भौतिक एआई का सबसे बड़ा चुनौती शारीरिक, न कि कृत्रिम हो सकता है

लगभग हर हेडलाइन‑ग्रैबिंग डेमो के पीछे फ़िज़िकल एआई उद्योग में वही सच्चाई छिपी होती है: मशीन एक प्रोटोटाइप है, और प्रोटोटाइप उत्पाद नहीं होते। एक कार्यशील रोबोट बनाना इंजीनियरिंग का चमत्कार है। हजारवाँ रोबोट बनाना, वह भी ऐसी कीमत पर जिसे कोई भुगतान करेगा, बिना विशेषज्ञों की टीम के जो खराबी के समय उसे ठीक कर सके, पूरी तरह अलग चुनौती है, और यह वह चुनौती है जिसे उद्योग अभी-अभी सामना करना शुरू कर रहा है।

एकल‑उत्पाद से असेंबली लाइन तक

जो कोई भी हार्डवेयर उत्पाद को प्रोटोटाइप से उत्पादन तक ले गया है, वह जानता है कि पहला यूनिट सबसे आसान हिस्सा होता है।

एक प्रोटोटाइप रोबोट हाथ से निर्मित कस्टम एक्ट्यूएटर पर चल सकता है, दो‑महीने की लीड टाइम वाले बुटीक सप्लायर से सेंसर प्राप्त कर सकता है, या वही इंजीनियरों द्वारा असेंबल किया गया बैटरी पैक हो सकता है जिन्होंने इसे डिजाइन किया था। जब केवल एक ही यूनिट हो, तो इन सबका कोई महत्व नहीं रहता। लेकिन जब स्केल दस‑हज़ार तक पहुँचता है, तो यह सब एक गंभीर जोखिम बन जाता है।

सप्लायर्स को क्वालिफ़ाई करना पड़ता है, अक्सर दो बार, ताकि एक फैक्ट्री में आग या शिपिंग में देरी पूरी उत्पादन को रोक न सके। लैब में पिक‑परफ़ॉर्मेंस के लिए डिज़ाइन किए गए घटकों को सहनशीलता, टिकाऊपन और सबसे ऊपर लागत के हिसाब से फिर से इंजीनियर करना पड़ता है। वह असेंबली प्रोसेस जो छोटे‑छोटे पीएचडी टीम द्वारा हाथ से ट्रबलशूट किया जाता था, उसे इतना सरल बनाना पड़ता है कि उत्पादन लाइन पर एक तकनीशियन इसे मिनटों में, दिनों में नहीं, कर सके।

यह कार्य डिज़ाइन फॉर मैन्युफैक्चरबिलिटी कहलाता है। यह धीमा, थकाऊ और वह जगह है जहाँ फ़िज़िकल एआई में इंजीनियरिंग का संघर्ष तेज़ी से हो रहा है, और कई अच्छी‑फ़ंडेड, तकनीकी रूप से चमकदार रोबोटिक्स कंपनियों ने इस लड़ाई हार दी है।

प्रभावशाली डेमो बाजार नहीं जीतते

सॉफ़्टवेयर‑ड्रिवेन तकनीकी चक्रों के एक दशक से विकसित स्वाभाविक प्रवृत्ति यह मानना है कि सबसे स्मार्ट मॉडल या सबसे मानव‑समान रोबोट बनाना ही जीत की गारंटी देता है। यह प्रवृत्ति एआई निवेशकों को सामान्य तौर पर लाभ पहुंचाती रही है। लेकिन फ़िज़िकल एआई में यह भ्रम उन्हें गुमराह कर सकता है।

हार्डवेयर व्यवसाय डेमो डे पर नहीं, बल्कि उसके बाद के वर्षों में, यूनिट इकोनॉमिक्स, सप्लाई चेन की लचीलापन और हजारों मशीनों को फील्ड में बिना बड़ी इंजीनियरिंग टीम के चलाते रहने की क्षमता पर जीतते हैं।

सौर ऊर्जा एक उपयोगी उदाहरण देता है। अंततः बाजार में हावी हुए पैनल जरूरी नहीं कि लैब में सबसे कुशल हों; वे वे पैनल थे जिन्हें कंपनियाँ विश्वसनीय रूप से, घटती लागत पर, बढ़ती मात्रा में बना सकीं। इलेक्ट्रिक वाहन भी इसी प्रकार का मार्ग अपनाए, जहाँ बैटरी सप्लाई चेन और मैन्युफैक्चरिंग यील्ड किसी एकल तकनीकी ब्रेकथ्रू जितना ही महत्वपूर्ण था। फ़िज़िकल एआई, जहाँ रोबोट सैकड़ों घटकों से बनते हैं, प्रत्येक संभावित विफलता बिंदु के साथ, शायद और भी कम क्षमाशील हो सकता है। एक कंपनी जो केवल “अच्छा” रोबोट भरोसेमंद सप्लायर्स और लगातार घटती लागत वक्र के साथ पेश करती है, वह उस प्रतिद्वंद्वी को पीछे छोड़ सकती है जिसका रोबोट शानदार हो लेकिन केवल दोगुनी‑दोगुनी मात्रा में ही बनाया जा सके।

एआई इंजीनियरिंग को तेज कर सकता है, लेकिन भौतिकी को नहीं

क्या एआई स्वयं इस अंतर को बंद नहीं करेगा? कुछ हद तक, हाँ। जेनरेटिव डिज़ाइन टूल्स पहले से ही ऐसे घटक ज्योमेट्री की खोज कर रहे हैं जो मानव इंजीनियर कभी नहीं सोचते। सिमुलेशन, मशीन लर्निंग द्वारा तेज़ किया गया, उन परीक्षण चक्रों को संकुचित कर रहा है जो पहले महीनों लेते थे। प्रेडिक्टिव मॉडल यह संकेत दे सकते हैं कि कौन‑से सप्लायर या सामग्री यील्ड समस्याएँ पैदा कर सकते हैं, इससे पहले कि कोई एकल पार्ट मशीन किया जाए।

