Автор: Syed Armani
Составил: Феликс, PANews
ИИ больше не ограничивается экранами и программным обеспечением. С слиянием ИИ и робототехники машины постепенно приобретают способность воспринимать мир, интерпретировать изменяющиеся условия и принимать действия в реальном времени. Этот переход к интеллектуальным физическим системам (т.е. физическому ИИ) начинает трансформировать различные отрасли и в будущем, по мере совершенствования технологии, окажет влияние на повседневную жизнь в домашних условиях.
Инновации в области робототехники растут беспрецедентными темпами. Figure недавно представила человеческого робота Figure 03, разработанного для домашнего и коммерческого применения. Он может выполнять некоторые домашние задачи, такие как складывание одежды и загрузка посудомоечной машины, но еще не идеален. Tesla запустила человеческих роботов Optimus в ограниченных внутренних пилотных проектах на производственных площадках. Автономные дроны и шагающие роботы все чаще используются для выполнения опасных задач по инспекции. В то же время компании, такие как Unitree и FlexiTac, работающие над тактильными технологиями, стремятся позволить роботам передвигаться в хаотичной домашней среде, обеспечивая безопасность вокруг домашних животных и детей, а также помогая с повседневными делами. Когда умные роботы будут готовы, они будут ориентированы на универсальный интеллект и контекстное восприятие — например, способность без явных инструкций распознавать, что пролитый стакан воды требует внимания.
Инвесторы вкладывают значительные средства в технологии, способные поддержать следующее поколение робототехнического оборудования. В январе 2026 года Skild AI привлекла 1,4 млрд долларов в серии C с оценкой в 14 млрд долларов для расширения своей универсальной базовой модели роботов; Figure AI собрала более 1 млрд долларов в серии C 2025 года с послевложением оценкой в 39 млрд долларов для масштабирования человеческих производственных возможностей и промышленного внедрения. Apptronik увеличила свой раунд серии A до 935 млн долларов, а NEURA Robotics добавила 120 млн евро в свой раунд серии B. Все это подчеркивает растущий консенсус: физический ИИ становится стратегической основой для потребительских и промышленных роботов.
Наступил ли переломный момент для массового распространения интеллектуальных роботов?
Нынешнее ускоренное развитие в этой области является результатом слияния нескольких технологий. Десятилетиями модули, составляющие интеллектуальных роботов, разрабатывались отдельно: передовые алгоритмы ИИ, высокоточные датчики, манипуляторы и системы управления в реальном времени. Только недавно эти модули начали объединяться, позволяя роботам эффективно воспринимать, рассуждать и действовать в реальных условиях. Ниже приведены ключевые факторы, способствующие этому «переломному моменту в робототехнике»:
Экономические факторы: оборудование наконец стало товаром. Раньше роботы были дорогими, потому что каждая деталь изготавливалась на заказ. Теперь они пользуются преимуществами цепочек поставок потребительской электроники и электромобилей.
Приводы: Приводы для высокомоментных человеподобных роботов традиционно были дорогими, и в небольших серийных промышленных системах стоимость каждого сустава обычно превышала 1000 долларов. Новые вертикально интегрированные конструкции, представленные такими компаниями, как Tesla и Unitree, снижают стоимость некоторых компонентов приводов до нескольких сотен долларов.
Сенсоры: За последние десять лет стоимость лидара и глубинных камер значительно снизилась. Высококлассные устройства, которые раньше стоили около 10 000 долларов, теперь можно приобрести за несколько сотен долларов. Это стало возможным благодаря прогрессу в области твердотельных конструкций, массовому производству и применению в автомобильной и мобильной отраслях.
Батареи: Крупные мировые инвестиции в электромобили снизили стоимость и повысили надежность высокоплотных литий-ионных аккумуляторов, благодаря чему многие роботы могут работать от одной зарядки 2–4 часа.
Edge computing: Robots must process information locally because real-time control tasks such as balancing or grasping objects do not allow network latency. Chips like NVIDIA's Jetson Thor are designed to run AI inference on-device while processing multiple sensor data streams. This enables robots to process and track their environment locally, responding quickly to changing conditions without relying on a network connection.
