Акции Robo.ai Inc. (NASDAQ:AIIO) резко пошли вверх на торгах в предварительном режиме в четверг: рост составил 67%. Причиной стало официальное представление технологической платформы NeuroStream™ — ключевого решения, разработанного компанией через свою полностью принадлежащую структуру Neurovia AI. Инвесторы отреагировали на новость о том, что платформа нацелена на более эффективную работу с визуальными данными, которые сегодня являются одним из главных «узких мест» для систем искусственного интеллекта.
Что такое NeuroStream™ и почему это важно для AI
NeuroStream™ позиционируется как инфраструктурная основа для обработки визуальных данных в физической (то есть ориентированной на реальный мир) робототехнике и AI-приложениях. В основе технологии лежит алгоритм bitmap vectorization — подход к преобразованию изображений и видеопотоков, при котором данные кодируются более компактно, сохраняя ключевые параметры визуального контента.
Проще говоря, платформа рассчитана на то, чтобы уменьшать объем видеофайлов без потери качества, которое критично для последующего анализа компьютерным зрением: разрешение и частота кадров остаются прежними. Это особенно актуально для компаний, которые собирают и хранят большие массивы видеоданных с датчиков и камер.
Результаты внутренних тестов: сжатие до 278 МБ
По заявлению Robo.ai Inc., в ходе внутренней проверки один файл формата 4K с частотой 60 кадров в секунду объемом 5,5 ГБ удалось сжать до 278 МБ при использовании NeuroStream™. Компания подчеркивает, что итоговое уменьшение размера достигает примерно 95%.
Кроме экономии места, важен и формат: обработанные файлы сохраняют исходные параметры и могут быть открыты/использованы без необходимости устанавливать специальное программное обеспечение для распаковки. Такой момент обычно критичен для внедрения — он снижает трение при интеграции с существующими рабочими процессами и инфраструктурой хранения.
Экономика хранения данных: почему цена за терабайт имеет значение
Главный технолог Robo.ai через Neurovia AI, Mansoor Ali Khan, Chief Technology Officer Neurovia AI, связал практическую ценность платформы с ростом стоимости хранения данных. Он отметил, что глобальные цены на хранение единицы данных увеличились примерно в четыре раза с 2026 года.
Компания приводит отраслевые оценки: если удается сэкономить один терабайт хранения, то это дает прямую экономическую выгоду AI-клиенту в диапазоне от $1 000 до $1 500 в год. Логика здесь проста: меньше объема — меньше затрат на диски, серверы, резервное копирование и сопровождение хранилищ, а также ниже сопутствующие расходы на инфраструктуру и передачу данных.
Для каких сценариев рассчитан NeuroStream™
NeuroStream™ задуман для работы на «краю» сети — там, где данные появляются на месте: на edge-сенсорах, в дронах и на мобильных узлах с ограниченными вычислительными ресурсами. Термин edge computing означает, что обработка выполняется ближе к источнику данных, а не только в удаленном дата-центре. Это помогает уменьшить задержки и экономить пропускную способность каналов связи.
Отдельный акцент сделан на сценариях, где связь может быть недоступна. В компании заявляют, что платформа может функционировать автономно в отключенных средах, чтобы соответствовать требованиям комплаенса в таких сферах, как:
- аэрокосмическая отрасль;
- медицинская визуализация;
- энергетика.
Куда компания планирует внедрять технологию
Neurovia AI намерена выводить NeuroStream™ в практические применения. В качестве направлений называются:
- автономное вождение;
- робототехника;
- умные города;
- промышленный AI;
- глобальные интеллектуальные сети.
Также компания опубликовала сравнительные кейсы, где демонстрируется работа платформы в различных задачах. Подобные материалы обычно помогают потенциальным заказчикам оценить, как именно технология влияет на производительность и требования к инфраструктуре в реальных проектах.
Контекст: почему рынку важны сжатие и «edge»
В последние годы стоимость хранения и обработки визуальных данных стала одной из ключевых статей расходов для проектов на базе компьютерного зрения. Системы, которые постоянно записывают видео или собирают поток с множества датчиков, быстро упираются в лимиты по дисковому пространству, пропускной способности и задержкам. Поэтому решения, сочетающие эффективное сжатие с сохранением качества и возможностью автономной работы на периферии, часто воспринимаются рынком как «инфраструктурный» шаг, способный ускорить внедрение AI в отрасли.