Акции Unitree, ведущего китайского производителя роботов, обвалились почти на 50% после того, как компания вышла на биржу с оценкой $66 млрд. Инвесторы, ранее вкладывавшие миллиарды в физический ИИ — применение технологий больших языковых моделей к робототехнике, — столкнулись с реальностью: роботы становятся физически совершеннее, но не умеют выполнять работу, создающую ценность. Этот разрыв между ожиданиями и возможностями стал центральной темой конференции Actuate, прошедшей на прошлой неделе.
Actuate, организованная компанией Foxglove (разработчик инструментов для управления данными в физическом ИИ), собрала 1500 участников — втрое больше, чем в 2023 году. На конференции царил оптимизм, но и тревога: стенд компании Avala обещал решить «кризис данных в робототехнике». Проблема в том, что для обучения моделей ИИ не хватает качественных данных. Попытки создать универсальных роботов, способных выполнять любые задачи, далеки от завершения, а end-to-end обучение для конкретных задач пока не дает надежных коммерческих результатов.
Гарри Мелсоп, основатель стартапа Antioch, который создает симуляционные инструменты, сравнил текущий этап физического ИИ с «эпохой GPT-2» — моделью OpenAI, предшествовавшей ChatGPT. Чтобы преодолеть этот этап, потребуется больше данных и вычислительных мощностей, особенно GPU, оптимизированных для трассировки лучей, которые используются для создания высококачественных симуляций. Лидерами в этой области остаются автономные автомобили: им проще собирать данные с реальных машин, а главная задача — избегать столкновений, а не манипулировать объектами. Многие инструменты для создания моделей пришли из этой сферы: Foxglove основали бывшие сотрудники Cruise, проекта беспилотников General Motors.
Конференция Actuate выросла втрое с 2023 года и собрала 1500 участников, что говорит о росте интереса к физическому ИИ.
Автопроизводители теперь делают ставку на то, что их инвестиции в ML-инструменты позволят им конкурировать с производителями гуманоидов. Tesla уже испытывает робота Optimus, а Wayve и Uber запустили лаборатории робототехники, ориентированные на человекоподобные формы. Алекс Кендалл, генеральный директор Wayve, считает, что начинать нужно с автомобилей: «Манипуляционная робототехника — это как беспилотники пять лет назад». Он утверждает, что инфраструктура данных, симуляции и ML-операций будет общей, но для разных воплощений потребуются разные модели. Кендалл предостерегает от преждевременного выбора аппаратной платформы, так как технологии быстро развиваются.
С ним не согласен Теофиль Жерве, генеральный директор Genesis ИИ, компании, которая привлекла $105 млн на посевном раунде. Он считает, что «мы слишком рано в этой волне, чтобы стратегия „мозга“ работала; есть много возможностей для совместного проектирования аппаратного и программного обеспечения». Жерве также поднял вопрос о фокусе: компании, нацеленные на конкретные задачи, уже внедряют роботов в полевых условиях — Gritt строит солнечные фермы, Agility развертывает роботов в промышленности, а Bedrock управляет экскаваторами автономно. Универсальные гуманоиды пока остаются в лабораториях. «Никому не нужен универсальный робот с 80% успеха», — говорит Жерве, отмечая, что без вертикального фокуса нет ценности, но и узкая специализация на основе слабой модели может привести к поражению от конкурентов с более мощной базой.
Тем не менее, инвестиции в конкретную вертикаль привлекательны: они дают не только доход, но и данные о реальном развертывании. Кевин Петерсон, технический директор Bedrock, отметил, что компания начинает с экскавации, чтобы понять проблемы «манипуляции в дикой природе», но планирует создать интеллектуальный слой для различных строительных машин. Управление данными остается сложной задачей из-за плотности визуальной информации и необходимости высококачественных симуляций. Отрасль стоит перед выбором: следовать ли по пути вертикальной интеграции или создавать универсальные платформы, и от этого выбора зависит, кто выйдет победителем в гонке физического ИИ.
