David Pinn, CEO Brain Corp – Seria wywiadów

David Pinn jest CEO firmy Brain Corp, w której od prawie dziewięciu lat kształtuje strategię, operacje finansowe oraz przejście w kierunku biznesu robotyki opartej na oprogramowaniu. Dołączył do Brain Corp w 2017 roku jako wiceprezes ds. strategii, a następnie piastował kolejne wysokie stanowiska w obszarze strategii i finansów, zanim w 2022 roku objął funkcję CEO. W trakcie swojej kadencji Pinn pomógł przeprowadzić znaczące podwyżki kapitału, przekształcenie modelu firmy z ukierunkowanego na sprzęt w model generujący przychody z oprogramowania, rozszerzenie działalności o robotyczne zbieranie danych i analitykę oraz strategiczne partnerstwa z globalnymi producentami sprzętu (OEM). Wcześniej pełnił funkcje w dziale finansów i strategii w firmie Qualcomm, doradzał startupom technologicznym wspieranym przez venture capital, współpracował z firmami z portfela L Catterton oraz rozpoczął karierę w Teradyne w dziale inżynierii i sprzedaży technicznej, co dało mu doświadczenie obejmujące robotykę, półprzewodniki, finanse, rozwój korporacyjny i komercjalizację technologii.

Brain Corp jest firmą zajmującą się robotyką i fizyczną sztuczną inteligencją, opracowującą platformę autonomii BrainOS®, przeznaczoną do wdrażania i zarządzania autonomicznymi robotami mobilnymi w skali przedsiębiorstwa. BrainOS zasila ponad 50 000 robotów na sześciu kontynentach i zgromadził ponad 25 milionów godzin rzeczywistej eksploatacji, wspierając zastosowania takie jak autonomiczne sprzątanie podłóg, zbieranie danych o zapasach i półkach oraz transport materiałów w środowiskach takich jak sklepy detaliczne, magazyny, lotniska, placówki opieki zdrowotnej i budynki komercyjne. Platforma łączy nawigację opartą na AI, semantyczne mapowanie 3D, systemy bezpieczeństwa, chmurowe zarządzanie flotą, analitykę oraz integracje z systemami korporacyjnymi, a dane zbierane z całej floty pomagają z czasem ulepszać nawigację i niezawodność. Ostatnie innowacje to BrainOS Clean 2.0 i SelfPath™ AI, które pozwalają robotom sprzątającym automatycznie generować i dostosowywać trasy zamiast polegać na ręcznie definiowanych ścieżkach.

Twoja kariera przeszła od pracy inżynierskiej w dziedzinie częstotliwości radiowych i systemów bezprzewodowych do strategicznych ról finansowych, transformacji SaaS, a obecnie do roli CEO w Brain Corp. Jak to połączenie dyscypliny technicznej i finansowej ukształtowało Twoje przekonanie, że firmy nie kupują „robotów”, lecz mierzalne wyniki operacyjne?

Moja wczesna kariera zaczęła się od sprzedaży technicznej, sprzedając sprzęt do produkcji półprzewodników dla Teradyne. Poprzez liczne próby i błędy nauczyłem się ważnej lekcji: istnieje duża przepaść między tym, co wydawało mi się ważne – zazwyczaj specyfikacje techniczne – a tym, na czym naprawdę zależy nabywcy. Nabywca naprawdę zależy na wyniku biznesowym i na tym, czy ufa mi i mojemu zespołowi, że go dostarczy.

Kiedy później przeszedłem do robotyki, ta lekcja nabrała jeszcze większego znaczenia. Każda inwestycja w technologię konkuruje o kapitał, a system nie zyskuje uznania jedynie za to, że jest technicznie imponujący. W robotyce tak łatwo jest zachwycić się samą maszyną. Jednak detalista nie budzi się z pragnieniem posiadania robota. Chce czystszych podłóg, bardzo dokładnych stanów magazynowych i więcej czasu dla pracowników na obsługę klienta. Robot jest jedynie środkiem transportu tego wyniku.

W Brain Corp zaczynamy od problemu klienta, definiujemy rezultat biznesowy i cofamy się do warstwy autonomii oraz danych niezbędnych do jego realizacji. Moje inżynierskie tło pomaga mi docenić, jak złożony jest podstawowy problem techniczny, ale moje doświadczenie w sprzedaży i finansach utrzymuje mnie skupionego na tym, czy rozwiązanie tego problemu tworzy skalowalny, komercyjnie opłacalny biznes. Potrzebne są oba elementy. Robot, który działa, ale nie generuje zwrotu ekonomicznego, to projekt naukowy, nie produkt, a model finansowy oparty na niewiarygodnej technologii nie jest biznesem.

