ロボット基盤モデル開発のConfig Intelligenceへ投資 / Investing in Config Intelligence

SEOに関連するニュースリリースを公開しております。
最新のサービス情報を、御社のプロモーション・マーケティング戦略の新たな選択肢としてご活用下さい。

ロボット基盤モデル開発のConfig Intelligenceへ投資 / Investing in Config Intelligence

[26/05/22]
提供元：PRTIMES

フィジカルAI時代のデータ基盤を構築

[画像: https://prcdn.freetls.fastly.net/release_image/41941/123/41941-123-0178df7ee0cf714cdcd41db2c9f5690d-1280x720.png?width=536&quality=85%2C75&format=jpeg&auto=webp&fit=bounds&bg-color=fff ]

The article in English follows the Japanese version.

Z Venture Capital（以下、ZVC）は、ロボット基盤モデル（Robot Foundation Models）の開発を手がけるConfigへ投資しました。

Configへの投資理由

ロボット分野は今、大規模言語モデルにおいて、ChatGPTが登場する前後とよく似た転換（GPT-2.5モーメント）を迎えています。ハードウェアは成熟し、モデルアーキテクチャの設計図も固まりつつあります。一方で、決定的に不足しているのが「データ」です。テキストや画像のように、インターネット上から大量に収集できるものではないためです。データなくしては、大規模言語モデル(LLM)の革命を支えたスケーリング則--モデル規模・データ量・計算資源を拡大するほどAIの性能が予測可能な形で向上するという経験則--を、現実世界のロボットで再現することはできません。Configは、この空白を埋める存在になると、私たちは確信しています。

Configは、ロボット基盤モデルの開発に必要なデータ収集からモデル構築までを一気通貫で手がけるプラットフォーム企業です。独自開発の「Action Estimator」は、安価に撮影できる人の作業映像を、マイクロメートル単位の高精度なロボット動作データへと変換する技術を持っています。データ収集コストを大幅に低減でき、自社で蓄積した10万時間超のデータで学習させた基盤モデル「CFG-1」は、特定のハードウェアに依存することなく動作し、すでに収益化を実現しています。

ロボットにおける「スケーリング則」を実現する

ロボットの動作データは、テキストや画像のようにインターネット上に存在するわけではなく、その多くは遠隔操作によって収集されてきました。しかし、この方法では、データを大規模に蓄積することは困難です。Configの「Action Estimator」は、安価な人の作業映像を約500マイクロメートル(髪の毛の太さの約10分の1)の精度で視覚・言語・行動データへと変換することで、この課題を解決します。データが増えるほど CFG-1 は強化され、より多くの企業顧客を呼び込み、さらに多くのデータが集まります。この強力な好循環こそが、ロボティクスにおけるスケーリング則を実現する基盤となります。

エンドツーエンドの統合による競争優位

Physical IntelligenceやCovariantといった世界のトップ企業は、いずれも同じ結論に到達しています。それは、データ収集・モデル開発・現場への実装までを自社で統合的に保有することが不可欠であるということです。Configはこれを圧倒的に低いコストで実現しています。多段階の自動化されたパイプラインを通じて、収集したデータが実際にロボットの性能向上に寄与しているかを、自社の基盤モデルで検証することができます。データ収集とモデル改善が一つの輪としてつながり、自己改善が回り続ける仕組みは、データ提供のみを行う他社には真似することができない強みです。これにより、ロボティクスデータプラットフォームからロボットをサービスとして提供する事業モデルへと段階的に発展していく、明確な道筋が描かれています。

韓国大手企業との戦略提携が築くデータの優位性

Configはすでに、Samsung、LG、Hyundaiなど韓国を代表する企業と連携し、事業開始の初年度から売上を計上しています。ロボティクスはこれら大企業にとって最重要テーマの一つであり、彼らは自社だけでは構築しえない、膨大かつ多様な動作データを必要としています。世界最高のロボット導入密度と、世界水準の製造業基盤を有する韓国は、技術を磨くための理想的な舞台です。実際の工場環境での導入から生まれるデータは、海外の競合企業が遠隔から再現することのできない、Config独自の資産となります。

