Физический ИИ выходит на конвейер: Foundation Models для роботов и производство человекоподобных машин

Пит Флоренс, Энди Цзэн и Эндрю Барри ушли из Google DeepMind не ради очередного чат-бота. Они решили научить роботов работать — по-настоящему, в реальном мире, где предметы скользят, падают и приходят в другом положении, чем на тренировке. Четыре года спустя их компания стоит $2 млрд и только что получила $400 млн от NVIDIA, Bezos Expeditions и фонда Фей-Фей Ли. Деньги пойдут на то, чтобы превратить Physical AI из лабораторной демонстрации в промышленный стандарт.

Главный дефицит робототехники — не железо, а мозги

У крупных языковых моделей есть интернет — миллиарды страниц текста для обучения. У роботов такого ресурса нет. Каждый новый навык — успешный захват, упавший предмет, навигационное решение — обходится в физическое взаимодействие с миром. Именно эту проблему решает стартап с моделью GEN-1, предобученной на 500 000 часов реальных взаимодействий.

Архитектура GEN-1 принципиально отличается от традиционного подхода к программированию роботов. Вместо жёстко заданных траекторий — управление с обратной связью на основе foundation model (базовой модели): робот непрерывно воспринимает среду и корректирует действия в реальном времени. Как это выглядит на практике: GEN-1 показывает точность 99% на разнообразных задачах, скорость выполнения до 3× выше предыдущего SOTA (передового уровня) и способность осваивать новые физические навыки с одного часа демонстрационных данных.

Миллионы роботов уже работают в мире. Миллиарды появятся — на заводах, складах, в лабораториях, ресторанах, домах и космосе. Они будут принимать разные формы, но их объединит одна потребность: интеллект, способный понимать и действовать в физическом мире.— Пит Флоренс, CEO компании

От прототипа к конвейеру: Figure 03 делает 1 робот в час

Пока разработчик foundation models решает проблему интеллекта, другой игрок доказывает, что человекоподобных роботов можно производить серийно. Завод BotQ в Калифорнии за 120 дней увеличил выпуск Figure 03 в 24 раза — с 1 робота в день до 1 в час. На выходе — более 350 единиц, выход годного с первой попытки выше 80%, батарейные блоки с 99,3% успешных сборок.

Каждый робот проходит 80 функциональных тестов перед отгрузкой, включая многочасовые «прогоны» с приседаниями, жимами и бегом на дорожке. 9000 актуаторов собственного производства — по 10 разных типов — подтверждают: компания строит не демонстратор, а производственную линию.

«Мы перешли от функционального прототипа к масштабируемому флоту», — говорят в компании. 350 роботов — это уже не лабораторная партия. Это генератор данных для следующего поколения автономности.

Три стратегии: базовая модель, вертикальное железо и аренда

Оба игрока представляют два принципиально разных подхода к коммерциализации Physical AI. Первый строит интеллектуальный слой поверх любого робота — их GEN-1 можно развернуть на разных платформах, от манипуляторов до двуногих систем. Второй, напротив, вертикально интегрирует софт и железо: собственный робот с предустановленной AI-платформой Helix VLA. Это классическая дилемма «Android vs iPhone» для физического мира.

Agility Robotics выбрала третий путь: аренда. Компания сдаёт роботов Digit в аренду (RaaS — робототехника как услуга), и это единственная модель, которая уже приносит операционную выручку. 7+ единиц Digit работают на складах Toyota Canada, десятки — на объектах Amazon и GXO. Apptronik с Apollo, при поддержке Google и Mercedes-Benz, фокусируется на автопроизводстве. Boston Dynamics с новым электрическим Atlas начинает поставки Hyundai и DeepMind.

Объединяет их одно: впервые в истории человекоподобной робототехники речь идёт не о прототипах, а о производственных контрактах. Один из производителей нанял 790 сотрудников, построил 150 рабочих станций для сборки и 50 контрольных точек контроля качества. Уровень инвестиций — $8,2 млрд совокупно в 31 компанию — делает этот рынок сопоставимым с ранними стадиями рынка электромобилей.

Ключевой вопрос не в том, кто победит, а в том, как быстро решится фундаментальная проблема данных для физического обучения. Один из игроков собрал 500 000 часов взаимодействий через носимые устройства и роботов по всему миру. Другой генерирует данные с каждым новым роботом, сходящим с конвейера. Чей пайплайн данных окажется эффективнее — тот и задаст стандарт следующего десятилетия. Как мы писали в мае, Physical AI уже достиг точки перегиба, но переход от $6,9 млрд к $50 млрд потребует не только денег, но и радикального увеличения объёмов физического опыта для обучения foundation models (базовых моделей).

Рынок: $6,93 млрд с горизонтом 32% годовых

По данным SNS Insider, рынок Physical AI оценивался в $5,23 млрд в 2025 году и достигнет $6,93 млрд в 2026-м. К 2035 году — $49,73 млрд при среднегодовом темпе 32,53%. Для сравнения: сегмент человекоподобных роботов, по данным Robotomated, сгенерирует $1,8 млрд выручки в 2026 году при годовом росте 95%. Это всё ещё малая величина относительно промышленной робототехники, но траектория — экспоненциальная.

Сценарии развития