Авторы: Cosmo Jiang, Erik Hopyan (Pantera Capital)
Перевод: 深潮 TechFlow
Введение от 深潮: на фоне сокращения ликвидности на первичном криптовалютном рынке крупные криптовенчурные фонды всё активнее обращают внимание на ИИ и робототехнику.
Pantera Capital — одна из первых и самых известных в США институциональных инвестиционных компаний, специализирующихся на криптовалютах и блокчейне. Основанная в 2003 году, в 2013 году она запустила первый в США институциональный биткоин-фонд. Долгое время компания сосредоточивалась на цифровых активах и блокчейне, а позднее постепенно расширила сферу интересов, включив более широкий круг передовых технологических направлений, таких как ИИ и робототехника.
Недавно партнёр фонда Cosmo Jiang и инвестор Cody Poh специально прилетели в Шэньчжэнь, чтобы на месте изучить китайскую цепочку поставок в сфере робототехники. Они ознакомились с разными её звеньями — от производителей гуманоидных роботов и команд, разрабатывающих модели, до поставщиков ловких роботизированных кистей и оборудования для сбора данных — и опубликовали большой обзор по итогам поездки.
Главный вывод был предельно прост: в аппаратной части лидирует Китай, в программной — США, а в области данных качество гораздо важнее количества.
А ещё интереснее их наблюдения и сравнения венчурных экосистем Китая и США с точки зрения инвесторов:
Китайские венчурные инвесторы обычно требуют от проектов выручки уже через 2–3 года и даже подталкивают их к выходу на биржу. В сочетании со сравнительно слабой защитой интеллектуальной собственности это вынуждает предпринимателей отдавать предпочтение «быстрым деньгам» — продаже оборудования и аутсорсингу сбора данных — и не решаться вкладывать значительные средства в долгосрочную разработку базового программного обеспечения.
Кроме того, рабочая сила в Китае обходится дешевле, поэтому человекоподобные роботы пока в основном используются для встречи посетителей в выставочных залах или для выступлений — танцев и демонстрации кунг-фу. В США же высокая стоимость труда и нехватка рабочих профессий обеспечивают реальный коммерческий спрос на автоматизацию в промышленности и логистике.
Ниже приводим перевод всего текста.
В два часа ночи, после шестичасовой задержки в Сингапуре, наш рейс Cathay Pacific наконец приземлился в Гонконге. Мы поспали меньше трёх часов и уже сели в машину, направлявшуюся прямиком в Шэньчжэнь. Это столица китайского производства и город, где расположены штаб-квартиры таких технологических гигантов, как Huawei, BYD и DJI.
«Генчи генбуцу» (Genchi Genbutsu): поезжай и посмотри сам, увидь собственными глазами. Ранее мы посетили множество американских робототехнических компаний и выбрали несколько для инвестиций. Опыт подсказывал нам, что Китай — важнейшее звено мировой цепочки поставок робототехнической отрасли. Но можем ли мы действительно разобраться в ситуации, наблюдая за ней лишь издалека?
Последние два года робототехника оставалась одним из главных направлений наших исследований. Прорывы в области воплощённого ИИ (Embodied AI) открыли для отрасли принципиально новые перспективы роста (Step Function Change). Теперь модели способны воспринимать окружающий мир, логически планировать и действовать в физической среде, а необходимое для их работы оборудование становится всё мощнее и дешевле.
В самом оптимистичном сценарии роботы преобразят гораздо более широкий мировой рынок физического труда. Сегодня в мире 2,2 миллиарда работников физического труда, а совокупный фонд их годовой оплаты превышает $20 триллионов. Даже проникновение роботов всего на 1% этого рынка даст выручку, сопоставимую с выручкой крупнейших технологических гигантов современности.
Китай незаменим для отрасли воплощённого ИИ. Производители оборудования по всему миру в значительной мере зависят от китайских цепочек поставок: в 2025 году на китайских производителей пришлось более 90% мирового производства человекоподобных роботов. В то же время недавно введённые Федеральной комиссией по связи США (FCC) ограничения на передовое робототехническое оборудование зарубежного производства подчёркивают, насколько сильно геополитика меняет эту отрасль.
Как инвесторы, ориентированные на фундаментальные показатели, мы должны понимать эту стремительно меняющуюся макроэкономическую картину и уметь в ней ориентироваться. Лучший способ добиться этого — отправиться на передовую и увидеть своими глазами, как отрасль устроена на самом деле.