Przy tak dużej uwadze poświęcanej humanoidom i robotom ogólnego przeznaczenia, co Twoim zdaniem rynek nie rozumie odnośnie tego, czego przedsiębiorstwa naprawdę potrzebują od robotyki dzisiaj?

Moja gorąca opinia: obsesja branży na punkcie humanoidów w środowiskach komercyjnych i przemysłowych jest rozpraszająca.

Standardowy argument entuzjastów humanoidów brzmi: „Świat został zbudowany dla ludzi, więc roboty muszą mieć kształt ludzki”. To może być prawda w warunkach domowych, ale w środowiskach przedsiębiorstw jest to zasadniczo fałsz.

Spójrz na magazyn. Nie jest on zbudowany dla ludzi; jest zbudowany dla wózków widłowych, paletowych i ciężkiego sprzętu. Spójrz na sklepy detaliczne, szkoły, hotele, szpitale i lotniska. Wymogi dostępności dla wózków inwalidzkich oznaczają, że te przestrzenie mają płaskie podłogi, rampy, szerokie korytarze i windy. Budynki komercyjne i przemysłowe są projektowane pod kątem ruchu kołowego.

Kiedy to zrozumiesz, szybko zauważysz, że dodawanie nóg do komercyjnego robota to niepotrzebne ryzyko i ogromne marnotrawstwo pieniędzy. Dlaczego projektować drogi, kruche, dwunożne rozwiązanie, aby poruszać się w przestrzeni już przystosowanej do kół? Koła są tańsze, bardziej niezawodne i lepiej radzą sobie z ładunkiem.

Jak wspomniałem wcześniej, robot bez zwrotu ekonomicznego to po prostu projekt naukowy. Budowanie wysoce skomplikowanego humanoida tylko po to, by przejść po płaskiej, dostępnej dla wózków podłodze, to ostateczny projekt naukowy. Rozwiązuje problem lokomocji, którego nie ma. Przedsiębiorstwa nie potrzebują maszyn naśladujących człowieka; potrzebują narzędzi, które niezawodnie dostarczają konkretny wynik biznesowy. A w zastosowaniach komercyjnych koła wygrywają za każdym razem.

Brain Corp działa w nieuporządkowanych, publicznych, o dużym natężeniu ruchu środowiskach, takich jak sklepy, lotniska, magazyny, szpitale i kampusy. Jakie są najtrudniejsze problemy rzeczywiste, które nie pojawiają się w demonstracjach robotyki?

Branża pojazdów autonomicznych nauczyła się na własnej skórze, jak zwodnicze mogą być demonstracje. Widzieliśmy demonstracje samochodów autonomicznych ponad dekadę temu, ale dopiero po kolejnych dziesięciu‑piętnastu latach intensywnej inżynierii udało się wprowadzić komercyjne taksówki bez kierowcy. Dlaczego? Z powodu tego, co branża nazywa „marszem dziewiątek”.

Uzyskanie 90 % niezawodności tworzy świetną demonstrację. Osiągnięcie 99 % to ogromne osiągnięcie inżynieryjne. Ale kiedy operujesz flotą dziesiątek tysięcy robotów w tysiącach publicznych lokalizacji, 99 % niezawodności jest niewystarczające.

W rzeczywistym środowisku komercyjnym ludzie zmieniają kierunek bez ostrzeżenia. Wózki zakupowe zostają pozostawione w korytarzach. Ekspozycje przemieszczają się nocą. Palety blokują trasy. Podłogi mogą być odbijające, mokre, nierówne lub pokryte odpadkami. Drzwi otwierają się i zamykają, oświetlenie się zmienia, a pracownicy opracowują własne sposoby interakcji z maszyną. Robot może także napotkać dzieci, osoby korzystające z pomocy ruchowych, rozproszonych klientów, wózki widłowe lub kogoś, kto po prostu postanowi stanąć na jego drodze.

Najtrudniejszy problem to nie nawigacja, gdy wszystko zachowuje się zgodnie z oczekiwaniami. To adaptacja w sytuacji nieprzewidzianej. Czy robot potrafi zrozumieć, dlaczego jego trasa jest zablokowana, znaleźć bezpieczną alternatywę i dokończyć zadanie? Czy potrafi to zrobić bez generowania dodatkowej pracy dla pracowników i w skali milionów godzin?

