Роботов становится всё больше. Следующая гонка за их мозг

В 2025 году Международная федерация робототехники впервые отдельно посчитала человекоподобных роботов. За год в мире продали около 7 тыс. таких машин для промышленности и профессиональных задач. Пока это небольшой рынок, но только в Китае уже больше 150 компаний, которые делают подобных роботов, а крупные производители строят линии сразу на десятки тысяч машин в год.

Ещё несколько лет назад для большинства людей такой робот почти автоматически означал очередное видео Boston Dynamics. Сейчас названий уже десятки: Figure, Unitree, Agility Robotics, Apptronik, 1X, UBTech, XPeng, Humanoid. Больше половины китайских производителей появились как стартапы или пришли в робототехнику из других отраслей, а деньги пока явно бегут быстрее реальных поставок.

По оценкам Bank of America, уже в 2026 году поставки могут дойти до 90 тыс. роботов, к 2030-му до 1,2 млн, а к 2035-му до 10 млн в год. Это пока прогноз, но ожидания рынка хорошо видно по тому, какие оценки получают компании ещё до массового производства.

Я регулярно разбираю такие ранние технологические сдвиги в Telegram-канале «Ещё не единорог». С роботами сейчас интереснее всего смотреть не на очередное сальто или красивое демо, а на то, как вокруг них одновременно появляются большие заводы и новый слой AI.

Humanoid Артёма Соколова уже оценили в $1,35 млрд, хотя массовое производство компания ещё только готовит. Humanoid говорит о 34 тыс. необязательных предзаказов примерно на $2,4 млрд, а серийную сборку части роботов должен взять на себя Bosch.

Сам HMND 01 тоже хорошо показывает, куда движется рынок. У промышленной версии сверху человекоподобный торс, две руки, камеры и сенсоры, а вместо ног обычная колёсная платформа. Если робот работает на складе и весь день перемещает коробки между несколькими точками, учить его ходить как человека просто нет большого смысла. Колёса дешевле, устойчивее и требуют меньше энергии.

Даже Международная федерация робототехники не считает две ноги обязательным признаком такого робота. Индустрия постепенно отходит от идеи обязательно построить металлического человека и больше думает о том, какая форма лучше подходит для конкретной работы.

Figure в начале года собирала примерно один Figure 03 в день. Через несколько месяцев производство дошло до одного робота в час, а первая линия рассчитана на 12 тыс. машин в год. Компания хочет выпустить 100 тыс. роботов за четыре года.

Hyundai идёт ещё дальше. Вместе с Boston Dynamics компания готовит к 2028 году мощности для выпуска до 30 тыс. роботов ежегодно и планирует использовать Atlas на собственных заводах. У автоконцерна уже есть производство, поставщики, логистика и опыт сборки сложной техники, поэтому масштабировать роботов ему потенциально проще, чем стартапу с нуля.

Но строительство заводов ещё не означает, что все эти машины завтра найдут работу. Китайские власти уже начали осторожнее относиться к IPO местных робототехнических компаний, потому что оценки и красивые заказы местами растут быстрее реального спроса.

Современные роботы бегают, танцуют и устраивают соревнования по кунг-фу. На производстве от них требуется гораздо более скучная вещь: часами брать нужный предмет, не ошибаться и нормально реагировать, если кто-то поставил коробку немного не туда.

С этим пока есть проблемы. Обычная промышленная роботизированная рука может десятилетиями стоять у одного станка и выполнять одну заранее прописанную операцию. Она ничего не понимает, зато делает свою работу быстро и предсказуемо. Человекоподобный робот должен сам увидеть предмет, понять задачу, правильно его взять и не сломаться от небольшого изменения обстановки.

Поэтому серийно собирать тело уже получается заметно лучше, чем учить это тело работать в десятках разных ситуаций. И следующая гонка постепенно перемещается именно сюда.

Skild AI вообще не пытается делать своего человекоподобного робота. Компания создаёт AI, который должен управлять разными типами машин, и заявляет больше 60 платящих клиентов и выручку в темпе около $100 млн в год.

Идея в том, чтобы не писать отдельный софт под каждого нового робота. Одна базовая модель учится работать с разным железом и постепенно накапливает общий опыт. В августе Skild показала систему S1: роботу можно показать видео новой задачи, например как посадить растение или приготовить кофе, после чего модель пытается повторить действие без полноценного обучения с нуля.

Google DeepMind решает похожую задачу через Gemini Robotics 2, NVIDIA развивает GR00T. У всех подходы отличаются, но направление одно: навык хочется отвязать от конкретного робота и научиться переносить его на другие машины.

Эту часть истории я уже подробно разбирал в посте про Microduck и Hugging Face. Через маленького робота там хорошо видно, зачем Hugging Face понадобились LeRobot, общие форматы данных и совместимое железо. Чем больше разных машин смогут учиться на похожих данных и использовать общие модели, тем меньше каждый новый робот будет начинать с нуля.

1X готовит NEO именно как домашнего помощника. После открытия заказов компания заявила, что первые 10 тыс. мест в производстве разобрали за пять дней. Робот должен убирать вещи, приносить предметы и выполнять обычные домашние поручения.

До полностью самостоятельного помощника пока далеко. Если NEO получает слишком сложную задачу, ему может помочь удалённый оператор. Это довольно точно показывает нынешнюю границу технологии: тело уже можно поставить в квартиру и научить работать руками, а самостоятельности всё ещё не хватает.

Пока роботов учат действовать в физическом мире, AI уже становится заметно самостоятельнее внутри компьютера. Современный агент может получить задачу, разбить её на шаги, пользоваться программами и сайтами, запускать код, проверять результат и продолжать работу без постоянных команд человека.

В сентябрьском отчёте Anthropic описаны реальные кибератаки, где AI-агенты проводили разведку, искали уязвимости, запускали команды и выгружали данные. Цели всё ещё выбирали люди и они же принимали ключевые решения, но значительную часть работы AI уже выполнял самостоятельно.

Пока эти технологии развиваются отдельно. Один робот возит коробки по заводу, другой пытается сложить полотенце дома, а AI-агент разбирается с сайтом или кодом. Но роботам уже дают камеры, руки и всё больше самостоятельности, а AI учится планировать длинные цепочки действий.

Дальше напрашивается довольно простой шаг: поставить достаточно самостоятельный AI внутрь робота, который видит окружающий мир и может в нём что-то делать. Получится ли из этого помощник, которому можно сказать «убери дома и приготовь ужин», или мы просто незаметно движемся к созданию первой версии Терминатора в реальном мире?

Кажется, этот вопрос уже не совсем из разряда фантастики.

Я веду Telegram-канал «Ещё не единорог», где разбираю растущие стартапы, новые продукты и технологические сдвиги до того, как они становятся совсем очевидными. Если вам интересны такие истории, присоединяйтесь.