Так началась наша поездка в Шэньчжэнь. Здесь мы из первых рук изучили стремительно развивающуюся китайскую робототехническую экосистему. Мы посетили множество компаний по всей цепочке поставок: от вертикально интегрированных заводов по производству человекоподобных роботов и разработчиков передовых моделей до поставщиков оборудования для сбора данных и специалистов по созданию ловких роботизированных кистей.
Мы подробно беседовали с основателями стартапов и руководителями, отвечающими за продажи, производство и исследования, а также откровенно общались с недавними выпускниками университетов, только начинающими карьеру. Цель исследования была ясна: понять, каково реальное положение Китая в глобальной гонке робототехники, в чём заключаются его главные конкурентные преимущества и, что ещё важнее, какие инвестиционные пробелы и возможности есть на рынке сегодня.
Оборудование: Китай лидирует в производственной гонке
На протяжении всей поездки не оставалось сомнений: Китай безусловно лидирует в гонке аппаратных решений для робототехники благодаря непревзойдённым масштабам производства и способности интегрировать цепочки поставок. Особенно ярко это проявляется в Шэньчжэне, который по праву считается сердцем китайского промышленного двигателя.
За десятилетия в качестве одного из главных мировых производственных центров здесь сформировалась глубокая и прочная экосистема: повсюду доступны сырьё и материалы, действует экономичная логистическая сеть, налажены зрелые массовые производственные линии, а в распоряжении компаний — большая армия квалифицированных работников, владеющих тонкостями точного производства. Это структурное конкурентное преимущество новым производственным центрам крайне сложно воспроизвести.
Преимущество цепочки поставок не только напрямую обеспечивает исключительную ценовую конкурентоспособность, но и позволяет невероятно быстро внедрять инновации. В Шэньчжэне стартап, создающий человекоподобных роботов, может утром придумать что-то новое, сразу сообщить поставщику комплектующих, и к полудню заказанные детали уже будут доставлены в офис.
Такая поразительная скорость реакции позволяет китайским производителям поставлять более качественное передовое оборудование по более низким ценам. Стереотип о том, что Китай способен производить только низкокачественные подделки и массовые товары, давно устарел.
Передовые лаборатории моделей постоянно наращивают масштабы обучения, и спрос на специализированное оборудование для сбора данных стремительно растёт. В производстве такого оборудования с низкими затратами и в больших объёмах Китай обладает уникальным преимуществом.
Некоторые ведущие американские робототехнические компании, с которыми мы общались, громко заявляют, что самостоятельно разрабатывают и производят все ключевые компоненты. Но стоит поговорить с местными поставщиками в Шэньчжэне, как они без обиняков рассказывают, каким именно американским гигантам из «Великолепной семёрки» (Mag 7) или кремниевым единорогам с оценкой в миллиарды долларов они стабильно поставляют продукцию. Речь идёт и о ключевых компонентах — ловких кистях и исполнительных механизмах, — и о широкоугольных камерах и гарнитурах для сбора данных.
Возьмём, к примеру, ловкую роботизированную кисть производства Wuji Tech. В компактном корпусе, почти не превышающем размер человеческой ладони, она объединяет более 1800 компонентов и превосходит любые роботизированные кисти, которые мы видели в США. Неудивительно, что компания — один из ключевых поставщиков, незаметно работающих за кулисами многих американских технологических гигантов.
Каждый палец этой кисти может сгибаться в обратную сторону, что значительно повышает её долговечность — одно из главных требований в разработке роботизированных кистей, — а также способность выдерживать случайные удары. На месте мы наблюдали, как кисть с дистанционным управлением точно вытаскивала по одной карте из целой колоды. Для человека это кажется лёгким делом, но для роботизированной кисти это серьёзное испытание: требуется контролировать усилие и трение с точностью до микрона.
Ещё один впечатляющий, но немного странный момент — человекоподобный робот UBTECH с искусственной кожей, который сразу напомнил сайлона (Cylon) из сериала «Звёздный крейсер „Галактика“».
Ещё одна заметная особенность китайского рынка — чрезвычайно жёсткая конкуренция, которая постоянно снижает цены на продукцию и сжимает рентабельность отрасли почти до нуля.