Istnieje także wymiar społeczny, którego demonstracje często nie uwzględniają. Ludzie muszą rozumieć intencję robota. Jego ruchy powinny być przewidywalne, sygnały jasne, a robot powinien wpasować się w istniejące procesy ludzkie, a nie zmuszać wszystkich wokół do adaptacji.

Dla nas rzeczywista AI oznacza „po prostu działa”. Przypadki brzegowe nie znajdują się na krawędzi – są środowiskiem. Budowanie pod te warunki wymaga lat nauki operacyjnej, przemyślanej architektury bezpieczeństwa i nieustannej uwagi na szczegóły, które są niewidoczne w symulowanym wideo.

Gdy firma ocenia ROI robotyki, które metryki są najważniejsze: zaoszczędzone godziny pracy, spójność zadań, dostępność, zbieranie danych, bezpieczeństwo, doświadczenie klienta czy coś innego?

Wszystko z powyższych.

Zaoszczędzone godziny pracy są użyteczne, ale nie oddają pełnego obrazu. W wielu branżach problem nie polega jedynie na wysokich kosztach pracy; chodzi o to, że rekrutacja wykwalifikowanych osób bywa trudna, rotacja jest wysoka, a ważne zadania są wykonywane niespójnie, ponieważ zespoły są przeciążone. W takiej sytuacji ukończenie zadania, częstotliwość i spójność mogą być cenniejsze niż teoretyczne zmniejszenie zatrudnienia.

Kolejna warstwa to wydajność operacyjna: dostępność, autonomiczne wykorzystanie, pomyślne zakończenie zadań, pokrycie oraz ilość potrzebnego nadzoru. Robot, który technicznie pracuje wiele godzin, ale często wymaga ratowania, nie dostarcza istotnej autonomii.

Poprawa bezpieczeństwa i zgodności nie powinna być pomijana w modelu ROI. Robot sprzątający zmniejsza obciążenie i urazy w miejscu pracy oraz daje pracownikom więcej czasu na obsługę klientów i pracę o wyższej wartości. Robot inwentaryzujący poprawia dostępność towarów na półkach, dokładność cen i spójność realizacji. Roboty tworzą także nową warstwę widoczności operacyjnej, zbierając wiarygodne, powtarzalne dane o tym, co dzieje się w fizycznym otoczeniu.

Kluczowe jest ustalenie rzeczywistej bazy wyjściowej przed wdrożeniem i mierzenie wydajności przez cały cykl życia, włączając wdrożenie, wsparcie, konserwację, szkolenia i integrację.

Brain Corp jest unikalna w przestrzeni robotyki, ponieważ działa jako platforma SaaS z robotyką w modelu subskrypcyjnym. Dlaczego oprogramowanie, dane i orkiestracja floty stają się ważniejsze niż sam kształt robota?

Sprzęt definiuje, co robot jest fizycznie w stanie zrobić. Oprogramowanie określa, jak niezawodnie to robi, jak łatwo można je wdrożyć, jak bezpiecznie integruje się z przedsiębiorstwem i czy z czasem staje się bardziej użyteczne.

Bez jednolitej warstwy oprogramowania i chmury robot jest w zasadzie odizolowaną maszyną. Może wykonywać jedno zadanie w jednej placówce, ale nie może być łatwo monitorowany, aktualizowany, integrowany z systemami korporacyjnymi ani koordynowany z szerszą flotą. To prowadzi do fragmentacji, gdy firmy dodają różne typy robotów, każdy z własnym interfejsem, modelem wsparcia, danymi i procedurami operacyjnymi.

Platforma zmienia tę równanie. Dzięki naszej platformie autonomii, BrainOS®, zapewniamy wspólną bazę autonomii, bezpieczeństwa, danych i zarządzania flotą dla różnych maszyn i zastosowań. Nasi partnerzy mogą skoncentrować się na swojej ekspertyzie sprzętowej i problemie klienta, który rozumieją głęboko, zamiast budować od nowa całą infrastrukturę autonomii i chmury wokół każdego nowego produktu.

Oprogramowanie pozwala także na kumulowanie wartości maszyny. Możemy wdrażać nowe funkcje przez aktualizacje OTA, uczyć się na podstawie zachowań robotów w całej flocie, poprawiać wydajność i reagować na nowe przypadki brzegowe bez wymiany sprzętu. Tradycyjny sprzęt przemysłowy zwykle traci na wartości od momentu wdrożenia. Połączony system autonomiczny staje się bardziej zdolny w trakcie całego cyklu życia.

