Автор: Syed Armani
Перекладено: Фелікс, PANews
Штучний інтелект більше не обмежується екранами та програмним забезпеченням. Зі злиттям ШІ та робототехніки машини поступово набувають здатності відчувати світ, інтерпретувати змінні умови та вживати дій у реальному часі. Цей перехід до інтелектуальних фізичних систем (тобто фізичного ШІ) починає перетворювати різні галузі та, як очікується, з часом вплине на повсякденне життя вдома.
Інновації в галузі робототехніки зростають небаченими темпами. Figure недавно запустила людиноподібного робота Figure 03, розробленого для домашнього та комерційного застосування. Він може виконувати деякі побутові завдання, такі як складання одягу та завантаження посудомийки, але ще не ідеальний. Tesla запускає людиноподібних роботів Optimus у обмежених внутрішніх пілотних проектах на виробничих цехах. Автономні дрони та ніжкові роботи все частіше використовуються для небезпечних інспекційних завдань. Між тим, Unitree та FlexiTac, які розробляють тактильні технології, працюють над тим, щоб дозволити роботам переміщатися в хаотичному домашньому середовищі, забезпечуючи безпеку навколо тварин і дітей та допомагаючи з повсякденними справами. Коли інтелектуальні роботи будуть готові, вони зосередяться на універсальному інтелекті та контекстному сприйнятті — наприклад, виявлятимуть розлиту чашку води й вирішать, що її потрібно прибрати, без явних інструкцій.
Інвестори вкладають величезні кошти у технологічні стеки, які мають потенціал підтримати наступне покоління робототехнічного обладнання. У січні 2026 року Skild AI зібрала 1,4 млрд доларів у серії C, досягнувши оцінки в 14 млрд доларів, щоб розширити свою загальну робототехнічну базову модель; Figure AI зібрала понад 1 млрд доларів у своїй серії C у 2025 році з післяінвестиційною оцінкою в 39 млрд доларів для розширення виробничих можливостей та промислового розгортання. Apptronik збільшила свій раунд A до 935 мільйонів доларів, а NEURA Robotics додала 120 мільйонів євро до свого раунду B. Це підкреслює зростаючу узгодженість: фізичний ІІ стає стратегічною основою для споживчих та промислових роботів.
Чи настав точка перелому для масового поширення інтелектуальних роботів?
Поточне прискорення розвитку в цій галузі є результатом злиття кількох технологій. Десятиліттями окремі модулі, що складають інтелектуальних роботів, розроблялися незалежно: передові алгоритми ШІ, сенсори високої точності, маніпулятори та системи реального часу. Лише недавно ці модулі почали об’єднуватися, дозволяючи роботам ефективно сприймати, міркувати та діяти в реальному середовищі. Ось ключові фактори, що сприяють цьому «точці злому в робототехніці»:
Економічні фактори: обладнання нарешті стало товаром. Раніше роботи були дорогими, оскільки кожна деталь виготовлялася на замовлення. Зараз вони користуються перевагами ланцюжків постачання споживчої електроніки та електромобілів.
Приводи: Приводи для високомоментних людиноподібних роботів традиційно коштують дорого, і в малих серіях промислових систем вартість кожного суглоба зазвичай перевищує 1000 доларів США. Нові вертикально інтегровані конструкції, запроваджені такими компаніями, як Tesla та Unitree, знижують вартість деяких компонентів приводів до сотень доларів США.
Датчики: За останнє десятиліття вартість лідарів і глибинних камер значно знизилася. Висококласні пристрої, які раніше коштували близько 10 000 доларів США, зараз можна купити за кілька сотень доларів. Це стало можливим завдяки прогресу у сфері твердотільного дизайну, масовому виробництву та застосуванню в автомобільній та мобільній галузях.
Батареї: масові інвестиції у світі у електромобілі знизили вартість та підвищили надійність літій-іонних батарей високої щільності, дозволяючи багатьом роботам працювати від одного заряду протягом 2–4 годин.
Краєві обчислення: роботи повинні обробляти інформацію локально, оскільки такі завдання реального часу, як балансування або захоплення об’єктів, не дозволяють мережевої затримки. Чіпи, такі як Jetson Thor від NVIDIA, розроблені для виконання AI-висновків на борту, одночасно обробляючи кілька потоків даних з сенсорів. Це дозволяє роботам обробляти та відстежувати своє оточення локально, швидко реагуючи на зміни середовища без залежності від підключення до мережі.