Одна стартап-компания целый час рассказывала нам о технологических прорывах, достигнутых при создании исполнительных механизмов нового поколения. Однако, когда мы спросили, за счёт чего они в итоге собираются выделиться на рынке, они без колебаний ответили: «Разумеется, главное — цена». И таких компаний немало.
За обедом владелец сети розничных магазинов тоже посетовал, что в Китае трудно получать прибыль: всегда найдутся конкуренты, готовые пожертвовать прибылью за этот год, чтобы отвоевать долю рынка, в надежде заработать в следующем. Но в следующем году появляются новые нарушители спокойствия, которые вступают в ценовую войну, опуская цены ещё ниже.
В китайской культуре глубоко укоренён дух «умения переносить тяготы». Готовность долго и стойко терпеть лишения, безусловно, мешает отдельным компаниям получать сверхприбыли и делает выживание каждой из них необычайно трудным. Но на макроуровне благодаря этому целые промышленные кластеры и цепочки поставок страны обрели поразительную совокупную конкурентоспособность.
Помимо преимуществ в стоимости и масштабах производства, положение Китая в верхнем звене цепочки поставок робототехнической отрасли даёт ему ещё одно естественное преимущество, которое часто недооценивают за рубежом: возможность из первых рук следить за развитием передовых технологий во всём мире.
Ведущие лаборатории робототехники постоянно экспериментируют с новыми способами сбора данных: от перчаток с тактильными датчиками и обратной связью по усилию до гарнитур для визуального сбора данных, оснащённых восемью камерами высокой чёткости для записи с более широким углом обзора.
Китайские производители — почти единственные в мире, кто способен быстро и с низкими затратами поставлять такое передовое оборудование. Благодаря этому они могут на самом раннем этапе замечать тонкие изменения в технологических запросах ведущих мировых лабораторий и даже на 3–6 месяцев раньше рынка в целом предугадывать направление развития следующего поколения технологий.
Однако смогут ли китайские компании действительно превратить доминирующее положение в производстве и полученное заранее понимание рынка в собственное преимущество благодаря уникальным ключевым технологиям? Это совершенно другой вопрос. Чем дальше продвигалось наше путешествие, тем сильнее становились наши сомнения.
Данные: сбор — узкое место отрасли, а не конкурентный барьер
Почти каждая робототехническая компания говорила нам, что в Китае разворачивается масштабная кампания по сбору данных, а собранные данные широко поставляются клиентам по всему миру.
На первый взгляд всё кажется логичным: компании выдают работникам гарнитуры для сбора данных, те записывают данные проприоцепции от первого лица, а компания получает дополнительный доход. Но по мере общения с новыми стартапами китайской экосистемы выяснилось, что механизм работы куда сложнее, чем кажется, и зачастую он прямо связан с местной государственной политикой.
Несколько представителей отрасли рассказали нам, что ключевую роль в нынешней волне сбора данных играют местные органы власти всех уровней. После того как центральное правительство приняло меры поддержки развития робототехнической отрасли и стимулирования занятости, местные власти быстро поняли, что субсидирование сбора данных — короткий путь к созданию новых рабочих мест в сфере робототехники в краткосрочной перспективе.
Под влиянием количественных показателей эффективности местные чиновники нередко стремятся к краткосрочным результатам, которые легко подсчитать, порой жертвуя ради них более масштабной долгосрочной промышленной стратегией.
Миллионы долларов продолжают вливать в обучающие данные, ценность которых вызывает сомнения. По всему Китаю появилось множество так называемых «ферм данных», где работники день за днём механически повторяют одни и те же движения, накапливая тысячи часов «данных для обучения роботов».
Однако после первых нескольких наборов такие крайне однообразные и повторяющиеся данные почти не дают существенного прироста способности модели к обобщению.
Несмотря на сомнительное качество, эти данные по-прежнему непрерывно продаются зарубежным клиентам. Это указывает на более глубокую и суровую реальность отрасли: дефицит данных остаётся главным узким местом в разработке современных робототехнических моделей. В отличие от больших языковых моделей, которые могут собирать огромные объёмы готовых текстов из интернета, в робототехнике просто нет сопоставимого готового массива данных.
Кроме того, по-настоящему ценные обучающие данные для роботов бывают самых разных типов, а данные, необходимые для следующего скачка в производительности моделей, в реальном мире пока даже не собраны в объёме, достаточном для эффективного использования.
