Helm.ai a signé 70 millions de dollars de contrats commerciaux sur 12 mois avec des constructeurs automobiles, des sociétés d’automatisation industrielle et des fournisseurs de niveau 1, alors que son logiciel de base s’étend des voitures aux équipements miniers et à la robotique. L’entreprise affirme qu’elle est sur la bonne voie pour atteindre l’équilibre opérationnel alors que ses programmes automobiles approchent du début de la production.
Les accords couvrent la perception, la conduite full-stack, l’étiquetage automatisé des données et la simulation générative, avec des travaux automobiles couvrant le niveau de développement 2+ jusqu’au niveau 4. Aucun client, aucun chiffre d’affaires ou date d’équilibre n’ont été divulgués, ce qui laisse flou l’ampleur des contrats individuels.
En dehors de la route, le logiciel de perception de Helm.ai est sur la voie de la production d’équipements lourds dans les mines à ciel ouvert. Le fondateur et directeur général Vladislav Voroninski a déclaré que la conduite automobile est le premier marché à grande échelle de l’entreprise, les mêmes modèles étant déjà appliqués à la robotique.
Il a fait valoir que ses modèles ont besoin de beaucoup moins de données et de calculs pour comprendre comment le monde physique est structuré, ce qui lui permet d’atteindre le seuil de rentabilité dans un segment connu pour brûler des milliards. Helm.ai crédite sa méthode d’enseignement profond non supervisé, qui sépare la compréhension d’un environnement de l’action dans celui-ci.
Cet argument cible les coûts qui pèsent sur les développeurs d’autonomie concurrents : collecte de données basée sur la flotte, grands modèles de bout en bout et puces embarquées haut de gamme. Helm.ai prévoit de faire d’autres annonces plus tard cette année.
Pourquoi c’est important :
- Le pari croisé de Tesla, sous licence. Tout comme Tesla étendant sa pile de conduite à Optimus, Helm.ai parie qu’une lignée de modèles peut être transférée des véhicules aux robots et aux machines industrielles, bien qu’elle vende cette capacité aux équipementiers et aux fournisseurs au lieu de la conserver en interne.
- La méthode de formation diverge de celle de Tesla. Les arguments de Helm.ai contre la collecte de données à l’échelle de la flotte et les modèles de bout en bout ciblent l’approche que Tesla a adoptée, afin que ses programmes de production puissent tester si une formation non supervisée peut correspondre aux données de la flotte à moindre coût.
- L’autonomie sous licence séduit les constructeurs OEM. 70 millions de dollars de contrats signés suggèrent que les constructeurs automobiles ne disposant pas de flottes de la taille de Tesla considèrent les licences comme une voie moins coûteuse vers L2+ et au-delà, même si la valeur du contrat signé peut prendre des années pour se transformer en revenus.