Kształt fizyczny będzie nadal istotny, ponieważ projekt musi pasować do zadania. Jednak kształty będą się ewoluować. Największą wartość stanowi inteligencja, infrastruktura operacyjna i warstwa danych, które mogą rozciągać się na dowolne zastosowanie. Dlatego opisujemy BrainOS® jako platformę autonomii dla rzeczywistego świata, a nie system operacyjny dla jednego konkretnego robota.

Roboty zasilane BrainOS® są teraz wykorzystywane nie tylko do sprzątania, ale także do analizy półek, widoczności inwentarza i transportu materiałów. Jak widzisz ewolucję robotów od narzędzi automatyzacji zadań do mobilnych platform danych?

Nasza platforma BrainOS® dostarcza przedsiębiorstwom infrastrukturę niezbędną do budowania, wdrażania i wspierania autonomicznych rozwiązań w skali korporacyjnej. Zapewniamy podstawową warstwę autonomii i inteligencji, co pozwala naszym partnerom skupić się na tym, co robią najlepiej: rozwiązywaniu konkretnych, rzeczywistych problemów biznesowych. To unikalne podejście umożliwiło nam szybkie skalowanie i pozwoliło firmom budować nie tylko roboty, ale całe biznesy robotyczne.

Robotyka sprzątania podłóg była jednym z pierwszych komercyjnych zastosowań, które osiągnęło znaczącą skalę, ponieważ odpowiadała wyraźnej, powtarzalnej potrzebie operacyjnej; w każdym środowisku komercyjnym podłoga jest brudna, a wiele firm boryka się z problemami pracowniczymi. Osiągnęliśmy tę skalę razem z partnerem Tennant Company, liderem w dziedzinie czyszczenia podłóg od ponad 150 lat, który dziś stał się jednym z największych na świecie producentów robotów komercyjnych.

Następnie, współpracując z dużymi przedsiębiorstwami w handlu detalicznym i logistyce, dostrzegliśmy fundamentalną prawdę: choć te operacje dokładnie wiedzą, jakie towary wchodzą i wychodzą z ich obiektów, często brakuje im wglądu w to, co naprawdę dzieje się na podłodze sklepu lub magazynu. Mobilny robot jest jednym z niewielu systemów, które regularnie przemieszczają się po fizycznym otoczeniu, co czyni go wyjątkowo zdolnym do zbierania tej „prawdy terenowej” w skali. Aby sprostać temu wyzwaniu, nawiązaliśmy współpracę z Driveline Retail, wiodącym dostawcą merchandisingu, oraz Dane Technologies, liderem w sprzęcie magazynowym, aby wprowadzić śledzenie inwentarza i inteligencję półek na skalę korporacyjną.

Rozszerzając się na zastosowania związane z widocznością inwentarza, zbieranie danych to tylko część równania. Większość magazynów i detalistów potrzebuje więcej niż miliony surowych obrazów; potrzebują wiedzieć, który produkt jest brakujący, która cena jest nieprawidłowa, gdzie znajduje się brakująca paleta i jakie konkretne działanie powinien podjąć pracownik jako kolejne. Brain Corp dostarcza zaawansowane widzenie komputerowe i AI niezbędne do przetłumaczenia tych surowych obserwacji na dokładne, priorytetyzowane decyzje biznesowe.

Niezależnie od kształtu robota, te systemy odblokowują także możliwość tworzenia ciągle aktualizowanych cyfrowych bliźniaków obiektów. Ponieważ nasze roboty bezpiecznie i niezawodnie przemieszczają się po całej powierzchni, działają jako mobilne platformy danych, gromadząc szczegółową inteligencję o obiekcie. Może to oznaczać, na przykład, weryfikację lokalizacji gaśnicy, identyfikację niesprawnego zamrażarki lub mapowanie obszarów o słabym zasięgu Wi‑Fi.

Co odróżnia wdrożenie robotyki, które działa w jednym miejscu pilotażowym, od takiego, które może skalować się na tysiące lokalizacji przedsiębiorstwa?

Piloty nagradzają możliwość. Skala nagradza niezawodność.

Pilot może odnieść sukces, ponieważ najlepszy inżynier stoi w pobliżu, środowisko zostało starannie przygotowane, a ktoś dyskretnie radzi sobie z wyjątkami w tle. Żadne z tego nie działa, gdy wdrażasz rozwiązanie w setkach lub tysiącach miejsc. Wtedy każdy ręczny krok staje się źródłem kosztów i awarii.