Поэтому настоящий ключевой барьер — не сам сбор данных, а способность превращать исходные данные в высокоценные обучающие сигналы.
Обнадёживает то, что всё больше передовых исследований показывают: законы масштабирования (Scaling Laws) применимы и к моделям для роботов — с ростом объёма обучающих данных производительность модели предсказуемо улучшается. Это означает, что спрос на высококачественные разнообразные гетерогенные обучающие данные для роботов будет оставаться высоким. Такие данные должны точно соответствовать постоянно меняющимся требованиям к мультимодальности, различным методам сбора и новым архитектурам обучения.
В отрасли, где само определение «высококачественных данных» постоянно меняется, наиболее устойчивым конкурентным барьером будет способность стать незаменимым и заслуживающим доверия научным партнёром для ведущих передовых лабораторий мира.
Ключ к такой репутации в отрасли — высочайший профессиональный уровень в разметке данных, их очистке и отборе, а также оценке моделей, а не просто массовый набор работников для сбора данных.
Вероятнее всего, победителями будущего станут не команды, собравшие больше всех данных, а те, кто обладает серьёзной научной экспертизой в области воплощённого ИИ и способен быстрее других адаптироваться к технологическому развитию ведущих робототехнических компаний. Как Scale AI и Mercor стали незаменимыми партнёрами ведущих мировых лабораторий больших языковых моделей благодаря глубокому пониманию передовых исследований, так и в сфере воплощённого ИИ действует та же логика.
Программное обеспечение: слон в комнате
Робототехническая автоматизация существует в промышленности уже десятилетиями. Например, с момента приобретения Kiva в 2012 году Amazon широко использует автоматизированных роботов в складской и логистической инфраструктуре. К 2025 году число внедрённых роботов превысило миллион, а компания продолжает выпускать новые модели с новыми возможностями. Поэтому создание всё более совершенного оборудования — лишь естественное продолжение развития промышленности.
Настоящая смена парадигмы в робототехнике связана с воплощённым ИИ. Он преодолевает ограничения роботов, которые можно было запрограммировать лишь для узкого круга конкретных задач, и принципиально расширяет возможности машин к обобщению, восприятию и выполнению действий.
Однако во время всех наших визитов в Шэньчжэне ИИ-программное обеспечение оставалось «слоном в комнате», о котором никто не хотел говорить вслух. Большинство увиденных нами человекоподобных роботов и устройств обладали крайне ограниченными способностями к самостоятельному принятию решений и обобщению. Почти все они в значительной мере зависели от дистанционного управления человеком (Teleoperation) или заранее заданных программ действий.
Несколько руководителей компаний откровенно признались, что их роботам пока не хватает продвинутых возможностей ИИ, а базовые программные алгоритмы отстают от ведущих зарубежных конкурентов как минимум на 1–2 года. В разговорах с молодыми сотрудниками начального уровня звучало меньше официальных любезностей и больше суровой правды. Они в шутку признавали, что их программные системы пока совершенно не способны нормально работать в сложных условиях, а многие прежние попытки даже нельзя назвать приложением всех усилий.
Отчасти это объясняется тем, что наша поездка была сосредоточена на Шэньчжэне, где преобладает тяжёлое производство, а не на Ханчжоу или Шанхае, где больше внимания уделяют программным алгоритмам. Но за этим действительно стоит более широкая, фундаментальная проблема отрасли.
Доминирование Китая в производстве оборудования и сборе данных — двух ключевых областях — не привело автоматически к лидерству в программных алгоритмах. Многие китайские производители человекоподобных роботов не разрабатывают базовые модели с нуля, а по-прежнему строят свои программные возможности на открытых моделях, выпущенных передовыми американскими лабораториями, и в особенности на открытых экосистемах OpenAI, Nvidia и Physical Intelligence.
Наши беседы с исследователями отрасли показали, что многие китайские робототехнические компании, по-видимому, предпочитают не вкладывать огромные капитальные ресурсы в разработку базовых моделей, а сосредоточиваться на дообучении (Post-training) и тонкой настройке уже существующих открытых моделей.
Для передовых американских лабораторий, разрабатывающих модели, это открывает стратегическую возможность: открытый исходный код может превратиться в чрезвычайно эффективную стратегию распространения на рынке, побуждая разработчиков по всему миру использовать их модели и строить вокруг них экосистемы. По мере того как универсальные возможности базовых моделей будут расти, у китайских производителей может стать ещё меньше стимулов разрабатывать собственные альтернативные модели нижнего уровня.
