Американський стартап Lyte, заснований колишніми інженерами Apple, які працювали над технологією розпізнавання облич Face ID, залучив близько $165 млн у новому раунді фінансування, збільшивши оцінку компанії більш ніж утричі — до $1,6 млрд.
Раунд очолив інвестиційний фонд Maverick Silicon. У ньому також взяли участь чинні інвестори Lyte, зокрема Fidelity Management & Research, який очолював попередній раунд Series B, а також Atreides Management, Key1 Capital і Ora Global.
З урахуванням нового фінансування загальний обсяг залучених Lyte коштів із моменту заснування компанії у 2021 році сягнув $272 млн.
Стартап із Саннівейла, штат Каліфорнія, розробляє технології, які дають змогу роботам краще бачити навколишній простір, орієнтуватися в ньому та безпечніше виконувати завдання. Отримані кошти Lyte спрямує на розширення виробництва власних сенсорних чипів і платформи LyteVision, а також на найм працівників у сфері розробки, операційної діяльності, підтримки клієнтів та управління. Наразі в компанії працюють близько 120 осіб.
«Ми постійно розпродаємо всі наші кремнієві компоненти, чипи та апаратне забезпечення», — заявив співзасновник Lyte Олександр Шпунт. За його словами, попит на технології компанії різко зріс невдовзі після того, як у січні 2026 року стартап вийшов із режиму прихованої розробки.
За словами Шпунта, ринок так званого фізичного ШІ (Physical AI) розвивається дуже швидко. Під цим терміном розуміють технології штучного інтелекту, які працюють не лише з цифровою інформацією, а й дають роботам змогу сприймати фізичний світ, навчатися взаємодіяти з ним і самостійно виконувати дії.
Lyte поки не розкриває назви своїх клієнтів, однак повідомляє про співпрацю з кількома великими компаніями. Її технології вже використовуються в різних видах робототехніки, зокрема гуманоїдних і мобільних роботах.
Особливий інтерес до Lyte пов’язаний із походженням її команди. Компанію заснували троє колишніх співробітників Apple — Олександр Шпунт, Арман Хаджаті та Юваль Герсон, які брали активну участь у розробці технологій тривимірного сприйняття та визначення глибини зображення, що стали основою роботи Face ID в пристроях Apple.
До роботи в Apple Шпунт був одним із засновників і технічним директором ізраїльської компанії PrimeSense, яка спеціалізувалася на технологіях 3D-сенсорів. У 2013 році Apple придбала PrimeSense за $350 млн, після чого її розробки стали частиною технологічної бази, використаної для створення Face ID. Герсон також працював у PrimeSense до угоди з Apple.
Флагманська технологія Lyte об’єднує три типи сенсорів: звичайну камеру, інерційну систему відстеження руху та так званий 4D-сенсор, здатний вимірювати відстань до об’єктів та їхню швидкість. Отримані дані об’єднуються на одній платформі, яка фактично виконує роль «зорового мозку» робота, даючи йому змогу одночасно розуміти, де він перебуває і що відбувається навколо.
Стратегія Lyte полягає у створенні єдиної системи, у якій власні кремнієві чипи, оптика та програмне забезпечення працюють разом. Це дає змогу об’єднувати інформацію з різних сенсорів у єдину картину того, що відбувається, у режимі реального часу.
Ринок робототехніки з використанням ШІ стрімко зростає: за оцінками McKinsey, до 2030 року його обсяг може сягнути $125 млрд. Водночас понад 60% промислових компаній поки не мають досвіду впровадження роботизованої автоматизації.
Однією з проблем галузі залишається складність інтеграції сенсорів та інших компонентів: на підготовку готового комерційного продукту можуть знадобитися роки. Lyte намагається вирішити цю проблему за допомогою принципу plug-and-play, пропонуючи клієнтам готову систему, у якій сенсори та інші компоненти об’єднані в єдину інфраструктуру.
Компанія також одночасно робить ставку на швидкість і безпеку роботів. За словами Шпунта, ці характеристики часто конфліктують між собою: що швидше працює робот, то складніше забезпечити його безпеку.
«Якщо ви працюєте повільно, ви не зможете бути комерційно успішними, а швидкість іноді досягається за рахунок безпеки», — зазначив він. За його словами, завдання Lyte — зробити роботів одночасно безпечними, швидкими та здатними розуміти навколишнє середовище, починаючи з безпосереднього сприйняття фізичного світу та перетворюючи отримані дані на інформацію, яку роботизована система може використовувати для ухвалення рішень.