Skalowalne wdrożenie wymaga powtarzalności od samego początku. Robot powinien być prosty w konfiguracji, intuicyjny dla pracowników pierwszej linii, zdalnie obserwowalny i zdolny do przyjmowania aktualizacji oprogramowania bez konieczności wizyty w każdym miejscu. Organizacja potrzebuje także dojrzałych systemów w zakresie cyberbezpieczeństwa, certyfikacji bezpieczeństwa, wsparcia, szkoleń, konserwacji, analityki i integracji z istniejącą technologią klienta.

Zarządzanie zmianą jest równie ważne. Ludzie pracujący obok robota muszą rozumieć, co on robi, jakie ma ograniczenia i jak wpisuje się w ich obowiązki. Wdrożenia zawodzą, gdy technologia jest technicznie solidna, ale własność operacyjna jest niejasna.

Wreszcie, ekonomia musi działać zarówno dla klienta, jak i dostawcy robotyki. Wymaga to infrastruktury robotycznej, która staje się bardziej ekonomiczna i bardziej odporna z każdym kolejnym wdrożeniem.

Ta zbiorowość wyzwań to to, co nazywamy „przerwą autonomii”. Zbudowanie działającego prototypu to tylko część tworzenia biznesu robotycznego. Znacznie trudniejsza praca polega na przekształceniu tego prototypu w bezpieczny, wspierany, powtarzalny produkt, który nadal działa, gdy specjaliści opuszczą budynek.

Ostatnie prace Brain Corp nad kontekstowym osadzaniem i mapowaniem semantycznym wskazują na bardziej inteligentną warstwę dla fizycznej AI. Dlaczego „rozumienie otoczenia” jest następną dużą granicą dla autonomicznych robotów?

Tradycyjna nawigacja to w dużej mierze problem geometryczny: Gdzie jestem, gdzie mogę się poruszać i czego powinienem unikać? Kontekstowe osadzanie dodaje znacznie bogatszy zestaw pytań: Co się wokół mnie dzieje? Co to za obiekty? Jak ludzie prawdopodobnie będą z nimi wchodzić w interakcję? Jakie zachowanie jest właściwe w danej sytuacji?

Podstawowy system nawigacji może zauważyć, że coś zajmuje przestrzeń. System świadomy kontekstu powinien dokładnie rozumieć, czym jest dany obiekt, dlaczego jest tam, co robi i w końcu, jak zachowywać się wokół niego. Te rozróżnienia mają znaczenie, ponieważ prawidłowa reakcja różni się w zależności od sytuacji.

Staje się to szczególnie ważne, gdy roboty zaczynają wykorzystywać generatywną AI, modele wizja‑język i inne systemy probabilistyczne. Modele te mogą wnieść ogromną inteligencję i elastyczność, ale jedynie prawdopodobna odpowiedź nie wystarczy, gdy oprogramowanie steruje fizyczną maszyną. Działanie musi być osadzone w rzeczywistej geometrii, warunkach, wymaganiach bezpieczeństwa i kontekście społecznym otoczenia.

Uważamy, że rozwiązaniem jest połączenie zaawansowanej AI z trwałą, kontekstową reprezentacją świata fizycznego oraz deterministycznymi kontrolami bezpieczeństwa. To pozwala robotowi korzystać z coraz bardziej zdolnych modeli AI, nie pozwalając przy tym, by inteligencja probabilistyczna działała bez granic.

Jak firmy powinny myśleć o zaufaniu przy wdrażaniu robotów wśród pracowników, klientów i ogółu społeczeństwa?

Po pierwsze, musimy uznać fundamentalną prawdę: roboty różnią się od innych technologii korporacyjnych. Błąd w oprogramowaniu może spowodować awarię laptopa, ale błąd w 1000‑kilogramowej maszynie poruszającej się po zatłoczonym korytarzu sklepowym ma zupełnie inne konsekwencje. Firmy nie mogą po prostu traktować robota jak kolejny element podłączonego sprzętu IT.

Zaufanie do robotyki jest budowane każdego dnia. W czasach, gdy FCC ogranicza zatwierdzanie robotów produkowanych zagranicznie ze względu na obawy bezpieczeństwa, próg tego zaufania nigdy nie był wyższy. Gdy fizyczna AI wkracza do naszych szpitali, lotnisk, magazynów i sklepów spożywczych, firmy muszą ocenić zaufanie w kilku odrębnych warstwach: bezpieczeństwo fizyczne, prywatność danych i integrację z ludźmi.