なぜ「今」なのか

ロボット基盤モデルとデータ基盤の市場は、フィジカルAI領域で最も急成長している分野であり、2030年までに年率50%超のペースで拡大し、180億ドル（約2.7兆円）超に達すると見込まれています。膨大な独自データという、他社が容易に模倣できない参入障壁を築けるのは、まさに今です。この優位性を獲得できる時間は、急速に短くなっています。

Configの創業チームは、この機会を捉えるのに最も適していると考えます。
CEO：Minjoon Seo氏（KAIST、Meta FAIR出身）
CTO：Hyungmok Son氏（ハーバード大学博士、Waymo出身）
Chief Scientist：Kimin Lee氏（KAIST、Google Brain出身、Decision Transformerの共著者）
COO：Jack Bang氏（UBS、Glenwood、Socra AIを経て参画）

このように最先端の研究と、企業向けの実装の双方で実績を積んだ、稀有なメンバーが揃っています。私たちは、Configがロボティクスにおけるスケーリング則を切り拓く企業になると確信しています。戦略提携、データ、基盤モデル--その全てが、韓国の産業の中心地ですでに動き始めています。これが、ZVC が投資を決定した理由です。

Config Intelligenceについて

Webサイト：config.ai
創業メンバー： Minjoon Seo（CEO）、Hyungmok Son（CTO）、Kimin Lee（Chief Scientist）、Jack Bang（COO）
メディア掲載：https://techcrunch.com/2026/05/11/koreas-biggest-manufacturers-back-config-the-tsmc-of-robot-data/

【English Version】

Why We Invested in Config Intelligence

We are living through the GPT-2.5 moment for robotics. The hardware is ready. The model architectures are maturing. What’s missing is data-and without it, the scaling law that unlocked the LLM revolution cannot take hold in the physical world. Config Intelligence is the company we believe will bridge that gap.

Config is a full-stack data-to-model platform for Robot Foundation Models (RFMs). Its proprietary Action Estimator converts cheap human video into high-precision robot action data at micrometer accuracy-at a dramatically lower cost versus traditional teleoperation. The CFG-1 foundation model, trained on 100K+ hours of in-house data, is hardware-agnostic and already generating revenue.

Unlocking the Scaling Law for Robotics

Robot action data doesn’t exist on the internet and is mostly collected via teleoperation-making scale nearly impossible. Config’s Action Estimator solves this by transforming inexpensive human video into VLA data at ~500-micrometer precision. The flywheel this creates is powerful: more data trains a stronger CFG-1, which attracts more enterprise customers, which generates more data. This is the infrastructure that finally makes the robotics scaling law achievable.

End-to-End Loop Closure as a Competitive Moat

Global leaders like Physical Intelligence and Covariant have all reached the same conclusion: end-to-end ownership of data, model, and deployment is essential. Config does this at a fraction of the cost. Its multi-stage automated pipeline verifies whether data quality actually translates to robot performance via its own RFM-a “loop closure” capability pure-play data providers cannot match. This underpins a clear business model progression: from robotics data platform to RaaS business.

Korean Strategic Partnerships as a Defensible Data Moat

Config has secured commercial contracts with major conglomerates including Samsung, LG, and Hyundai-generating revenue from its first year of operation. These aren’t pilots; robotics is among these conglomerates’ highest corporate priorities, and they need massive, diverse action datasets they cannot build themselves. Korea, with the world’s highest robot density and a world-class manufacturing base, is the ideal proving ground. Deployments in real factory environments create proprietary datasets that global competitors cannot replicate from afar.

Why Now

The RFM and data infrastructure market is the fastest-growing segment of Physical AI, projected at 50%+ CAGR toward ＄18B+ by 2030. The window to build a data moat is open-and narrowing. Config’s founding team is uniquely equipped to seize it: CEO Minjoon Seo (KAIST, Meta FAIR, 2,400+ citations), CTO Hyungmok Son (Harvard PhD, Waymo), Chief Scientist Kimin Lee (KAIST, Google Brain, creator of the Decision Transformer) and COO Jack Bang (UBS, Glenwood, Socra AI) bring rare credibility across frontier research and enterprise deployment.

We believe Config is the company that will unlock the scaling law for robotics-starting from Korea’s industrial heartland, where the partnerships are real, the data is flowing, and the foundation model is already deployed. That’s why we invested.