Дистилляция моделей давно стала секретом Полишинеля среди китайских компаний; очевидно, некоторые команды надеются применить этот подход и в робототехнике. Однако, в отличие от больших языковых моделей, которые можно эффективно дистиллировать на основе синтетических текстов, робототехнические модели сталкиваются с куда более сложными инженерными задачами.
Для дистилляции робототехнических моделей недостаточно алгоритмов базовой модели: нужны огромные массивы данных о реальном физическом взаимодействии, инфраструктура для совместной работы с оборудованием и строгие испытания в реальных условиях. Поэтому даже компаниям с мощными производственными возможностями чрезвычайно трудно воспроизвести дистилляцией самые передовые зарубежные модели — сложность такой задачи растёт в геометрической прогрессии.
Глубокие различия в правилах ведения бизнеса
В стране, которая всего за жизнь одного поколения нынешних руководителей полностью избавилась от бедности, глубокий след прошлого отчётливо виден и сегодня. Китайское общество пронизано сильной культурой упорного труда и стремления догнать лидеров — это часто встречается в регионах, где быстро возникли новые богатства. Люди хотят как можно скорее получать гарантированную коммерческую прибыль, опасаясь снова скатиться в бедность, которую ещё помнят.
Всё это кажется вполне объяснимым. Но по-настоящему нас поразило, насколько глубоко такой образ мышления сформировал всю стартап- и венчурную экосистему.
Во время визитов в китайские стартапы мы снова и снова слышали с оттенком зависти: «Американским стартапам совсем не нужно беспокоиться о краткосрочной прибыли». Это прямо указывает на жёсткое давление со стороны инвесторов, заставляющее китайские команды быстрее коммерциализировать свои разработки.
Это расхождение связано с распространёнными в китайской венчурной экосистеме ожиданиями короткого срока окупаемости инвестиций. От многих стартапов требуют получать значительную выручку уже через 2–3 года после основания; стоит им показать первые результаты, как инвесторы начинают торопить их с выходом на биржу.
Мы предполагаем, что у китайских венчурных фондов мало терпения к долгосрочным инвестициям по нескольким причинам. С одной стороны, не хватает альтернативных активов с высокой доходностью: фондовый рынок последние десять лет оставался в узком диапазоне, доходность аренды жилья в крупнейших городах составляла всего около 1%, а движение капитала ограничено. С другой — здесь мало долгосрочных институциональных инвесторов (LP), способных выдерживать очень длинные инвестиционные циклы, подобных университетским эндаумент-фондам за рубежом.
Это вынуждает стартапы чрезмерно сосредоточиваться на контрактном производстве оборудования и аутсорсинге сбора данных — направлениях, где выручка поступает быстрее и деньги быстрее возвращаются. В то же время они сторонятся разработки базового программного обеспечения, коммерциализация которого занимает много времени и сопряжена с высокой неопределённостью.
Кроме того, позиции двух стран в вопросе защиты интеллектуальной собственности резко различаются. Во время визитов мы видели на стенах коридоров многих компаний патенты, гордо выставленные напоказ. Однако слабая фактическая защита интеллектуальной собственности в отрасли — общепризнанный факт.
Из-за этого компаниям приходится как можно быстрее извлекать коммерческую выгоду из каждого небольшого новшества: иначе конкуренты вскоре скопируют его с меньшими затратами и первыми захватят рынок.
В итоге возникло структурное несоответствие стимулов: Китай создал мощнейшие барьеры в физической составляющей робототехники, но нынешняя капитальная среда и система оценки результатов объективно мешают привлечению терпеливого долгосрочного капитала, необходимого для превращения этих физических преимуществ в лидерство в программном обеспечении.
Ключевые выводы Pantera о робототехнической отрасли
Уезжая из Шэньчжэня, мы гораздо яснее и объёмнее, чем прежде, понимали, на каком этапе развития находится мировая робототехника, а также какие ключевые разрывы и возможности для прорыва определят её дальнейшее развитие.
