Physical AI: что это такое и почему $6 млрд в квартал — только начало

Обычный AI работает в цифровом мире: анализирует данные, генерирует текст, оптимизирует алгоритмы. ChatGPT, Midjourney, GitHub Copilot — типичные примеры. Они умные, но бестелесные.

Physical AI работает в физическом мире. Он воспринимает реальное пространство через сенсоры, принимает решения на основе того, что видит, и физически воздействует на окружающую среду через приводы и манипуляторы.

Три компонента любой Physical AI-системы:

Perception (Восприятие) — система «видит» мир через камеры, LiDAR, тактильные сенсоры, IMU. Это не просто картинка — это трёхмерная модель пространства, понимание объектов, их свойств и взаимодействий.

Reasoning (Рассуждение) — foundation models, vision-language-action модели (VLA), системы планирования. Получают входные данные от сенсоров, интерпретируют их и вырабатывают план действий. Именно здесь работает «интеллект» в традиционном смысле.

Action (Действие) — приводы, кисти, системы движения. Физически воздействуют на мир. Именно этот компонент отличает Physical AI от любого другого вида AI.

Ключевое отличие от цифрового AI — обратная связь с реальностью. В цифровом мире ошибка — это неверный ответ, который можно перефразировать или проигнорировать. В физическом мире ошибка — это сломанная деталь, травма человека или упавший стеллаж на складе. Физика не прощает вероятностных рассуждений.

Это принципиальный вопрос, который часто путают.

Традиционный промышленный робот — это детерминированная система. Ему заранее прописан каждый шаг: «подними руку на 45 градусов, зажми захват с усилием 12 Нм, переместись на 300 мм вправо». Он делает это идеально — миллион раз подряд с точностью до микрона. Но если деталь сместилась на 5 мм или появился незапланированный объект — система останавливается или ломает деталь.

Physical AI-система делает принципиально иное. Вместо жёсткого скрипта — восприятие и адаптация. Она видит, что деталь сместилась, перепланирует захват, выполняет задачу. Если на пути появился человек — останавливается или объезжает его. Если задача изменилась — перестраивается под новую.

По образному описанию из отчёта Capgemini: «Традиционная робототехника — это виртуальный мозг, сфокусированный на обработке данных. Physical AI — это воплощённый интеллект, способный к автономному восприятию, рассуждению и выполнению задач в физических средах».

Апрельский анонс AGIBOT на конференции партнёров 2026 года — хорошая иллюстрация того, как архитектура Physical AI выглядит в реальной системе.

AGIBOT представил концепцию «One Robotic Body, Three Intelligences»:

Locomotion Intelligence — интеллект перемещения. Как робот ходит, бегает, преодолевает препятствия, поднимается по лестницам. Это не просто механика — это система, которая в реальном времени адаптирует траекторию движения к неровностям, скользким поверхностям, неожиданным препятствиям.

Manipulation Intelligence — интеллект манипуляции. Как робот берёт предметы, собирает детали, перемещает грузы. Самый сложный уровень: требует тонкой координации зрения, силовых сенсоров и управления кистями с десятками степеней свободы.

Interactive Intelligence — интеллект взаимодействия. Как робот работает с людьми: понимает речь, интерпретирует жесты, координирует действия с операторами. Именно этот уровень делает возможной совместную работу человека и робота.

Из новых продуктов, представленных на конференции, три особенно показательны:

AGIBOT A3 (173 см, 55 кг, 0.218 кВт/кг) — флагманский гуманоид с 10-часовой автономией, сменой батареи за 10 секунд и UWB-позиционированием для синхронной работы 100 роботов одновременно. Последнее — принципиально: это уже не про демонстрацию возможностей, это про масштабируемую инфраструктуру.

OmniHand 3 Ultra-T — кисть нового поколения: 22+3 степеней свободы, сухожильный привод, вес 500 г, 3D-тактильные сенсоры по всей поверхности, интегрированная камера в ладони. Ответ на главный вопрос: как в одном устройстве объединить компактность, силу и чувствительность.

