Автор: Syed Armani
Компиляция: Felix, PANews
ИИ больше не ограничивается экранами и программным обеспечением. По мере интеграции ИИ с робототехникой машины постепенно обретают способность воспринимать мир, интерпретировать изменяющиеся условия и действовать в реальном времени. Этот переход к интеллектуальным физическим системам (физический ИИ) начинает преобразовывать различные отрасли и, по мере созревания технологий, обещает повлиять на повседневную домашнюю жизнь.
Инновации в области робототехники растут беспрецедентными темпами. Figure недавно представила гуманоидного робота Figure 03, предназначенного для домашнего и коммерческого применения. Он может выполнять некоторые домашние дела, такие как складывание одежды и загрузка посудомоечной машины, но пока неидеально. Tesla тестирует гуманоидного робота Optimus в ограниченных пилотных проектах на своих заводских площадках. Автономные дроны и шагающие роботы все чаще используются для опасных задач инспекции. В то же время такие компании, как Unitree, и тактильные технологии, подобные FlexiTac, работают над тем, чтобы роботы могли перемещаться в захламленных домашних условиях, безопасно действовать рядом с домашними животными и детьми и помогать в повседневных делах. Готовые к использованию умные роботы будут обладать универсальным интеллектом и контекстным восприятием, например, распознавать разлитый стакан воды, который нужно убрать, без явных инструкций.
Инвесторы вкладывают значительные средства в технологический стек, который, как ожидается, станет основой для следующего поколения роботизированного оборудования. В январе 2026 года Skild AI привлекла 14 миллиардов долларов в рамках финансирования серии C с оценкой в 140 миллиардов долларов для расширения своей базовой модели универсальной робототехники; а Figure AI в своем раунде C в 2025 году привлекла более 10 миллиардов долларов при оценке после инвестиций в 390 миллиардов долларов для расширения производственных мощностей и промышленного развертывания. Apptronik увеличила свой раунд A до 935 миллионов долларов, а NEURA Robotics добавила 120 миллионов евро в своем раунде B. Все это подчеркивает растущий консенсус: физический ИИ становится стратегической основой для потребительской и промышленной робототехники.
Наступил ли переломный момент в распространении умных роботов?
Нынешнее ускорение в этой области является результатом конвергенции нескольких технологий. На протяжении десятилетий различные модули, составляющие умного робота, разрабатывались независимо: передовые алгоритмы ИИ, высокоточные сенсоры, манипуляторы и системы реального времени. Лишь недавно эти модули начали объединяться, позволяя роботам эффективно воспринимать, рассуждать и действовать в реальной среде. Вот ключевые факторы, способствующие этому «переломному моменту в робототехнике»:
Экономические факторы: Аппаратное обеспечение наконец стало товаром массового потребления. Раньше роботы были дорогими, потому что каждый компонент изготавливался на заказ. Теперь они пользуются преимуществами цепочек поставок потребительской электроники и электромобилей.
-
Приводы: Приводы для гуманоидных роботов с высоким крутящим моментом исторически были дорогими, в мелкосерийных промышленных системах стоимость одного сустава часто превышала 1000 долларов. Новые вертикально интегрированные конструкции от таких компаний, как Tesla и Unitree, снижают стоимость некоторых компонентов приводов до нескольких сотен долларов.
-
Сенсоры: За последнее десятилетие стоимость лидаров и камер глубины значительно снизилась. Высококлассное оборудование, которое когда-то стоило около 10 000 долларов, теперь доступно за несколько сотен долларов. Этому способствовали достижения в области твердотельных конструкций, массовое производство и применение в автомобильной и мобильной отраслях.
-
Аккумуляторы: Глобальные масштабные инвестиции в электромобили снизили стоимость высокоплотных литий-ионных аккумуляторов и повысили их надежность, многие роботы теперь могут работать от 2 до 4 часов без подзарядки.
Периферийные вычисления: Роботы должны обрабатывать информацию локально, потому что задачи реального времени, такие как балансирование или захват объектов, не допускают сетевой задержки. Чипы, такие как NVIDIA Jetson Thor, разработаны для выполнения AI-инференса на борту, одновременно обрабатывая несколько потоков сенсорных данных. Это позволяет роботам обрабатывать и отслеживать свою среду локально, быстро реагируя на изменяющиеся условия без зависимости от сетевого соединения.