Робототехническая отрасль всё ещё находится на самой ранней стадии, а Китай играет незаменимую ключевую роль
Наши поездки по Шэньчжэню и беседы с руководителями китайских робототехнических компаний вновь подтвердили нашу оценку: отрасль воплощённого ИИ всё ещё находится на начальном этапе. Аппаратные характеристики постоянно улучшаются, но, по общему мнению китайских команд, программным алгоритмам ещё очень далеко до зрелого коммерческого внедрения.
Роль Китая в мировой цепочке поставок робототехнической отрасли важна как никогда. Китайские производители не только выпускают ключевое оборудование для сбора данных, но и являются главными поставщиками важнейших компонентов роботов.
Данные по-прежнему остаются главным препятствием для раскрытия способности моделей к обобщению. Пока действуют законы масштабирования, сбор более разнообразных и качественных данных будет необходимым условием роста производительности. Производственная экосистема Китая занимает уникальное положение: она позволяет массово выпускать оборудование для сбора данных и стабильно поставлять на мировой рынок важнейшие компоненты, такие как ловкие кисти и исполнительные механизмы.
То, насколько активно Китай будет участвовать в мировой экосистеме робототехники в будущем, напрямую определит темпы развития отрасли во всём мире. Вероятнее всего, Китай надолго сохранит лидерство в аппаратной части и останется ключевым поставщиком для мировых робототехнических компаний (даже если FCC введёт потенциальный запрет на готовые устройства, он не будет распространяться на комплектующие).
Если в будущем китайские команды догонят конкурентов в алгоритмах и моделях, китайские компании, вероятно, смогут оказывать серьёзное давление на мировую цепочку поставок, повышая цены на ключевые компоненты или ограничивая поставки оборудования. Сейчас такой сценарий маловероятен, однако именно этот потенциальный риск необходимо учитывать при оценке рисков инвестиций в американские робототехнические компании.
Внутренний спрос Китая на экономическую эффективность использования роботов пока не проявился в полной мере
Несмотря на впечатляющее число человекоподобных роботов, поставляемых сегодня на китайский рынок, почти ни один из них не используется в производстве, создающем значимую экономическую ценность. В настоящее время китайских человекоподобных роботов преимущественно задействуют в презентационных и развлекательных целях с низкой коммерческой отдачей: например, чтобы давать посетителям простые указания в выставочных залах и на экспозициях, танцевать или демонстрировать приёмы кунг-фу. Большинство четвероногих и даже двуногих роботов по-прежнему продают университетским исследовательским лабораториям или энтузиастам.
Это резко контрастирует с ситуацией в США. Там роботы всё активнее внедряются в высокодоходное промышленное производство, логистику и складское хозяйство, а некоторые компании уже заключили долгосрочные контракты на закупку на десятки миллионов долларов.
Главная причина такого расхождения — огромное различие в стоимости и структуре предложения рабочей силы в двух странах. Высокие затраты на труд в западных странах и нежелание молодого поколения заниматься физической работой создают мощный экономический стимул снижать расходы с помощью автоматизации.
Даже в этом случае технический прогресс обычно намного опережает массовое коммерческое внедрение. Один китайский предприниматель поделился с нами яркой аналогией: нынешние человекоподобные роботы — как первые автомобили в эпоху конных экипажей. Тогда люди сомневались в практической ценности автомобилей, ведь экипажи вполне удовлетворяли повседневные транспортные потребности. Но никто не мог предвидеть, что позднее автомобиль полностью преобразит транспортную систему и положит начало огромной новой отрасли.
Мы уверены, что тот же закон революционных преобразований применим и к человекоподобным роботам. Сегодня людям и компаниям трудно понять, зачем нужны универсальные человекоподобные роботы, просто потому, что они ещё не видели всего потенциала, который в конечном счёте раскроет универсальный воплощённый ИИ. Кроме того, поскольку в Китае нет острой экономической необходимости снижать затраты за счёт замены работников, внутренний стимул искать совершенно новые сценарии коммерческого применения сравнительно слаб. Отчасти поэтому местная стартап-экосистема выглядит более консервативной.
Универсальные человекоподобные роботы в конечном счёте станут самым дешёвым видом рабочей силы
В отрасли постоянно и оживлённо обсуждают один ключевой вопрос: если специализированные роботы эффективнее и надёжнее справляются с конкретными задачами, зачем миру универсальные человекоподобные роботы?
Наши полевые исследования в Китае подтвердили эту картину: на данном этапе специализированные роботы действительно намного лучше универсальных справляются с практическими задачами. Сосредоточившись на чётко очерченных и измеримых задачах, они быстрее замыкают цикл коммерциализации.