«Мозговой» прорыв (AI-модели): это самое значительное изменение. Переход от программирования «если/то» к «моделям мира (World Models)». Модели мира — это AI-модели, которые учатся понимать, как функционирует реальный мир, наблюдая за видео. Вместо того чтобы программировать робота «поворачивать ручку двери», ему показывают 10 000 видео, как открывают двери. AI просто наблюдая за видео, строит мысленную модель того, как работает физика, развивает физическую интуицию и мысленно моделирует сценарии до принятия действий. Google Deepmind Genie 3 и NVIDIA Cosmos — это примеры таких новых моделей мира.
По мере того как машины становятся более интеллектуальными, их стоимость продолжает снижаться. Например, робот Noetix Bumi (цена 1400 долларов США) сейчас стоит примерно столько же, сколько iPhone 17 Pro Max. Снижение стоимости оборудования, повышение производительности AI-чипов и усиление возможностей мировых моделей совместно делают интеллектуальных роботов более доступными для широкой публики и расширяют сферу исследований и разработок от передовых научных лабораторий до более широкого круга областей.
Если «момент ChatGPT» в области робототехники наступит в ближайшем будущем, первыми применениями, скорее всего, станут промышленность и логистика, а затем — настоящие бытовые человеческие роботы. Несмотря на то, что до широкого распространения интеллектуальных роботов еще предстоит преодолеть множество вызовов, рациональные оптимисты осознают, что текущие тенденции указывают на всё более вероятное будущее, в котором интеллектуальные роботы будут широко применяться.
Крупные программные прорывы обычно сопровождаются прорывами в аппаратной технологии. Появление Instagram и TikTok стало возможным благодаря необходимой аппаратной базе. Если аппаратное обеспечение для умных роботов в ближайшем будущем станет широко доступным, возникает интересный вопрос: станут ли роботизированные приложения следующей волной?
Какие текущие вызовы препятствуют этому развитию?
Данные для обучения роботов: это наибольший ограничивающий фактор в развитии универсальных интеллектуальных роботов. В отличие от текстовых ИИ, которые могут анализировать весь интернет, роботам необходим опыт реального мира, например, ощущения, способность поддерживать равновесие и взаимодействие с объектами. Сбор таких данных является медленным, дорогостоящим и чрезвычайно трудоемким.
Физические проблемы: просмотр видео не может полностью научить робота обращаться с объектами или безопасно перемещаться; ему необходимо лично ощущать силы и контакт. Удаленное управление, при котором человек в реальном времени управляет роботом, позволяет одновременно фиксировать намерения и силы и является золотым стандартом сбора данных. Для генерации сотен часов качественных данных требуется постоянное присутствие оператора, что значительно менее масштабируемо, чем сбор цифровых данных.
Разница между симуляцией и реальностью: симуляция может дешево генерировать большое количество данных, но из-за отсутствия моделирования физических явлений или непредсказуемости среды роботы часто не могут перенести навыки в реальный мир.
On-chain machine economy
Сочетание блокчейна и робототехники предлагает практическое решение для текущих вызовов, с которыми сталкивается робототехника. Механизм токенизации может помочь координировать миллионы роботов и вознаграждать тех, кто предоставляет данные от удаленных устройств или датчиков. Каждое взаимодействие становится ценным активом данных, формируя быстро растущий набор данных о роботах, принадлежащий сообществу, масштаб которого превосходит возможности любой отдельной компании.
Токенизация сбора данных
Данные роботов чрезвычайно ценны, но данные сенсоров и взаимодействия в реальном мире крайне ограничены. Крупные компании собирают огромные объемы данных о вождении и промышленности со своих автопарков, получая масштабное преимущество, недоступное независимым разработчикам.
Децентрализованная физическая ИИ позволяет пользователям удаленно управлять роботами или предоставлять данные с датчиков и получать токен-вознаграждения. Децентрализованная сеть может координировать десятки тысяч энтузиастов по всему миру, помогая роботам справляться со сложными дорожными условиями, или участники, работающие в специальных условиях, могут загружать данные и получать вознаграждения. Хотя эти платформы все еще находятся на ранней стадии, они предвещают будущее, в котором данные роботов будут более широко обмениваться, ослабляя монополию немногих крупных компаний.
