Почему физический ИИ сложнее, чем мы думали

Физический ИИ быстро переходит от впечатляющих демонстраций к инженерной реальности. Если ранее внимание было сосредоточено в основном на его возможностях, сегодня вопрос масштабируемости становится все более насущным: что мешает этим системам стать по-настоящему повсеместными и надежными?

Физический ИИ и робототехника гуманоидов теперь стоят на пересечении трех основных проблем – инженерных, когнитивных и инвестиционных. Интеллект, действующий в физическом мире, накладывает фундаментально разные требования, чем программный ИИ: здесь ошибки дороги, а окружающая среда остается непредсказуемой. Вот почему разговор смещается от эффекта “вау” к конкретным техническим, рыночным и нормативным барьерам.

Механики, которые должны научиться думать

Первая проблема – это тонкая моторика. У нас есть двигатели и сервоприводы, способные выполнять высокоточные микродвижения. Но воспроизведение человеческой чувствительности, гибкости и способности мгновенно адаптироваться при обращении с небольшими объектами чрезвычайно сложно. Человеческая рука бессознательно регулирует силу, угол, скорость и траекторию – все за доли секунды, постоянно корректируя даже самые незначительные изменения.

Вторая проблема – это баланс и контроль силы. Робот должен взаимодействовать с объектами разной формы, веса и текстуры: яблоко, стакан, ювелирное изделие, металлический компонент, мокрый или скользкий предмет. Робот может обладать значительной физической силой, но он должен уметь рассчитать и применить эту силу правильно. Для этого требуются тактильные датчики, системы, которые позволяют ему “чувствовать” давление, сопротивление и контакт с поверхностью. Не менее важно не только обнаруживать силу, но и правильно интерпретировать ее в контексте конкретного действия. Это становится вопросом понимания физических свойств объектов – материала сопротивления, упругости, трения и других параметров.

Еще одной серьезной проблемой является пространственная ориентация – так называемое 6D-представление. Это не означает “шестимерный мир” в научно-фантастическом смысле, а скорее три позиционных координаты, высота, ширина и глубина, плюс три координаты ориентации: углы вращения вокруг каждой оси. Например, труба или стакан – это трехмерный объект. Но для робота знание его координат недостаточно. Он должен понимать ориентацию объекта, его положение относительно гравитации и то, как его положение изменится при вращении манипулятора. Если робот берет стакан и хочет вылить воду из него, он не может просто “наклонить объект”. Он должен рассчитать точную траекторию, угол и скорость вращения, учитывая жидкость внутри, ее инерцию и силу гравитации. Все это требует сложной пространственной моделирования и прогнозирования последствий действий.

Почему рынок все еще осторожен

Когда речь идет о физическом ИИ в контексте робототехники гуманоидов, важно признать все еще заметный уровень скептицизма.

Часть этого скептицизма является психологической. Эффект “долины неудобства” – когда что-то кажется почти человеческим, но не совсем реалистичным – создает дискомфорт и тревогу. Неестественные выражения лица, слегка жесткие или “сломанные” движения, механическая интонация – все это генерирует эмоциональное сопротивление. И технологии, которые вызывают неудобство, как правило, принимаются более медленно.

Но главным барьером является экономика. Инвесторы видят, что компании демонстрируют впечатляющие прототипы на протяжении десятилетий, но масштабируемые коммерческие модели остаются ограниченными. Технологический прогресс очевиден, но устойчивый массовый рынок еще не полностью сформировался.

Игроки, такие как Boston Dynamics, строят инженерные шедевры, но их применения остаются нишевыми и дорогими. Tesla разрабатывает свои собственные гуманоидные проекты. Новые компании, такие как Figure AI, привлекают значительные инвестиции, обещая роботов для производственной, логистической и уходовой промышленности.

Производство остается очевидным направлением в этом контексте. Роботизация – это не вопрос “если”, а скорость и стоимость развертывания.

Еще более явным примером является логистика и складирование. Логистические роботы уже являются одним из наиболее прибыльных и широко принятых сегментов робототехники сегодня. Я помню, что в Keymakr многие логистические компании обратились к нам за услугами аннотации при внедрении таких технологий, с амбициозными планами по дальнейшему масштабированию. Масштаб глобальной электронной коммерции требует перемещения огромных объемов товаров на высокой скорости и точности. Люди физически не способны работать в таком темпе. В результате автоматизация склада стала “горячей” темой, давшей начало целой отрасли: автономные платформы навигации, сортировки, транспортировки и распределения грузов.