Однако у специализированных роботов есть естественный предел горизонтального масштабирования. Компания не может в повседневной работе приобретать отдельного робота для каждого вида операций. Точно так же обычная семья не станет покупать отдельного робота для мытья посуды, протирания стола, стирки и складывания белья.
Специализированные роботы, безусловно, лучше справляются с отдельными задачами. Но если для выполнения целого ряда повседневных работ приходится объединять несколько устройств, общая экономическая эффективность их покупки и обслуживания значительно снижается.
Мы считаем, что универсальные человекоподобные роботы в конечном счёте станут самым дешёвым видом рабочей силы. Их ключевое преимущество не в том, что они выполняют отдельную задачу с предельной точностью 99,9%, а в том, что они способны справляться с сотнями совершенно разных повседневных работ с приемлемой точностью 99%.
Человекоподобным роботам не нужно быть лучшими в мире в мытье посуды, складывании или стирке белья — достаточно достаточно хорошо справляться со всеми этими и многими другими домашними делами. По мере роста способности моделей к обобщению одна и та же универсальная аппаратная платформа сможет осваивать практически безграничный набор навыков, не требуя от компаний и семей покупки дополнительного специализированного оборудования.
В конечном счёте ключевое экономическое преимущество универсальных человекоподобных роботов заключается не в максимизации эффективности при выполнении одной задачи, а в увеличении числа задач, которые способно выполнять одно устройство. Эта способность к универсальному обобщению, наряду с ростом надёжности и дальнейшим снижением производственных затрат, коренным образом изменит экономику физического труда.
Рынок сбора данных огромен, а ключевая ценность сосредоточится в «интеллекте данных»
Появляется всё больше убедительных доказательств того, что законы масштабирования распространяются и на ИИ в физическом мире. Сбор данных для робототехники неизбежно вырастет в огромный рынок. Недавно выпущенная Figure AI модель Helix 2.5 продемонстрировала обнадёживающие результаты реальных испытаний: при многократном увеличении объёма обучающих данных возможности модели растут весьма предсказуемо.
Как большие объёмы данных и вычислительных ресурсов повысили возможности больших языковых моделей, так и в робототехнике повторяется та же траектория развития. По мере того как передовые лаборатории ускоряют борьбу за универсальный воплощённый ИИ, спрос на обучающие данные для роботов будет непрерывно и стремительно расти.
Однако увеличение объёма данных само по себе не означает повышения их качества. Наши полевые исследования в Китае только укрепили нас в этом убеждении. Хотя крупные фермы данных могут массово производить тысячи часов записей практических действий, из-за крайней однообразности такие данные почти не дают дополнительного прироста способности модели к обобщению.
По мере того как отрасль будет углубляться в эту тему, её узкое место быстро сместится от «сбора большего числа часов данных» к «точному отбору по-настоящему ценных фрагментов данных».
Поэтому настоящая голубая океанская возможность кроется не в грубом массовом сборе данных, а в том, как превратить часы исходных записей в измеримый прирост возможностей модели. Для этого нужны более продуманные системы разметки, фильтрации, очистки и оценки данных, позволяющие извлекать ценные обучающие сигналы из огромных объёмов избыточных и низкокачественных данных, произведённых на потоке.
По мере стремительной эволюции робототехнических моделей и постоянного изменения стандартов данных профессиональная способность находить и поставлять высокоценные качественные наборы данных станет гораздо более прочным конкурентным барьером, чем простое увеличение числа сборщиков.
Модели постепенно станут однотипными, но США сохранят лидерство над Китаем в алгоритмах
Мы считаем, что конкуренция в области базовых моделей для робототехники стремительно обостряется и в долгосрочной перспективе грозит превратиться в борьбу за стандартизированный товар (Commoditized).
За последние несколько месяцев несколько ведущих американских команд — в том числе Physical Intelligence, Generalist, Dyna Robotics и Figure AI — независимо друг от друга объявили о серьёзных прорывах в возможностях моделей и их способности к обобщению. Тот факт, что несколько команд достигли существенных результатов за очень короткое время, говорит о том, что передовые разработки в области воплощённого ИИ, скорее всего, не будут монополизированы двумя гигантами, как OpenAI и Anthropic в сфере больших языковых моделей.