Zaawansowana AI jest niesamowita, aby uczynić robota „inteligentnym” wystarczająco, by poruszał się w złożonych środowiskach, ale inteligencja i bezpieczeństwo to nie to samo. Godny zaufania robot oddziela te dwie sfery. Musi posiadać dedykowane, redundantne kontrolki bezpieczeństwa sprzętowego, które mogą nadpisać system. Bezpieczeństwo musi być zakodowane, a nie wyuczone.

Dodatkowo roboty poruszające się w przestrzeniach publicznych są w zasadzie mobilnymi platformami danych. Używają kamer i czujników, aby widzieć świat. Firmy muszą wymagać od dostawców pełnej przejrzystości: Co robot widzi? Gdzie trafiają te dane? Kto ma do nich dostęp? Prywatność i cyberbezpieczeństwo nie mogą być dopinane po wdrożeniu jako ćwiczenie PR; muszą być wbudowane w architekturę systemu od samego początku.

Największym błędem firm jest wrzucenie robota do obiektu bez przemyślenia zarządzania zmianą. Nie możesz liczyć na to, że pracownicy lub klienci przyjmą robotykę na ślepo. Pracownicy muszą być zaangażowani od samego początku, odpowiednio przeszkoleni i zobaczyć dokładnie, jak maszyna ułatwia ich codzienne obowiązki i zwiększa bezpieczeństwo. Muszą wiedzieć, kto jest odpowiedzialny, gdy coś pójdzie nie tak, i jak interweniować w razie potrzeby.

Ostatecznie certyfikaty, audyty i kontrole bezpieczeństwa to jedynie podstawowe dowody. Prawdziwe zaufanie buduje się poprzez powtarzalne doświadczenia. Kiedy robot zachowuje się bezpiecznie, konsekwentnie szanuje osobistą przestrzeń klienta i codziennie odciąża pracownika od nudnych, brudnych zadań, staje się po prostu częścią zespołu.

Patrząc w przyszłość, w którym sektorze komercyjna robotyka przyniesie najwięcej wartości w ciągu najbliższych pięciu lat: w handlu detalicznym, logistyce, opiece zdrowotnej, produkcji, lotniskach, czy może w zupełnie innym obszarze?

Największa wartość zazwyczaj pochodzi z środowisk dużych, rozproszonych i ograniczonych pod względem siły roboczej. Mają one powtarzalne zadania, które trudno wykonać konsekwentnie.

Łańcuch dostaw – od produkcji, przez logistykę, po handel detaliczny – łączy wszystkie te warunki. Sklepy to złożone przestrzenie publiczne, dostępność siły roboczej jest stałym wyzwaniem, a drobne problemy operacyjne (pusta półka, nieprawidłowa cena, opóźnione sprzątanie) mogą bezpośrednio wpływać na doświadczenie klienta i wyniki finansowe. Logistyka i produkcja również przyniosą ogromną wartość, dzięki widoczności inwentarza, transportowi materiałów i koordynacji w coraz bardziej zautomatyzowanych obiektach.

Jednak największa wartość nie będzie definiowana przez jedną konkretną branżę. To będzie zmiana w sposobie, w jaki przedsiębiorstwa kupują roboty. Konkretnie, najbliższe pięć lat przyniesie koniec izolowanego projektu robotycznego.

Obecnie przedsiębiorstwa prowadzą mocno rozdrobnione inicjatywy. Kupują jeden robot od firmy A do sprzątania podłóg, drugi od firmy B do skanowania inwentarza i trzeci od firmy C do transportu materiałów. Każdy z nich ma własne, lokalne rozumienie świata, które nie jest współdzielone z innymi. To operacyjny koszmar, który nie skaluje się.

W ciągu najbliższych pięciu lat wartość będzie pochodzić ze wspólnego kontekstu i realizacji. Przedsiębiorstwa przestaną kupować rozdrobnione roboty i zaczną inwestować w jednolitą fundację Physical AI. Chcą jednej platformy oprogramowania, jednej warstwy autonomii i jednego potoku danych, który zarządza różnorodną flotą maszyn, udostępnia kontekst o otoczeniu i centralnie orkiestruje automatyzację całych obiektów, a nie pojedynczych zadań.

Tak AI przechodzi od ambicji do realnego usprawnienia świata.

Thank you for the great interview, readers who wish to learn more should visit Brain Corp.