Китай готує нове покоління роботів: у що інвестори вклали $13 млрд

► Читайте телеграм-канал «Мінфіну»: головні фінансові новини

Китайські виробники роботів дедалі більше зосереджуються не на механіці, а на штучному інтелекті, який має навчити машини самостійно виконувати завдання, пристосовуватися до нових умов і знаходити рішення без детальних інструкцій. Цей напрям стрімко набирає інвестицій: у першій половині 2026 року китайські компанії сектору втіленого штучного інтелекту залучили 93,5 млрд юанів ($13 млрд) у межах 322 угод. Це вп'ятеро більше, ніж за аналогічний період торік, свідчать дані дослідницької компанії ITjuzi.

Йдеться про так званий embodied AI — штучний інтелект, інтегрований у фізичні машини. Він має не просто виконувати запрограмовані рухи, а розпізнавати навколишнє середовище, засвоювати нові навички та переносити їх на незнайомі завдання.

Інвестиції отримують як виробники роботів, так і спеціалізовані розробники програмного забезпечення. За словами засновника консалтингової компанії ZenGen Labs Дермота Макграта, виробники дедалі більше розуміють, що основна маржа в майбутньому буде не в апаратному забезпеченні, а в інтелекті машин.

Як роботи навчаються нових завдань

На відміну від чатботів, які навчаються на величезних масивах текстів з інтернету, роботам потрібні приклади фізичних дій: як брати предмети, працювати з гнучкими дротами, взаємодіяти з обладнанням і виконувати побутові операції.

Китайські розробники збирають такі дані різними способами. Наприклад, Spirit AI найняла близько 1000 людей, які записують повсякденні та промислові дії. ACE Robotics використовує датчики, що фіксують рухи працівників і силу захоплення предметів.

Підрозділ робототехніки Ant Group — Robbyant — пішов іншим шляхом. Компанія навчила свою модель на 160 тисячах годин матеріалів, з яких 50 тисяч годин становлять рухи роботів під керуванням людей. Для навчання використовували 20 конфігурацій роботів від 17 виробників. Мета — створити ШІ, який можна застосовувати на різних машинах.

Ще один підхід — комп'ютерне моделювання. Компанія DexForce заявляє, що може підготувати окремі промислові завдання до впровадження за 6−8 годин, а точність виконання певних операцій перевищує 99,9%. Водночас симуляції не здатні повністю відтворити фізичні взаємодії в реальному світі. Тому, як зазначає представник Manycore Tech Джеррі Ван, важлива не лише кількість зібраних даних, а й їхня якість.

Від лабораторних експериментів до роботи на підприємствах

Наскільки важливим може бути такий підхід, показує експеримент, про який розповіла Чжу Мінсюань, яка керує розробкою роботизованого ШІ в JoyIn Technology. Робот неодноразово намагався покласти навушники до шафи, але не міг до них дотягнутися. Після того як інженери показали йому відео з тим, як люди розв'язують подібну проблему, машина підсунула до шафи коробку й спробувала стати на неї.

Деякі розробки вже використовують у бізнесі. Виробник акумуляторів CATL повідомив, що роботи Spirit AI з'єднують гнучкі дроти під час тестування акумуляторних блоків на заводі Zhongzhou. За даними компанії, успішність цієї операції перевищує 99%. Robbyant, своєю чергою, заявляє, що її роботи обробляють замовлення у двох аптеках Шанхая. Перед відправленням ліки перевіряють працівники.

Однак масштабувати такі рішення непросто. Китайським розробникам бракує передових чипів Nvidia через експортні обмеження США. Це може ускладнити навчання потужніших моделей. Компанії намагаються зменшити потребу в обчислювальних ресурсах завдяки ефективнішим моделям, синтетичним даним і симуляціям. Водночас китайські виробники чипів, зокрема Huawei, розробляють альтернативи обладнанню Nvidia. Наскільки ці рішення допоможуть компенсувати дефіцит, поки невідомо.

Коли роботи зможуть виконувати незнайомі завдання

Китайські компанії розраховують, що наступний технологічний стрибок дозволить роботам опановувати широкий спектр завдань без тривалого перенавчання. Засновник Unitree Ван Сінсін заявив, що компанія вже випробувала GPT-6 від OpenAI на роботах і отримала обнадійливі результати. За його словами, GPT-7, якщо її випустять наступного року, може принести робототехніці власний «момент ChatGPT».

Ван вважає, що про такий прорив можна буде говорити, коли роботи зможуть виконувати 80% завдань у 80% незнайомих середовищ, отримуючи голосові інструкції.

Втім, робототехнічний консультант Георг Штілер застерігає від ототожнення успішних демонстрацій із готовністю технології до масового комерційного використання. Якщо робот навчиться виконувати багато незнайомих завдань під час показових випробувань, це ще не означатиме, що підприємства зможуть надійно покладатися на нього в повсякденній роботі. На це, за оцінкою експерта, можуть знадобитися роки, а не місяці.

Автор:

редактор новин Ігор Тележніков

Пише на теми: Економіка, фінанси, криптовалюти, технології, інвестиції