Тем не менее, большая часть отрасли остается в пилотной фазе и делает амбициозные обещания. Компании все еще ищут убедительные случаи использования, которые обеспечивают предсказуемую монетизацию. Инвесторы, в свою очередь, оценивают время возврата инвестиций, технологические риски и масштаб инженерных проблем.

Вот почему рынок развивается инкрементально. Капитал в этой области требует не только видения, но и доказанной экономики.

Риск становится частью архитектуры

Отдельный слой обсуждения касается регулирования и кибербезопасности. Комплексный нормативный каркас для физического ИИ еще не полностью сформирован. Отрасль все еще находится на формировании: нет зрелых стандартов, нет широкого присутствия в повседневных средах и нет установленных протоколов сертификации. Регуляции неизбежно появятся – но, как и в других технологических циклах, они будут следствием масштабирования.

Что сейчас более важно, это другой вопрос – доверие к системам, которые получают физическую автономию. Робот в доме, на складе или критической инфраструктуре – это узел сети, оснащенный датчиками, камерами, микрофонами и каналами связи. Его поведение определяется программным обеспечением и обновлениями. И даже если робот изначально запрограммирован на выполнение только безопасных действий, возможность киберугроз остается. При недостаточной защите злонамеренные акторы могут теоретически получить доступ к сети устройств и попытаться использовать их для вредных целей.

Сценарии, связанные с взломом автономных транспортных средств или сетей роботов, уже в картах. Они рассматриваются как часть оценки риска – как это произошло с банковскими системами, интернетом и облачными сервисами.

Но история показывает, что технологический прогресс редко останавливается из-за угроз. Вместо этого отрасли укрепляют защиту, устанавливая стандарты, реализуя мониторинг и строя многослойные системы безопасности. Физический ИИ последует тому же пути. Вопрос не в том, возникнут ли риски, а в том, как быстро безопасность станет встроенной в整个 экосистему.

Отрасль строится вокруг этого

Все упомянутые проблемы, технические, рыночные и нормативные, имеют одну важную характеристику: ни одна из них не может быть решена в изоляции.

Физический ИИ не может рассматриваться как отдельный продукт или даже как одна технология. То, что мы наблюдаем, – это формирование всей инфраструктуры, в которой аппаратное обеспечение, вычисления, энергия, данные и материалы эволюционируют синхронно. И именно здесь становится ясно: это возникновение новой промышленной экосистемы.

Робот автономен и мобилен. Это означает, что он не может полагаться только на облачные вычисления. В отличие от моделей LLM, работающих на серверных кластерах, физический интеллект должен принимать решения локально, в реальном времени. Это фундаментально меняет требования к микросхемам: они должны быть мощными, энергоэффективными и оптимизированными для вывода на пограничных устройствах.

Это, в свою очередь, создает широкий спектр новых направлений разработки: энергоэффективные микросхемы для робототехники; компактные, оптимизированные модели ИИ для развертывания на пограничных устройствах; платформы для обучения таких моделей; системы аннотации данных и подготовки специализированных наборов данных, таких как то, что мы делаем в Introspector, а также достижения в области батарей и автономных систем питания.

Уже обсуждаются концепции, чтобы робот мог заменить свои собственные батареи: удаление разряженного модуля, его размещение на зарядке и подключение заряженного без полного отключения системы. Это само по себе может стать отдельным рынком.

Комплексная отрасль постепенно формируется вокруг физического ИИ. Помимо вычислений и энергии, материаловедение должно эволюционировать: синтетические покрытия, имитирующие кожу, гибкие датчиковые поверхности, безопасные и тактильно приятные материалы для взаимодействия с человеком.

Если робот работает рядом с людьми, его внешний вид и физические характеристики становятся частью восприятия пользователя и доверия к технологии.

В этом смысле физический ИИ – это вся технологическая стека, от микросхем и батарей до датчиков, программного обеспечения, материалов и факторов восприятия человека. Именно в этой сложности лежит истинный масштаб будущей отрасли.