni roboti na pločnicima, autonomni viličari, poljoprivredni roboti – svi ovise o tome koliko brzo mogu učiti iz svakodnevnog rada. Slično je svojedobno bilo i s cloudom: kad su poslužitelji postali komoditizirani, pravo natjecanje preselilo se na sloj podatkovnih platformi poput Snowflaka ili Databricksa. U autonomnim sustavima upravo gledamo početak iste tranzicije.

Treće, sve je više tzv. agentskih sustava koji kombiniraju više modela i koraka zaključivanja. Koncept RAG‑a poznajemo iz svijeta teksta: veliki jezični modeli traže relevantne dokumente i kombiniraju ih s generiranjem. Nomadic tu logiku seli na video i senzore. To se lako može proširiti i na druga područja – nadzor infrastrukture, sigurnosne sustave, pa čak i sportsku analitiku.

Pritom ostaje otvoreno hoće li ovu novu „srednju“ razinu pod kontrolu staviti hiperskeleri (AWS, Google, Microsoft, Nvidia) ili će specijalizirani igrači poput Nomadica uspjeti izgraditi održivu nišu.

Europski i regionalni kontekst

Za Hrvatsku i širu regiju jugoistočne Europe tema je možda manje vidljiva nego u Silicijskoj dolini, ali je itekako relevantna. EU već klasificira mnoge autonomne sustave kao visokorizične u nacrtu Akta o umjetnoj inteligenciji. To znači da će proizvođači morati detaljno dokumentirati na kojim su se podacima sustavi trenirali i kako su ih validirali.

U praksi, to pogoduje alatima koji mogu dokazivo pokazati: „ovdje su svi slučajevi interakcije s pješacima“, „ovdje su situacije s vozilima hitne pomoći“, „ovdje su zabilježene greške senzora“. Za njemačke OEM‑ove ili francuske i skandinavske dobavljače to je očito; ali isto vrijedi i za manje igrače – primjerice, za hrvatske tvrtke koje razvijaju autonomne sustave za luke, skladišta ili nadzor energetskih mreža.

S druge strane, Europa želi zadržati digitalni suverenitet. To otvara prostor za regionalne alternative Nomadicu, izgrađene na europskim cloud‑platformama, s jamstvima da podaci flota ostaju unutar EU. Za startupe iz Zagreba, Ljubljane ili Beograda, koji rade na logističkim robotima, dronovima ili pametnim gradovima, postojanje ovakvih alata može značiti skraćivanje puta od prototipa do komercijalne usluge.

Na Jadranu već vidimo prve eksperimente s autonomnim brodovima, dronovima za nadzor granice ili pametnim prometnim rješenjima u turističkim gradovima. Svi oni generiraju ogromne količine videozapisa i senzorskih podataka – i svi će uskoro trebati ozbiljniju podatkovnu infrastrukturu od „spremi sve na disk i zaboravi“.

Pogled unaprijed

U iduće dvije do tri godine Nomadic će morati dokazati da nije samo „pametna tražilica za video“, nego ključni dio proizvodnog lanca AI‑a. Tehnički, najveći izazov bit će povezivanje više senzorskih izvora (kamera, lidar, radar, GPS, IMU) u jedinstven, sinkroniziran pogled na događaje. Prava vrijednost nastaje tek kada možete postaviti upit poput: „pronađi svaki slučaj kad je lidar vidio prepreku, a kamera je nije prepoznala“.

Poslovno, ključno je pitanje može li tvrtka ostati neovisna infrastruktura ili će je prije ili kasnije „progutati“ veći igrač – bilo Nvidia, neki cloud provider ili veliki proizvođač autonomnih sustava. Drugo pitanje je koliko brzo može izaći iz američko‑azijskog kruga ranih korisnika i ući u konzervativnije, regulirane sektore u Europi.

Vrijedi pratiti hoće li se pojaviti partnerstva s europskim OEM‑ovima, željezničkim operaterima, lučkim upravama ili gradovima koji razvijaju pametna prometna rješenja. Ako regulatorna tijela – primjerice, europske agencije nadležne za sigurnost prometa – počnu eksplicitno tražiti ovakve alate u svojim smjernicama, to bi bio jasan signal da je pred nama nova vrsta „kritične infrastrukture“.

Istovremeno možemo očekivati i val internih projekata: veće kompanije pokušat će same izgraditi slične sustave ili podržati otvorenokodne alternative. Hoće li ti projekti dugoročno biti održivi i dovoljno dobri, ostaje za vidjeti. Ako ne budu, rješenje specijaliziranog dobavljača poput Nomadica postat će još privlačnije.

Zaključak

Nomadicova seed runda možda nije velika u apsolutnim iznosima, ali upućuje na važnu promjenu: u svijetu autonomnih vozila i robota ključna borba seli se na sloj podataka između senzora i modela. Tko kontrolira tu „memoriju“, imat će značajan utjecaj na sigurnost, brzinu razvoja i tržišnu moć. Pitanje za europske i regionalne aktere nije hoće li ovakvi sustavi postojati – hoće sigurno – nego tko će ih graditi i pod čijim uvjetima. Gdje biste vi željeli da se nalazi pamćenje vaših strojeva?