На WRC 2026 сооснователь компании «Синхайту» Гао Цзиян представил видение будущего бизнес‑модели воплощённого искусственного интеллекта. По его мнению, классическая продажа дорогостоящего аппаратного обеспечения вместе с ПО, заточенным под конкретный сценарий, постепенно уйдёт в прошлое. Вместо этого основной моделью станет продажа «токенов физического мира» — оплаты за каждое эффективное действие робота и выполнение им задачи в реальном мире.
Сейчас в сфере воплощённого ИИ идёт настоящая «гонка вооружений» в области аппаратного обеспечения. На рынке уже представлены человекоподобные роботы, механические ноги с рекордной скоростью бега, манипуляторы для выполнения точных задач — например, наливания воды или складывания одежды. При этом текущая бизнес‑модель имеет свои ограничения: из‑за проблем с цепочками поставок и эффекта масштаба маржинальность производства аппаратного обеспечения неизбежно снижается.
Гао Цзиян считает, что в будущем аппаратная часть роботов может стать «отрицательно маржинальной». Её главная задача будет заключаться в том, чтобы вывести как можно больше терминалов в физический мир. А основной источник ценности сместится в сторону «воплощённого мозга» — то есть основ искусственного интеллекта.
«Синхайту» использует единую авторегрессивную архитектуру. Она позволяет обеспечить обобщение без примеров, универсальное захватывание объектов и выполнение долгосрочных задач. У базовой модели компании есть три ключевые способности:
* нулевое обобщение (zero-shot generalization) — модель выполняет задачу при первом взаимодействии с объектами и средой (например, «возьми хлеб с тарелки и положи в тостер»);
* универсальный захват (generalized grasping) — робот может перемещать объекты разного размера и материала без дополнительного обучения и перепрограммирования;
* способность выполнять длинные задачи (long-term task capability) — модель способна последовательно выполнить десятки или сотни действий (например, уложить коробки).
Для достижения коммерческой ценности требуется дообучение модели: SFT (обучение с учителем) и обучение с подкреплением (RL). «Синхайту» провела масштабное распределённое обучение с подкреплением на нескольких десятках машин. В результате удалось перейти от сантиметровой точности операций к миллиметровой и субмиллиметровой, а успешность задач повысилась до 99,9 % — это стало возможным благодаря замкнутому циклу обучения на реальных данных, включая механизм DAgger.
Бизнес‑модель воплощённого ИИ, по мнению «Синхайту», пройдёт три этапа:
1. Продажа аппаратных средств (маржинальность 40–60 %).
2. Этап подписки на решения (маржинальность аппаратных средств около 20 %).
3. Этап продажи «токенов» (аппаратные средства могут стать отрицательно маржинальными; цель — увеличить число терминалов в физическом мире, которые будут потреблять токены базовых моделей воплощённого ИИ).
Сейчас «Синхайту» тратит около 10 часов на дообучение для новой длинной задачи. Цель на следующий год — сократить это время до 1 часа или даже научиться обучать задачу по нескольким примерам данных.
Компания уже выпустила модель G0.5 и модельную архитектуру fast-wam. Среди ключевых показателей базовой модели в производственных сценариях — скорость, точность и обобщающая способность (генерализация):
* скорость: текущая эффективность роботов — 70–80 % от человеческой;
* точность: сантиметровая точность достигается за счёт предобучения, миллиметровая — требует обучения с подкреплением;
* обобщающая способность связана со стоимостью обучения: высокая стоимость обучения указывает на низкую генерализацию.
«Синхайту» разрабатывает решения для четырёх сценариев: электронная коммерция, промышленное производство, курьерская логистика и коммерческие услуги. В основе стратегии лежит подход «1+3+N»:
* «1» — неизменный принцип: «целое устройство + интеллект» (сочетание программного и аппаратного обеспечения);
* «3» — три серии продуктов:
* манипулятор‑флагман с точностью позиционирования 0,1 мм («жёстко‑гибкий»);
* двуногие продукты для неструктурированных сценариев (например, энергетика);
* доступные по цене аппаратные средства и инструменты с открытым исходным кодом для создателей и разработчиков, снижающие порог входа в разработку интеллектуальных систем;
* «N» — партнёрство в отраслевой экосистеме (взаимодействие с поставщиками оборудования, алгоритмов и решений для различных сценариев).
В сотрудничестве с JD реализован полностью автономный робот для склада: он самостоятельно выполняет весь процесс — от выбора и захвата товаров до гибкой упаковки (открытие пакета, размещение товара, закрытие) — без участия человека. Робот поддерживает тысячи и десятки тысяч SKU.
На зарубежных рынках (например, склад 3PL в Лос‑Анджелесе) внедрение интеллектуальных систем может происходить быстрее из‑за сложностей с рабочей силой и затрат на обучение.
：WRC：
Подписаться в Макс
