Největší výzvou, které čelí fyzické AI, může být fyzická, ne umělá

Za téměř každou titulkovou ukázku v průmyslu fyzické AI stojí stejná pravda: stroj je prototyp a prototypy nejsou produkty. Vyrobit jednoho funkčního robota je inženýrský výkon. Vyrobit tisícího, za cenu, kterou někdo zaplatí, bez týmu specialistů, kteří by jej při poruše ošetřovali, je zcela jiná výzva a je to něco, s čím se průmysl teprve začíná potýkat.

Od jednorázových kusů k výrobní lince

Kdokoli, kdo převedl hardwarový produkt z prototypu do výroby, ví, že první kus je ta snadná část.

Prototyp robota může být poháněn zakázkovým akčním členem opracovaným ručně, senzorem od butikového dodavatele s dvouměsíční dodací lhůtou nebo bateriovým balíčkem sestaveným stejnými inženýry, kteří jej navrhli. Když existuje jen jeden kus, nic z toho není podstatné. Ve měřítku deseti tisíc se to však stává vážnou zátěží.

Dodavatelé musí být kvalifikováni, často dvakrát, aby jeden požár ve fabrice nebo zpoždění v dopravě nepozastavily výrobu. Součástky navržené pro špičkový výkon v laboratoři často musí být přepracovány tak, aby splňovaly tolerance, odolnost a především cenu. Montážní procesy, které fungovaly s malým týmem doktorů řešících problémy ručně, musí být zjednodušeny natolik, aby technik na výrobní lince zvládl práci během minut, ne dnů.

Tato práce se nazývá design for manufacturability. Je pomalá, je únavná, je to místo, kde se stále častěji vede inženýrský boj ve fyzické AI, a je to boj, který mnoho dobře financovaných, technicky brilantních robotických firem prohrálo.

Impresivní demonstrace nevyhrávají trhy

Existuje přirozený instinkt, který se vyvinul během desetiletí softwarově řízených technologických cyklů, a který předpokládá, že ten, kdo postaví nejchytřejší model nebo nejvíce lidský robot, bude na vrcholu. Tento instinkt obecně dobře sloužil investorům v AI. V oblasti fyzické AI ho pravděpodobně uvede v omyl.

Hardwareové podniky se nevyhrávají v den demonstrace, ale v následujících letech, na základě jednotkové ekonomiky, odolnosti dodavatelského řetězce a schopnosti udržet tisíce strojů v terénu bez malé armády inženýrů na pohotovosti.

Solární energie poskytuje užitečný precedent. Panely, které nakonec ovládly trh, nebyly nutně nejefektivnější v laboratoři; byly to ty, které společnosti mohly spolehlivě vyrábět, za klesající cenu a rostoucí objem. Elektrická vozidla následovala podobnou křivku, kde dodavatelské řetězce baterií a výtěžnost výroby měly stejnou váhu jako jakýkoli jediný inženýrský průlom. Fyzická AI, s roboty složenými z desítek či stovek komponent, z nichž každá je potenciálním bodem selhání, může být ještě méně shovívavá. Společnost, která nasazuje jen dobrého robota podpořeného spolehlivými dodavateli a křivkou nákladů, která se každé čtvrtletí snižuje, pravděpodobně překoná soupeře s oslnivým robotem, který lze vyrobit jen po desítkách najednou.

AI může urychlit inženýrství, ne fyziku

Neuzavře AI samotná tuto mezeru? Do určité míry ano. Generativní nástroje pro návrh již zkoumají geometrie komponent, na které by žádný lidský inženýr nepomyslel. Simulace, urychlená strojovým učením, zkracuje testovací cykly, které dříve trvaly měsíce. Prediktivní modely mohou označit, kteří dodavatelé nebo materiály pravděpodobně způsobí problémy s výtěžností, ještě před tím, než je jakýkoli díl opracován.

Tyto nástroje jsou skutečnými urychlovači a společnosti, které je dobře využívají v inženýrství a zadávání, se posunou rychleji než ty, které je nevyužívají.

Existuje však tvrdý limit, jak moc lze tento proces zkrátit, protože fyzický svět se neiteruje jako software. Nová slitina musí stále projít únavovým testováním měřeným v tisících cyklů. Výrobní linka musí být vybavena, uvedena do provozu a projít vlastní nerovnou křivkou učení, než se výtěžnost stabilizuje. Žádná simulace nezkrátí měsíce potřebné k certifikaci nového materiálu ani čtvrtletí potřebná k uvedení nové výrobní linky do provozu. Každá společnost, která staví svou strategii na předpokladu, že hardwarové časové osy se zhroutí tak, jako se zhroutily softwarové, se připravuje na nepříjemné a veřejné překvapení.

Opomíjené úzké hrdla

Pokud existuje jedna lekce z předchozích hardwarových cyklů, je to, že komponenty, kterým se věnuje nejméně pozornosti, mají tendenci způsobovat největší zpoždění.

Ve fyzické AI to pravděpodobně začíná u akčních členů, tedy motorů a mechanismů, které robotovi poskytují točivý moment a přesnost potřebnou k vykonání fyzické práce. Jsou v omezeném množství od malé skupiny kvalifikovaných výrobců a vybudování nových kapacit trvá roky, ne čtvrtletí.

Pokračuje to v oblasti senzoriky. Kamery, silové senzory a proprioceptivní systémy, které umožňují stroji vnímat své okolí, jsou stále drahé a nedozrálé ve srovnání s tím, co bude vyžadovat husté nasazení v reálném světě.

Rozšiřuje se to i na samotnou výrobu. Průmysl se silně opírá o koncentrovanou sadu regionů a dodavatelů, což se stále častěji považuje za strategickou slabinu, a nutí společnosti k rozptýlenějším, redundantním výrobním stopám, i když to znamená obětovat část efektivity.

A končí to energií: bateriemi, výkonovou elektronikou a nabíjecí infrastrukturou, které budou muset růst spolu s flotilou strojů pracujících nepřetržitě ve skladech, domovech a na staveništích. Žádná z těchto kategorií nebude ústředním tématem přednášky. Všechny pravděpodobně rozhodnou o tom, kdo skutečně dodá produkty.

Náhled na větší zúčtování

Boom fyzické AI je v podstatě živým testem předpokladu, se kterým si technologický průmysl zvykl: že inteligence, jakmile je vytvořena, se volně škáluje. Tento předpoklad platí převážně pro software. V továrnách neplatí.

Výpočetní výkon může přes noc zdvojnásobit. Modely se mohou zlepšit novým tréninkovým během. Nasazení může proběhnout stisknutím tlačítka. Dodavatelské řetězce se přes noc nezvětší. Zkušení technici, kvalifikovaní dodavatelé a vyspělé výrobní linky vyžadují roky k vybudování a žádný skok ve schopnostech modelu tento čas nezkrátí.

Žádná z těchto skutečností neznamená, že je fyzická AI přehnaně propagována nebo že podkladová technologie není reálná. Znamená to, že těžiště se posouvá z umělé inteligence k fyzické infrastruktuře. Společnosti a investoři, kteří tento posun pochopí brzy a vloží skutečné zdroje do kapacity výroby a odolnosti dodavatelského řetězce místo dalšího nápadného demu, budou pravděpodobně ti, kteří budou ještě stát, až současná vlna virálních videí ustoupí a nahradí se pomalejší a náročnější prací skutečného nasazení těchto strojů ve velkém měřítku.