“Мозг” прорив (AI-моделі): це найбільша зміна. Перехід від програмування “якщо/тоді” до “моделей світу (World Models)”. Моделі світу — це AI-моделі, які вчаться на основі перегляду відео, щоб зрозуміти, як працює реальний світ. Замість того, щоб програмувати робота “обертати ручку дверей”, йому показують 10 тисяч відео відкривання дверей. AI просто спостерігає за відео, побудовує ментальну модель того, як працює фізика, розвиває фізичну інтуїцію та моделює сценарії в розумі перед тим, як діяти. Google Deepmind Genie 3 і NVIDIA Cosmos — це приклади таких нових моделей світу.
З одночасним зростанням інтелекту машин, їх вартість постійно знижується. Наприклад, робот Noetix Bumi (ціна 1400 доларів США) зараз коштує приблизно стільки ж, скільки iPhone 17 Pro Max. Зниження вартості апаратного забезпечення, підвищення продуктивності AI-чіпів та підсилення здатностей світових моделей разом роблять інтелектуальних роботів більш доступними для широкого кола користувачів і розширюють сфери досліджень від передових науково-дослідних лабораторій до більш широкого кола галузей.
Якщо «момент ChatGPT» у сфері робототехніки настане в найближчому майбутньому, його першими застосуваннями, ймовірно, стануть промисловість і логістика, а потім — справжні домашні людоподібні роботи. Хоча до повсюдного поширення інтелектуальних роботів ще є багато викликів, раціональні оптимісти розуміють, що поточні тенденції вказують на майбутнє, у якому ймовірність широкого застосування інтелектуальних роботів поступово зростає.
Великі програмні прориви зазвичай супроводжуються проривами в апаратному забезпеченні. Виникнення Instagram і TikTok стало можливим завдяки необхідному апаратному забезпеченню. Якщо апаратне забезпечення інтелектуальних роботів стане масово доступним у найближчому майбутньому, виникає цікаве питання: чи стануть робототехнічні додатки наступною хвилею?
Які зараз існують виклики, що перешкоджають цьому розвитку?
Дані для навчання роботів: це найбільший обмежуючий фактор у розвитку універсальних інтелектуальних роботів. На відміну від текстових AI, які можуть отримувати дані з усього Інтернету, роботи потребують досвіду реального світу, наприклад, чуттєвості, збереження рівноваги та взаємодії з об’єктами. Збір таких даних є повільним, дорогим і дуже трудомістким.
Фізичні проблеми: перегляд відео не може повністю навчити робота, як керувати об’єктами або безпечно рухатися — він повинен відчувати сили та контакт власним досвідом. Дистанційне керування, коли людина належним чином керує роботом у реальному часі, дозволяє водночас фіксувати наміри та сили і є найкращим стандартом для збору даних. Генерація сотень годин якісних даних вимагає постійної присутності оператора, що має набагато гіршу масштабованість порівняно з цифровим збором даних.
Різниця між симуляцією та реальністю: симуляція може дешево генерувати велику кількість даних, але через те, що фізичні явища не моделюються або середовище непередбачуване, роботи часто невдали при перенесенні навичок у реальний світ.
On-chain machine economy
Поєднання блокчейну та робототехніки надає практичного рішення для сучасних викликів у робототехніці. Механізми токенізації можуть допомогти координувати мільйони роботів та винагороджувати тих, хто надає дані з віддалених пристроїв або датчиків. Кожна взаємодія стає цінним активом даних, формуючи швидко зростаючий, спільнотою власний набір даних роботів, масштаб якого перевищує будь-який окремий компанійний набір.
Токенізація збору даних
Дані роботів надзвичайно цінні, але дані з датчиків та взаємодії у реальному світі дуже обмежені. Великі компанії збирають величезний обсяг даних про їзду та промисловість через свої автопарки, отримуючи перевагу масштабу, недоступну для незалежних розробників.
Децентралізована фізична ІІ дозволяє користувачам віддалено керувати роботами або надавати дані з датчиків, отримуючи токени в якості нагороди. Децентралізована мережа може координувати тисячі ентузіастів по всьому світу, допомагаючи роботам адаптуватися до складних доріг або дозволяючи учасникам у спеціальних середовищах завантажувати дані та отримувати винагороди. Хоча ці платформи все ще перебувають на початкових етапах, вони передбачають майбутнє, коли дані роботів будуть ширше доступні, зменшуючи монополію кількох великих компаній.
