Китайские производители роботов освоили движения. Теперь начинается гонка за «мозг»

После многих лет работы над humanoid-роботами, которые умеют бегать, танцевать и делать обратные сальто, китайские компании направляют ресурсы на разработку искусственного интеллекта, способного сделать эти машины полезными в куда более широком круге задач. Цель — программное обеспечение, позволяющее роботам понимать окружающую среду, осваивать незнакомые задачи и адаптироваться без отдельного программирования под каждую работу.

По данным ITjuzi, китайские компании в сфере ИИ в первом полугодии 2026 года привлекли 93,5 млрд юаней (13 млрд долларов) в рамках 322 сделок — в пять раз больше, чем годом ранее. Финансирование всё чаще достаётся не только производителям, но и узкоспециализированным разработчикам «интеллекта» для роботов. По словам Дермота Макгрэта из ZenGen Labs, по мере падения цен на оборудование производители пришли к выводу, что прибыль будет приходить «не от железа, а от мозга». Соучредитель Spirit AI Гао Ян также называет «мозг» самым слабым звеном всего стека робототехники.

Гонка за интеллект

Американские стартапы, в том числе Physical Intelligence, Skild AI и Generalist, создают программы, обучающие роботов разным навыкам без длительной подготовки. Generalist сообщает, что её модель GEN-1.5 выполнила около 60% простых задач, понаблюдав за демонстрацией длительностью от 3 до 12 секунд. Китайская X Square опубликовала исследование, показывающее, что роботы могут усваивать навыки управления по одному видео с человеком без переобучения модели.

Американские разработчики пользуются передовыми исследованиями и доступом к мощным чипам, а китайские компании могут тесно сотрудничать с производителями роботов и промышленными заказчиками, тестируя и совершенствуя свои системы. Стоимость каждого из специализированных стартапов — X Square, Galaxea и Spirit AI — достигла примерно 3 млрд долларов. Инвестируют и опытные производители: UBTech объявила вакансию главного учёного по разработке ИИ-моделей с компенсацией до 124 млн юаней, а в Unitree около 30 исследователей работают над ИИ, предсказывающим поведение объектов.

Гонка за данные для обучения

В отличие от чат-ботов, которые учатся на огромных массивах интернет-текстов, роботам нужны примеры физического взаимодействия. Компании идут разными путями. Spirit AI наняла около 1000 человек для записи повседневной и производственной деятельности, ACE Robotics использует носимые датчики, а подразделение Ant Group Robbyant создало модель на 160 000 часов материала, включая 50 000 часов движений роботов под управлением человека. DexForce делает ставку на симуляции: компания заявляет, что может подготовить некоторые промышленные задачи к внедрению за 6–8 часов, а на отдельных точных операциях показывает успешность свыше 99,9%. Джерри Ван из Manycore Tech отмечает, что симуляции не способны идеально воспроизвести физическое взаимодействие, а Ян Цянь из X Square считает, что качество данных важнее масштаба и разнообразия.

У китайских компаний есть и другие трудности: нехватка передовых чипов Nvidia из-за американского экспортного контроля и сложности с финансированием через IPO на фоне опасений регуляторов по поводу завышенных оценок и перенасыщения рынка. По мере усиления роботов дефицит чипов станет более серьёзной проблемой. Компании пытаются снизить потребность в вычислениях за счёт более эффективных моделей, синтетических данных и симуляций, а отечественные производители чипов, в том числе Huawei, разрабатывают альтернативы Nvidia. Насколько это поможет восполнить дефицит, пока неясно.

От обучения к работе

Чжу Минсюань, руководящий разработкой модели Aether в JoyIn, описал эксперимент, в котором робот раз за разом не мог положить наушники на недоступную полку. После того как инженеры показали ему видео, как люди выполняют эту задачу, он подтолкнул коробку к полке и попытался залезть на неё. В реальных применениях места для импровизации нет: CATL сообщает, что роботы Spirit AI на заводе в Чжунчжоу соединяли гибкие кабели при испытаниях аккумуляторных блоков с успешностью выше 99%, а Robbyant — что её роботы принимают заказы в двух аптеках Шанхая, где сотрудники проверяют лекарства перед отправкой. Долгосрочный приз — программное обеспечение, способное осваивать новую работу без масштабной адаптации, а это потребует обучения всё более мощных моделей на передовых чипах.

«Момент ChatGPT»

Основатель Unitree Ван Синсин рассказал в прошлом месяце, что компания тестирует на роботах GPT-6 от OpenAI с многообещающими результатами. По его словам, если GPT-7 выйдет в следующем году, у робототехники может наступить собственный «момент ChatGPT» — скачок возможностей, подобный запуску ChatGPT в 2022 году. Он считает, что порог будет пройден, когда роботы смогут выполнять 80% задач в незнакомой обстановке по голосовым инструкциям.

Консультант Георг Штилер предупреждает, что прогресс в демонстрациях не означает готовности роботов к широкому коммерческому применению. Если вопрос в том, когда модель впервые выполнит широкий круг незнакомых задач на демонстрациях, оптимисты могут оказаться правы, говорит он. Если же вопрос в том, когда клиент сможет ей доверять, он прибавил бы не месяцы, а годы