Прорыв в «мозге» (AI-модели): Это самое большое изменение. Происходит переход от программирования «if/then» к «Моделям мира» (World Models). Модель мира — это модель ИИ, которая учится тому, как устроен реальный мир, просматривая видео. Вместо того чтобы программировать робота «повернуть дверную ручку», ему показывают 10 000 видео открывания дверей. ИИ, просто наблюдая за видео, строит ментальную модель того, как работает физика, развивая физическую интуицию и мысленно моделируя сценарии перед действием. Google Deepmind Genie 3 и NVIDIA Cosmos являются примерами таких новых моделей мира.
Пока машины становятся умнее, стоимость продолжает снижаться. Например, робот Noetix Bumi (стоимостью 1400 долларов) теперь стоит примерно столько же, сколько iPhone 17 Pro Max. Снижение стоимости аппаратного обеспечения, повышение производительности AI-чипов и расширение возможностей моделей мира — все это вместе делает умных роботов более доступными для широких масс и расширяет область исследований от передовых технологических лабораторий до более широкого круга.
Если «момент ChatGPT» для робототехники наступит в ближайшее время, то, вероятно, сначала мы увидим применение в промышленности и логистике, а затем уже по-настоящему бытовых гуманоидных роботов. Хотя до真正 широкого распространения умных роботов предстоит решить множество проблем, рациональные оптимисты понимают, что текущие тенденции указывают на будущее, в котором широкое применение умных роботов становится все более вероятным.
Крупные программные прорывы обычно сопровождаются аппаратными. Появление Instagram и TikTok стало возможным благодаря необходимому аппаратному обеспечению. Если аппаратное обеспечение для умных роботов станет широко доступным в ближайшем будущем, возникает интересный вопрос: станут ли приложения для роботов следующей волной?
Какие вызовы в настоящее время сдерживают этот импульс?
Данные для обучения роботов: Это самое большое узкое место в развитии универсальных умных роботов. В отличие от текстового ИИ, который может сканировать весь интернет, роботам нужен реальный опыт: чувствовать силу, сохранять равновесие, взаимодействовать с объектами. Сбор таких данных медленный, дорогой и очень трудоемкий.
Проблема «физичности»: Просмотр видео не может полностью научить робота манипулировать объектами или безопасно перемещаться, он должен физически чувствовать силу и контакт. Телеоперация, когда человек в реальном времени управляет роботом, позволяет одновременно захватывать намерение и усилие, и является лучшим стандартом для сбора данных. Генерация сотен часов высококачественных данных требует постоянного присутствия оператора, что масштабируется гораздо хуже, чем сбор цифровых данных.
Разрыв между симуляцией и реальностью: Симуляция может генерировать большие объемы данных с низкой стоимостью, но из-за непромоделированных физических явлений или непредсказуемости среды роботы часто терпят неудачу при переносе навыков в реальный мир.
Ончейн машинная экономика
Сочетание блокчейна и робототехники предлагает практическое решение текущих проблем робототехники. Токенные стимулы могут помочь координировать миллионы роботов и вознаграждать участников, управляющих устройствами удаленно или предоставляющих сенсорные данные. Каждое взаимодействие становится ценным активом данных, создавая быстрорастущий, принадлежащий сообществу набор данных о роботах, масштабы которого превосходят возможности любой отдельной компании.
Токенизация сбора данных
Данные роботов чрезвычайно ценны, но данные о sensing и взаимодействии в реальном мире очень ограничены. Крупные компании собирают огромные объемы данных о вождении и промышленных процессах через свои парки, что дает им преимущество масштаба, недоступное независимым разработчикам.
Децентрализованный физический ИИ позволяет пользователям удаленно управлять роботами или предоставлять сенсорные данные, получая токены в качестве вознаграждения. Децентрализованные сети могут координировать тысячи энтузиастов по всему миру, помогая роботам справляться со сложным рельефом, а участники, вносящие вклад в особые среды, могут загружать данные и получать вознаграждение. Хотя эти платформы все еще находятся на ранней стадии, они предвещают будущее, в котором данные роботов могут распространяться более широко, подрывая монополию нескольких крупных игроков.