ये टूल वास्तविक तेज़ी प्रदान करते हैं, और जो कंपनियाँ इन्हें इंजीनियरिंग और सोर्सिंग में अच्छी तरह उपयोग करती हैं, वे उन कंपनियों से तेज़ आगे बढ़ेंगी जो नहीं करतीं।

लेकिन इस गति को सीमित करने वाली एक कठोर सीमा है, क्योंकि भौतिक दुनिया सॉफ़्टवेयर की तरह इटरेट नहीं करती। नया मिश्रधातु अभी भी हजारों साइकिल में थकान परीक्षण पास करना पड़ता है। एक फैक्ट्री लाइन को टूलिंग, कमीशनिंग और अपनी खुद की उबड़‑खाबड़ लर्निंग कर्व से गुजरना पड़ता है, इससे पहले कि यील्ड स्थिर हो। कोई भी सिमुलेशन नए सामग्री को क्वालिफ़ाई करने में महीनों या नई उत्पादन लाइन को गति देने में क्वार्टर नहीं घटा सकता। हार्डवेयर टाइमलाइन को सॉफ़्टवेयर की तरह “कोलैप्स” करने की धारणा रखने वाली कोई भी कंपनी खुद को एक कठोर, सार्वजनिक आश्चर्य के लिए तैयार कर रही है।

अनदेखी बाधाएँ

यदि पिछले हार्डवेयर चक्रों से एक सीख ली जाए, तो वह यह है कि सबसे कम ध्यान मिलने वाले घटक अक्सर सबसे अधिक देरी का कारण बनते हैं।

फ़िज़िकल एआई में, यह संभवतः एक्ट्यूएटर से शुरू होता है, अर्थात् मोटर्स और मैकेनिज़्म जो रोबोट को टॉर्क और सटीकता देते हैं ताकि वह वास्तविक कार्य कर सके। ये योग्य निर्माताओं के छोटे पूल से ही उपलब्ध हैं, और नई क्षमता स्थापित करने में साल लगते हैं, क्वार्टर नहीं।

इसके बाद सेंसरिंग आती है। कैमरे, फोर्स सेंसर और प्रोप्रीओसेप्टिव सिस्टम जो मशीन को अपने आसपास का माहौल समझाते हैं, अभी भी महंगे और अपरिपक्व हैं, जबकि वास्तविक‑दुनिया में बड़े‑पैमाने पर तैनाती के लिए इन्हें अधिक परिपक्व होना पड़ेगा।

फिर निर्माण स्वयं है। उद्योग ने कुछ ही क्षेत्रों और सप्लायर्स पर बहुत अधिक निर्भरता बनाई है, जो अब रणनीतिक कमजोरी के रूप में देखी जा रही है, और कंपनियों को अधिक वितरित, पुनरावृत्त निर्माण पदचिह्न की ओर धकेल रही है, भले ही इसका मतलब कुछ दक्षता का त्याग हो।

और अंत में पावर: बैटरियां, पावर इलेक्ट्रॉनिक्स और चार्जिंग इन्फ्रास्ट्रक्चर जो वेयरहाउस, घर और कार्यस्थलों में निरंतर चलने वाले मशीनों के बेड़े के साथ स्केल करना होगा। इन श्रेणियों में से कोई भी कीनोट में हेडलाइन नहीं बनेगी, लेकिन सभी ही तय करेंगे कि कौन वास्तव में शिप करेगा।

बड़े पुनर्मूल्यांकन का पूर्वावलोकन

फ़िज़िकल एआई बूम मूल रूप से इस मान्यता की एक जीवित परीक्षा है कि तकनीकी उद्योग ने एक आरामदायक धारण को अपनाया है: एक बार बुद्धिमत्ता बन जाने पर, वह स्वतंत्र रूप से स्केल करती है। यह धारण सॉफ़्टवेयर के लिए काफी हद तक सही है, लेकिन फैक्ट्री के लिए नहीं।

कम्प्यूटिंग रातों‑रात दोगुना हो सकता है। मॉडल नई ट्रेनिंग रन से सुधर सकते हैं। डिप्लॉयमेंट बटन दबाने से हो सकता है। लेकिन सप्लाई चेन रातों‑रात नहीं दोगुनी हो सकती। कुशल तकनीशियन, योग्य सप्लायर और परिपक्व उत्पादन लाइन बनाने में साल लगते हैं, और मॉडल की क्षमता में कोई छलांग इस टाइमलाइन को नहीं घटा सकती।

इसका मतलब यह नहीं है कि फ़िज़िकल एआई को अधिक हाइप किया गया है या तकनीक वास्तविक नहीं है। इसका मतलब यह है कि गुरुत्वाकर्षण का केंद्र कृत्रिम बुद्धिमत्ता से शारीरिक बुनियादी ढाँचे की ओर शिफ्ट हो रहा है। वे कंपनियां और उनके निवेशक जो इस बदलाव को जल्दी समझते हैं, और अगले चमकदार डेमो के बजाय निर्माण क्षमता और सप्लाई चेन लचीलापन में वास्तविक संसाधन लगाते हैं, वही संभवतः तब भी खड़े रहेंगे जब वर्तमान वायरल वीडियो की लहर धीमी और कठिन स्केल‑डिप्लॉयमेंट के काम में बदल जाएगी।