MEgo — система сбора данных без корпуса робота. Операторы собирают мультимодальные данные (зрение, движение, тактильность) в реальных рабочих условиях — без необходимости держать живого робота на каждом объекте. Это про data flywheel: больше данных → лучше модели → лучше роботы → ещё больше данных.

CTO AGIBOT Пэн Чжихуэй: «Воплощённый интеллект больше не концепция — он становится новой производственной инфраструктурой».

Здесь важно объяснить главный барьер отрасли, который часто недооценивают.

Языковые модели обучают на триллионах слов, изображений, кода — всё это уже существует в интернете и доступно бесплатно. GPT-4 обучен примерно на 1 триллионе параметров из 45 терабайт текста.

Physical AI требует «action data» — точные синхронизированные записи: что видели сенсоры, какие решения принял алгоритм, с какой силой и в какой точке сработали приводы, каким был тактильный отклик. Это нужно для каждой задачи в каждой конкретной рабочей среде.

Таких данных почти нет. Их нельзя скачать из интернета. Собирать их дорого, медленно, а масштабирование требует либо огромного парка реальных роботов, либо очень хорошей симуляции.

Именно поэтому:

Отчёт Capgemini Research Institute (май 2026 года): 1 678 топ-менеджеров из 15 отраслей.

Ключевые цифры:

Вице-президент NVIDIA Deepu Talla: Physical AI целится в производство, здравоохранение и логистику — секторы, составляющие $50–80 трлн мирового ВВП.

Bessemer: около $6 млрд влито в «world model» компании только в Q1 2026.

По Goldman Sachs, к 2035 году в мире будет работать 1,4 млрд гуманоидных роботов.

Чтобы не было ощущения, что это разговор про далёкое будущее:

Промышленные пилоты: Figure 02 на BMW в Спартанбурге, Apptronik Apollo на заводах Mercedes-Benz, Agility Digit на складах Amazon и GXO.

Медицина: Fourier GR-1 в 2 000 больниц в 40 странах — помощь пациентам с ограниченной подвижностью.

Квадруподы на производстве: Boston Dynamics Spot используется для инспекции на нефтехимических заводах и в энергетике.

AMR в логистике: Автономные мобильные роботы в фулфилмент-центрах Amazon, IKEA, Ocado — уже стандарт, не инновация.

Capgemini прямо говорит: в ближайшие 3–5 лет рост поведут не гуманоиды, а «intelligence-first» деплои на проверенных форм-факторах. AMR и промышленные манипуляторы с новыми AI-«мозгами» — это и есть Physical AI в текущей реальности.

1. Physical AI — это не отдельная технология, а архитектурный сдвиг. Это переход от детерминированных систем к адаптивным. От «запрограммированного» к «обученному». Этот сдвиг происходит во всей робототехнике одновременно — не только в гуманоидах.

2. Главный барьер — данные, а не железо и не модели. Кто первым выстроит data flywheel — симуляция → реальный мир → снова симуляция — тот получит устойчивое конкурентное преимущество. Именно поэтому в data-инфраструктуру льются миллиарды.

3. Горизонт — 7 лет до масштабирования гуманоидов. Это не пессимизм — это реалистичная оценка от людей с реальными бюджетами. AMR и манипуляторы с Physical AI масштабируются уже сейчас. Гуманоиды — следующая волна, но не первая.

Паскаль Брие, CIO Capgemini: «Возможность реальна — если сосредоточиться на том, что работает в масштабе, а не на том, что выглядит впечатляюще в демо».

Источники: Capgemini Research Institute «Physical AI in Robotics 2026», AGIBOT Partner Conference 2026, Lightwheel Q1 2026 Report, Bessemer Venture Partners «Robotics and Physical AI Predictions», NVIDIA Automate 2025 Keynote.

📌 Веду авторский Telegram-канал «Я и Робот» — инженерная аналитика гуманоидной робототехники без хайпа. Технологии, экономика, реальные внедрения, рынок.

👉 t.me/i_and_robot