Y Combinator · Spring 2026

General Instinct

Фронтирные модели на edge-железе — полностью офлайн и в бюджет задержки

«Frontier AI on constrained edge hardware, fully offline»

Коротко

Продукт Instinct Edge: даёте модель, целевое устройство и бюджет задержки — получаете офлайн-рантайм, который укладывается в бюджет на Jetson, мобильных NPU, ARM CPU, Apple Neural Engine, Snapdragon.

Проблема

Фронтирные модели рассчитаны на датацентровые GPU и стабильную сеть. У роботов, дронов и IoT — ровно обратные ограничения: слабое железо, офлайн, жёсткая задержка.

Продукт и решение

Пайплайн от данных до сервинга: рецепты компрессии, кастомные ядра CUDA/Metal/ARM NEON, непрерывная оптимизация. Продакшен-пример: мультимодальный классификатор на Jetson Orin NX — 111 мс холодный старт, 100% решений в бюджете 150 мс, ноль обращений в облако.

Технологии

Квантование и компрессия моделей, кастомные вычислительные ядра, edge-рантаймы инференса.

Рынок и конкуренты

Обслуживает роботикс-волну YC (12% батча — индустриальные стартапы): каждой команде физического ИИ нужен инференс на борту. Конкуренты — внутренние команды оптимизации и инструменты вендоров чипов.

Бизнес-модель

B2B для команд роботики и физического ИИ.

Команда

Guanming Wang

Сооснователь

—

Bill Jiao

Сооснователь

—

Оценка almazrobots

Сильные стороны

Глубокая инженерная экспертиза (кастомные ядра) — высокий порог входа
Рынок растёт вместе со всей роботикс-волной, продукт нужен каждому игроку

Риски

Вендоры чипов (NVIDIA TensorRT, Qualcomm) развивают свои стеки оптимизации
Каждая новая платформа — дорогая инженерная работа, масштабирование нелинейно

Вердикт · «Кирки и лопаты» для физического ИИ — позиция, которая выигрывает при любом исходе гонки роботов. Риск один: конкурировать против бесплатных инструментов производителей железа.

Источники

Карточка обновлена: 2026-06-12. Метрики трекшна — заявления основателей, не аудированные данные.