Роботы как экономические субъекты
В модели «робот как услуга» сам робот может стать «токенизированным» активом. Каждый робот (или право на использование) может быть представлен цифровым токеном, позволяя нескольким пользователям владеть или арендовать его. Оплата за услуги робота может напрямую поступать в его кошелек в виде токенов или стейблкоинов. Такая настройка обеспечивает автономное получение дохода: робот зарабатывает деньги, выполняя работу, покрывает свои операционные расходы и автоматически распределяет прибыль среди держателей токенов. По сути, это протокол Web3, превращающий роботов в программируемых, самодостаточных поставщиков услуг с прозрачным и отслеживаемым доходом.
Физический AI рынок
С появлением новых поколений интеллектуальных машин, способных обучаться и понимать сложную реальность трехмерного мира, граница между цифровым интеллектом и физическим поведением стирается.
Суть этой революции — модели ИИ. Сложный «мозг», разработанный Physical Intelligence и Skild AI, выходит за рамки статического кода, обеспечивая универсальный интеллект для различных физических форм. Эти модели позволяют роботам воспринимать ловкость и подвижность как программные задачи, позволяя единому унифицированному «мозгу» адаптироваться к различным телам роботов. Этот уровень интеллекта поддерживается платформами симуляции и конвейерами данных (например, платформами от Zeromatter), что позволяет системе безопасно обучаться в виртуальной среде перед развертыванием в реальном мире.
С развитием машинного мозга появляется децентрализованная физическая ИИ. Например, сеть децентрализованной инфраструктуры Fabric Protocol предоставляет автономным роботам онлайн-идентификаторы и криптокошельки, а также использует криптографию для проверки работы машин. Компании, такие как Auki, Peaq и IoTeX, создают «экономику машин», в которой роботы могут обмениваться 3D-картами, проверять данные и совершать автономные сделки. Такой децентрализованный подход гарантирует, что уровень координации не находится под контролем одной компании.
В промышленной сфере автономные строительные машины Bedrock Robotics и автоматизация складов Mytra переопределяют трудовые ресурсы, а ANYbotics выполняет повседневное техническое обслуживание в опасных условиях. В то же время, благодаря развитию Figure и Unitree, прорыв на потребительском рынке в области домашних помощников уже не за горами.
Перспективы на 2030 год
С рационально оптимистичной точки зрения, возрождение робототехники уже наступило. Сливаются четыре неостановимые силы: стоимость оборудования резко падает, интеллект моделей ИИ постоянно растет, чипы для вычислений на краю обеспечивают беспрецедентную вычислительную мощность, а мировая рабочая сила может решить проблемы с данными. К 2030 году этот синергетический эффект приведет к проникновению физического ИИ во все уголки мира — от автономного сельского хозяйства до высокорисковых областей, таких как пожаротушение и уход за пожилыми людьми.
История показывает, что трансформационные программные инновации обычно происходят после стабилизации аппаратного обеспечения. Возможно, наступит эра «умной аренды», когда стандартизированные человеческие роботы будут работать на стандартных операционных системах и интегрировать магазины приложений. Как и в случае предыдущей революции смартфонов, следующие несколько лет будут определяться «магазинами роботизированных приложений», где пользователи не покупают специализированные устройства, а подписываются на навыки роботов. В этой модели ценность смещается с самого робота на конкретные «навыки», которые он может выполнять. Вам не нужно покупать специализированного робота-репетитора по французскому языку — просто загрузите «приложение французского навыка» на свой универсальный человеческий робот, и он станет вашим учителем французского языка. К 2030 году для состоятельных людей предпочтительным праздничным подарком уже не будет флагманский складной смартфон, а умный помощник, способный реально помогать в ведении домашнего хозяйства.
Этот прогноз основан на рациональном оптимизме: хотя путь к будущему редко бывает гладким, сочетание различных технологий предвещает глубокую трансформацию машинных технологий.
Читайте также: Когда роботы учатся думать, зарабатывать и сотрудничать — анализ 15 типов робототехнических технологий и примеров их применения