Nowy etap wyścigu humanoidalnych maszyn. Oprogramowanie ważniejsze niż akrobacje

Chińskie przedsiębiorstwa z sektora robotyki gwałtownie przekierowują kapitał z samej mechaniki na rozwój oprogramowania pozwalającego maszynom uczyć się fizycznych zadań w zmiennym otoczeniu. W pierwszej połowie 2026 roku podmioty tworzące tak zwaną sztuczną inteligencję ucieleśnioną (fizyczną) zebrały 93,5 miliarda juanów, czyli około 13 miliardów dolarów w ramach 322 transakcji, co stanowi pięciokrotny wzrost rok do roku. Zmiana ta wynika ze spadających cen podzespołów oraz przekonania branży, że to zaawansowane modele, a nie konstrukcja korpusu, zdecydują o rentowności wdrożeń.

Inwestorzy szukają zysków w cyfrowym mózgu

Dotychczasowe pokazy sprawności ruchowej humanoidalnych maszyn ustępują miejsca pragmatycznym kalkulacjom biznesowym. Jak zauważa Dermot McGrath z szanghajskiej firmy doradczej ZenGen Labs, producenci doszli do wniosku, że marża nie będzie pochodzić ze sprzętu, lecz z mózgu robota. Zgadza się z tym Gao Yang, współzałożyciel Spirit AI, który wprost określa system decyzyjny mianem najsłabszego ogniwa całego stosu robotycznego. Na rynku ukształtowała się już grupa wyspecjalizowanych podmiotów programistycznych, takich jak X Square, Galaxea oraz Spirit AI, których wyceny osiągnęły pułap około trzech miliardów dolarów. Do rywalizacji dołączają tradycyjni producenci sprzętu. Notowany na giełdzie w Hongkongu UBTech zaoferował pensję sięgającą 124 milionów juanów wraz z pakietem akcji na stanowisku głównego naukowca odpowiedzialnego za modele decyzyjne, z kolei Unitree zatrudnia około trzydziestu badaczy pracujących nad przewidywaniem fizycznych zachowań obiektów. Współzałożycielka X Square Yang Qian deklaruje, że celem jest przejście od sterowania sztywnym kodem do zachowań opartych na zdrowym rozsądku.

Fabryczny poligon weryfikuje jakość danych treningowych

Nowy typ oprogramowania wymaga zupełnie innych metod uczenia maszynowego niż tekstowe modele językowe. Roboty muszą przyswoić mechanikę chwytania, nacisku i manipulacji elastycznymi elementami, co wymusza zbieranie danych z rzeczywistego świata. Spirit AI zatrudniło tysiąc osób do rejestrowania codziennych czynności magazynowych i produkcyjnych, a należący do Ant Group zespół Robbyant zgromadził 160 tysięcy godzin nagrań, w tym 50 tysięcy godzin bezpośredniego sterowania robotem przez człowieka. Inne podmioty, jak DexForce, bazują na symulacjach komputerowych, deklarując przygotowanie procesu przemysłowego w sześć do ośmiu godzin z precyzją przekraczającą 99,9 procent. Rzeczywiste wdrożenia pokazują już pierwsze efekty. W zakładzie Zhongzhou należącym do producenta baterii CATL maszyny Spirit AI łączą elastyczne przewody z ponad 99-procentową skutecznością, a jednostki Robbyant obsługują zamówienia w dwóch szanghajskich aptekach. Yang Qian podkreśla przy tym, że jakość danych ma większe znaczenie niż ich prosta skala czy różnorodność.

Bariera obliczeniowa w cieniu amerykańskiej konkurencji

Rozwój chińskich modeli napotyka poważne przeszkody natury technicznej i geopolitycznej. Amerykańskie laboratoria, w tym Physical Intelligence, Skild AI czy Generalist, narzucają wysokie tempo w tempie przyswajania nowych umiejętności przez oprogramowanie. Model GEN-1.5 od Generalist wykonuje około 60 procent prostych zadań po obejrzeniu demonstracji trwającej od 3 do 12 sekund. Jednocześnie chińscy twórcy borykają się z niedoborem zaawansowanych układów scalonych NVIDIA w wyniku amerykańskich obostrzeń eksportowych oraz z zaostrzeniem kryteriów giełdowych przy debiutach publicznych. Zhu Mingxuan z JoyIn Technology ostrzega, że brak wydajnych procesorów stanie się poważnym problemem wraz ze wzrostem złożoności modeli, choć rodzimi producenci, w tym Huawei, opracowują alternatywne układy. Założyciel Unitree Wang Xingxing liczy na to, że kolejna generacja modeli OpenAI przyniesie moment przełomowy, umożliwiający maszynom realizację 80 procent zadań w nieznanym otoczeniu na podstawie poleceń głosowych. Konsultant Georg Stieler studzi jednak nadmierny entuzjazm, wskazując, że o ile sukcesy demonstracyjne mogą pojawić się szybko, o tyle na bezwzględną niezawodność komercyjną przedsiębiorstwa poczekają jeszcze całe lata.