Роботи як економічні суб’єкти
У моделі «роботи як сервіс» самі інтелектуальні роботи можуть стати «токонізованими» активами. Кожен робот (або право на використання) може бути представлений цифровим токеном, що дозволяє кільком користувачам володіти або орендувати його. Оплата за послуги робота може безпосередньо надходити на гаманець робота у вигляді токенів або стабільних монет. Така система забезпечує автономний дохід: робот заробляє гроші, покриває власні операційні витрати та автоматично розподіляє прибуток серед власників токенів. За суттю, це Web3-протокол, який перетворює роботів на програмовані, самодостатні постачальники послуг із прозорим та відстежуваним доходом.
Фізичний AI ринок
Зі з’явленням новітніх інтелектуальних машинних навчань, що розуміють складний реальний світ у тривимірному вимірі, межа між цифровим інтелектом і фізичними діями зникає.
Серцем цієї революції є AI-моделі. Складні «мозки», розроблені Physical Intelligence та Skild AI, перевищують статичний код і надають універсальний інтелект для різних фізичних форм. Ці моделі дозволяють роботам сприймати витонченість і мобільність як програмні завдання, дозволяючи єдиному уніфікованому «мозку» адаптуватися до різних тіл роботів. Цей інтелектуальний шар підтримується симуляційними платформами та каналами даних (наприклад, платформами, що надає Zeromatter), що дозволяє системі безпечно навчатися у віртуальному середовищі перед розгортанням у реальному світі.
З розвитком машинного мозку з’являється децентралізована фізична ШІ. Наприклад, децентралізована інфраструктурна мережа Fabric Protocol надає автономним роботам он-чейн ідентифікатори та криптогаманці та використовує криптографію для перевірки роботи машин. Компанії, такі як Auki, Peaq та IoTeX, будують «економіку машин», де роботи можуть обмінюватися 3D-картами, перевіряти дані та здійснювати автономні угоди. Такий децентралізований підхід забезпечує, що шар координації не підконтрольний одній компанії.
У промисловій сфері автономні будівельні машини Bedrock Robotics та автоматизація складів Mytra переосмислюють робочу силу, а ANYbotics виконує повсякденне обслуговування в небезпечних середовищах. Разом із розвитком Figure та Unitree, прорив у сфері домашніх асистентів для споживачів не за горами.
Перспективи на 2030 рік
З раціонально оптимістичної точки зору, відродження робототехніки вже настало. Чотири незупинні сили об’єднуються: вартість обладнання стрімко падає, інтелект моделей ШІ постійно зростає, чіпи крайових обчислень забезпечують безпрецедентну обчислювальну потужність, а глобальна робоча сила зможе вирішити проблеми з даними. До 2030 року цей синергетичний ефект сприятиме проникненню фізичного ШІ у всі кути світу — від автономного сільського господарства до високоризикованих галузей, таких як пожежна безпека та догляд за літніми людьми.
Історія показує, що трансформаційні програмні інновації зазвичай відбуваються після стабілізації апаратного забезпечення. Можливо, настане ера «розумного оренду», коли стандартизовані людоподібні роботи будуть працювати на стандартній операційній системі з інтегрованим магазином додатків. Як і в минулій революції смартфонів, наступні роки будуть визначатися «магазином роботизованих додатків», де користувачі не купують спеціалізоване обладнання, а замовляють підписку на навички робота. У цій моделі цінність переходить від самого робота до конкретних «навичок», які він може виконувати. Вам не потрібно купувати спеціалізований робот-репетитор з французької мови — достатньо завантажити «додаток французької навички» на свого універсального людоподібного робота, і він стане вашим вчителем французької. До 2030 року для заможних людей пріоритетним подарунком на свята вже не буде флагманський складний смартфон, а розумний асистент, який справді допомагає керувати домашніми справами.
Цей прогноз ґрунтується на раціональному оптимізмі: хоча шлях до майбутнього рідко буває рівним, різні технологічні об’єднання свідчать про глибоку зміну машинних технологій.
Додаткове читання: Коли роботи навчаються мислити, заробляти та співпрацювати: аналіз 15 типів робототехніки та випадків застосування