Робот как экономический агент
В модели «робот как услуга» сам умный робот может стать «токенизированным» активом. Каждый робот (или право на его использование) может быть представлен цифровым токеном, позволяя нескольким пользователям владеть или арендовать его. Плата за услуги, предоставляемые роботом, может поступать непосредственно на кошелек робота в токенах или стейблкоинах. Такая настройка обеспечивает автономное получение дохода: робот зарабатывает деньги, оплачивает свои операционные расходы и автоматически распределяет прибыль среди держателей токенов. По сути, это Web3-протокол, который превращает роботов в программируемых, самодостаточных поставщиков услуг с прозрачным и отслеживаемым доходом.
Ландшафт рынка физического ИИ
По мере того как новое поколение умных машин учится и понимает сложную реальности трехмерного мира, граница между цифровым интеллектом и физическим поведением стирается.
В основе этой революции лежат AI-модели. Сложные «мозги», разработанные Physical Intelligence и Skild AI, выходят за рамки статического кода, обеспечивая универсальный интеллект для различных физических форм. Эти модели позволяют рассматривать ловкость и мобильность робота как программную проблему, позволяя единому унифицированному «мозгу» адаптироваться к множеству роботизированных тел. Этот интеллектуальный слой поддерживается платформами симуляции и конвейерами данных (например, от Zeromatter), позволяя системам безопасно тренироваться в виртуальной среде перед развертыванием в реальном мире.
Параллельно с мозгом робота развивается децентрализованный физический ИИ. Например, децентрализованная инфраструктурная сеть Fabric Protocol предоставляет автономным роботам ончейн-идентичность и криптокошельки, используя криптографию для проверки выполненной работы. Такие компании, как Auki, Peaq и IoTeX, строят «машинную экономику», где роботы могут обмениваться 3D-картами, проверять данные и автономно совершать сделки. Такой децентрализованный подход гарантирует, что уровень координации не контролируется одной компанией.
В промышленной сфере автономное строительное оборудование от Bedrock Robotics и автоматизация складов от Mytra переопределяют рабочую силу, в то время как ANYbotics занимается рутинным обслуживанием в опасных условиях. Между тем, прорыв на потребительском рынке в области домашних ассистентов не за горами, благодаря продвижению Figure и Unitree.
Взгляд на 2030 год
С точки зрения рационального оптимизма, возрождение робототехники уже наступило. Четыре неудержимые силы сливаются воедино: стоимость аппаратного обеспечения резко падает, интеллект AI-моделей постоянно растет, чипы для периферийных вычислений предоставляют беспрецедентную вычислительную мощность, а глобальное сообщество участников готово решить проблему данных. К 2030 году эта синергия позволит физическому ИИ проникнуть во все уголки мира, от автономного сельского хозяйства до таких областей высокого риска, как пожаротушение и уход за пожилыми людьми.
История показывает, что преобразующие программные инновации обычно происходят после стабилизации аппаратного обеспечения. Возможно, нас ждет эра «умной аренды», когда стандартизированные гуманоидные роботы будут работать под стандартной ОС и иметь встроенный магазин приложений. Как и в случае со смартфонами, следующие несколько лет будут определяться «магазинами приложений для роботов», где пользователи будут не покупать специализированные устройства, а подписываться на навыки робота. В этой модели ценность смещается от самой машины к конкретным «навыкам», которые она может выполнять. Вам не нужно покупать специального робота-репетитора по французскому, вы просто скачиваете «приложение-навык французского» на своего универсального гуманоидного робота, и он становится вашим учителем. К 2030 году для состоятельных людей предпочтительным праздничным подарком будет не флагманский складной телефон, а умный помощник, который действительно может помочь управлять домашним хозяйством.
Это предсказание основано на рациональном оптимизме. Хотя путь в будущее редко бывает прямым, конвергенция технологий предвещает глубокую трансформацию машинных технологий.
Читайте по теме: Когда роботы научатся думать, зарабатывать и сотрудничать: разбор 15 типов робототехники и примеров применения
