21 августа 2026 года на главном форуме Всемирной выставки роботов 2026 основатель, CEO и CTO компании Минлю Кэцзи У Минхуэй выступил с докладом «Agent＋：». Он подчеркнул, что для успешного внедрения роботов в производство требуется не только продвинутый «мозг» робота, но и «организационный мозг» — система связи роботов, Agent и IT‑систем. Также важно решить вопросы поставки, реорганизации бизнес‑процессов и развёртывания на местах.
У Минхуэй ранее участвовал в создании компании Юньцзи Кэцзи (обслуживание отелей), которая в прошлом году вышла на Гонконгскую биржу. Сейчас Минлю Кэцзи сотрудничает с Хайкан Кэцзи в сфере промышленности и логистики: Минлю разрабатывает модели и планирует взаимодействие множества интеллектуальных агентов, а Хайкан занимается разработкой мобильных роботов, управлением движением, объединением датчиков, системными программными платформами, системной интеграцией и массовым производством продуктов.
Минлю выпустила открытую платформу для взаимодействия человека и машины — Octo-платформу. Она может соединять различные Agent и Runtime. В сотрудничестве с Хайкан Кэцзи платформа должна объединить «мозги» отдельных роботов в «организационный» комплекс взаимодействия человека и машины. В будущем Octo сможет связывать цифровые агенты и физические интеллектуальные устройства — роботов, умные автомобили и др. Например, умный автомобиль может подключиться к платформе как цифровой сотрудник: при организации встречи для клиента можно включить в групповой чат интеллектуальный агент‑водителя, чтобы он напрямую общался с клиентом.
Компания Минлю участвует в разработке и развёртывании цифровых и рабочих систем в магазинах KFC и Pizza Hut (через совместное предприятие с Байшэн Чжунго). В компании работают около 1800 сотрудников и 4000 AI Agent на общей платформе. Взаимодействие между роботами, интеллектуальными агентами, предыдущими IT-системами и новыми системами ИИ должно осуществляться через открытые протоколы — это основа для создания «организационного интеллектуального мозга» и мира сотрудничества человека и машины.
Для подготовки доклада У Минхуэй использовал интеллектуальный агент анализа общественного мнения системы Мяочжэнь от Минлю для анализа дискуссий о внедрении воплощённого ИИ в промышленность («последняя миля»).
Обсуждения в Китае и за рубежом сосредоточены на схожих темах: инженерной поставке, экономической модели, взаимодействии программного и аппаратного обеспечения. В Китае акцент на инженерной поставке, временных рамках ПО и аппаратного обеспечения и экономической модели (вопрос о том, можно ли реально использовать роботов). За рубежом — на «цикле данных» и надёжности долгосрочных задач (вопрос о том, можно ли сделать роботов сильнее).
В цифровом мире ИИ уже даёт приложения уровня производительности: создаёт контент, пишет код, выполняет сложный анализ данных. В физическом мире роботы в основном обеспечивают эмоциональную ценность. Agentic AI и воплощённый интеллект имеют схожие пути технологической реализации. Сначала использовались традиционные механизмы правил, экспертные системы и RPA, затем Workflow, потом — общие агенты вроде Manus. Агент может самостоятельно управлять программным обеспечением и инструментами, выполняя задачи от начала до конца, как модель VLA.
Появился структурированный Skill (на примере Claude Code Skills от Anthropic) — баланс между жёсткими правилами и свободным исследованием. Теперь каждый работник может определять Skill на основе своего опыта. В области воплощённого интеллекта наблюдается эволюция от традиционных механизмов правил и PLC‑программирования к Behavior Tree и обсуждению сквозных моделей VLA. Возможно появление гибридных архитектурных решений со средним уровнем, аналогичным Skills в цифровом мире. Уже появляется Atomic Skill Library (структурированная библиотека атомных навыков).
Память (Memory) — важная способность ИИ в цифровом мире. OpenClaw предлагает сохранять информацию не только через параметры модели, но и через конфигурационные файлы и систему памяти. CoALA предлагает фреймворк для памяти агента: Working Memory (временное состояние в рамках текущей задачи), Episodic Memory (запись прошлых задач, сессий и событий), Semantic Memory (сохранение фактов, концепций и отношений), Procedural Memory (сохранение процедур и методов выполнения работы). Воплощённому интеллекту также нужны эти типы памяти, включая пространственную память, память о времени и траекториях задач, семантическую память и библиотеку атомных навыков.
В 2018 году была предложена концепция HAO‑интеллекта: H (Human — человек), A (Artificial Intelligence — искусственный интеллект, включая агентов в цифровом мире и роботов в физическом мире), O (Organizational Intelligence — организационный интеллект). Цель — соединить роботов, людей и агентов в единую сеть. В организации не каждый участник должен обладать всеми способностями для выполнения всех задач — важна кооперация и разделение труда.
За последние шесть лет с помощью ИИ развивали традиционные предприятия сферы услуг. Ранее акцент был на цифровой производительности в офисах, в будущем планируется совместная работа с компанией Haier для цифровизации сферы офлайн‑услуг.
Предложена эволюционная модель перехода традиционных организаций в AI‑нативные (AI) от L1 до L5:
* L1 (Token Ready): у сотрудников должны быть доступные токены; нужна единая система управления вызовами моделей, правами и затратами.
* L2 (работа в режиме онлайн): сотрудники используют AI‑агентов для работы, работа становится онлайн‑процессом, старые программные инструменты могут вызываться агентами (например, Coding Agent помогает писать код).
* L3 (структурированное накопление данных): после того как инструменты и работа становятся онлайн, требуется обмен структурированной памятью (особенно семантической) между людьми и агентами.
* L4 (формирование сложной сети кооперации производительности): оптимизация через Loop, Evals и Benchmark, чтобы повысить эффективность.
* L5 («вода поднимает лодку»): каждая компания накапливает уникальные данные и способности, отделяется от базовых больших моделей; по мере развития аппаратного обеспечения, вычислительной мощности, базовых моделей и фреймворков способность организации работать с ИИ растёт.
Предполагается, что в мире воплощённого интеллекта также может существовать аналогичная структура L1–L5, но на текущий момент полный ответ ещё не найден.
Для внедрения ИИ и роботов нужен FDE (Forward Deployed Engineer, передовой инженер по развёртыванию): он связывает потребности клиентов с технологиями ИИ, встраивает Agent, Skill и Memory в SOP клиентов. Роботы после внедрения требуют большого объёма работ по обслуживанию — необходима команда инженеров для ремонта и обслуживания IoT‑устройств, умных устройств и роботов в розничных точках и ресторанах (сервис по вызову инженера аналогичен вызову такси).
Три принципа внедрения: 1) новое разделение труда — люди выполняют человеческие задачи, роботы — машинные; 2) после разделения труда нужны новые способы сотрудничества, процессы и организационная структура (например, внедрение робота для мытья посуды не повысит эффективность ресторана в целом, так как робот заменяет только одну задачу из комплекса обязанностей сотрудника — требуется перестройка бизнес‑процессов); 3) ориентация на пользу для человека — ИИ должен увеличивать ценность человека и помогать компаниям достигать более высокого роста.
Необходимо интегрировать уже имеющиеся возможности роботов Haisheng в фронт‑офис сферы услуг (в том числе в ресторанный бизнес и розницу) для создания автоматизированных и эффективных сервисных процессов.
：WRC：
Подписаться в Макс