Большинству профессий с физическим трудом не нужен сверхвысокий интеллект с IQ 200: для них достаточно умеренного понимания обстановки в сочетании с отличной тонкой настройкой после обучения. По мере совершенствования методов обучения и роста объёмов данных центр конкуренции во всей отрасли сместится от разработки универсальных базовых моделей к внедрению в конкретных сценариях и целевому дообучению. В таких условиях компаниям, делающим ставку только на базовые модели, будет всё труднее сохранять дифференциацию и конкурентное преимущество.
В обозримом будущем, как мы считаем, США сохранят лидерство над Китаем в программных алгоритмах. Во многом это объясняется тем, что китайские робототехнические компании предпочитают гнаться за немедленным денежным потоком от продаж оборудования и аутсорсинга сбора данных и не готовы долго вкладывать крупные средства в исследования и разработки. Постоянные прорывы американских передовых лабораторий в базовых алгоритмах, вероятнее всего, ещё сильнее усилят зависимость китайских производителей от зарубежных открытых экосистем.
В отличие от больших языковых моделей, которые сравнительно легко и быстро воспроизводятся с помощью дистилляции на текстах, дистилляция моделей воплощённого ИИ гораздо сложнее. Модель должна глубоко опираться на данные о реальном взаимодействии с разными физическими средами и различными типами роботизированных платформ. Одного лишь преимущества в производстве оборудования недостаточно, чтобы легко преодолеть этот комплексный барьер. Мы предполагаем, что разрыв между США и Китаем в программном обеспечении для воплощённого ИИ может оказаться более устойчивым, чем разрыв, который мы наблюдали в области больших языковых моделей.
В робототехнике есть значительное преимущество позднего старта
Сейчас в решение фундаментальных спорных вопросов робототехники вкладываются огромные средства — например, в выбор архитектуры модели, проектирование конструкции робота, вертикальную интеграцию или горизонтальное разделение труда. Многих ранних стартапов в ходе этих поисков неизбежно ждёт тупик.
Сегодня новые стартап-команды могут опереться на опыт первопроходцев, извлечь уроки из их ошибок и избежать огромных затрат на эксперименты и дорогостоящие уроки. Вместо этого они могут сразу создавать передовые архитектуры, используя новейшую парадигму отрасли (Meta).
Заключение
В последний день поездки, в восемь вечера, мы сели в ту же машину и отправились в международный аэропорт Гонконга, чтобы лететь обратно в Нью-Йорк. После всестороннего и глубокого изучения ключевого кластера робототехнической отрасли Шэньчжэня наше представление о развитии робототехники в мире полностью обновилось.
«Генчи генбуцу» (Genchi Genbutsu) — иди и посмотри сам, увидь собственными глазами. Эта полевая поездка вновь укрепила нашу веру: в эпоху информационной перегрузки личное присутствие на месте и собственные наблюдения остаются самой надёжной основой для инвесторов, ориентированных на фундаментальные показатели, чтобы самостоятельно мыслить и глубоко анализировать ситуацию.
Китай, несомненно, сыграет важнейшую роль в изменении будущей карты мировой робототехники. Мы будем внимательно следить за развитием оборудования, программного обеспечения и всех звеньев между ними.
Десятилетия опыта в производстве дали Китаю огромное, почти непреодолимое преимущество в выпуске оборудования. Однако проявляются недостатки сбора данных, ориентированного на краткосрочные количественные цели, а близорукость капитала, нацеленного на быструю отдачу, сильнее ограничивает китайские компании, чем американские, когда речь идёт о фундаментальных инновациях, требующих долгих и упорных усилий.
Одно стало яснее, чем когда-либо: уезжая из Шэньчжэня, мы были ещё более уверены в перспективах робототехнической отрасли и убеждены, что именно сейчас — прекрасное время для крупных инвестиций в неё.
Пока базовое программное обеспечение не обретёт достаточно широкие возможности обобщения, чтобы человекоподобные роботы стали действительно продуктивными, в отрасли будут сохраняться огромные структурные пробелы в сборе данных, высокоуровневой разметке и интеллекте данных. Мы постоянно ищем выдающихся предпринимателей, которые разрабатывают прорывные решения в области робототехнических данных и воплощённого ИИ. Если вы работаете в этой сфере, наша инвестиционная команда будет рада пообщаться с вами.
