Mind Robotics привлекает $500 млн на «физический ИИ» для производства

Полмиллиарда долларов — такую сумму привлекла китайская компания Mind Robotics на развитие того, что она называет «физическим ИИ» для промышленного производства. Это один из крупнейших раундов финансирования в истории робототехники, сопоставимый с раундами Waymo или Figure. И он заслуживает нашего внимания не только из-за суммы, но прежде всего из-за того, что стоит за термином «физический ИИ» и какие изменения в промышленном производстве он обещает.

Термин «физический ИИ» (Physical AI) на первый взгляд звучит как очередной маркетинговый неологизм — индустрия любит красивые ярлыки. Но за ним стоит конкретная, фундаментально важная технологическая концепция, которая может определить следующую фазу развития робототехники.

Традиционные промышленные роботы — те, что стоят на конвейерах автозаводов с 1960-х годов — программируются для выполнения конкретных, жёстко определённых задач. Инженер записывает последовательность движений: переместить руку в точку A, повернуть захват на 45 градусов, сжать с усилием 10 ньютонов, переместить в точку B, разжать. Каждая новая задача, каждая новая деталь, каждое изменение в процессе требует нового программирования. Это дорого, долго и требует квалифицированных специалистов.

Физический ИИ — это принципиально другой подход. Роботы учатся взаимодействовать с физическим миром так, как учатся маленькие дети: через наблюдение, имитацию, пробы и ошибки, обобщение опыта. Вместо того чтобы программировать каждое движение каждого сустава в каждой точке траектории, робот получает цель — «возьми эту деталь и установи её сюда» — и сам определяет, как её достичь. Какой захват использовать, под каким углом подойти, с каким усилием сжать, как скомпенсировать, если деталь чуть сдвинулась.

Это стало возможным благодаря одновременному прогрессу в нескольких областях. Первая — большие модели, обученные на видео и данных о физическом мире. Так же как GPT обучен на текстах и «понимает» язык, физические модели обучены на видео манипуляций и «понимают» физику: как объекты падают, скользят, деформируются, взаимодействуют друг с другом. Вторая — симуляции. Современные физические симуляторы (NVIDIA Isaac Sim, MuJoCo) позволяют тренировать роботов в виртуальной среде, где они могут совершить миллионы попыток за минуты — то, что в реальном мире заняло бы годы. Третья — аппаратная база. Более точные актуаторы, тактильные сенсоры, компактные и мощные вычислительные модули, которые позволяют обрабатывать данные на борту робота в реальном времени.

Mind Robotics — относительно молодая компания, основанная в 2023 году выходцами из ведущих китайских технологических компаний и университетов. Несмотря на юный возраст, она уже привлекла серьёзных инвесторов — в предыдущих раундах участвовали фонды Sequoia Capital China, Hillhouse и несколько государственных инвестиционных фондов. Компания заявляет о наличии работающих прототипов, которые уже тестируются на нескольких производственных предприятиях.

Компания базируется в Шэньчжэне — городе, который за последние двадцать лет стал мировой столицей производства электроники, робототехники и аппаратных инноваций. Близость к производственным мощностям — не случайность и не маркетинговый ход. Mind Robotics разрабатывает роботов для реальных заводов, и возможность тестировать прототипы на настоящих производственных линиях в радиусе нескольких километров от офиса — серьёзное практическое преимущество, которого нет у большинства западных стартапов.

$500 млн — это огромная сумма для компании такого возраста, одна из крупнейших в истории робототехнических стартапов. Она говорит о том, что инвесторы видят в физическом ИИ потенциал, сопоставимый с потенциалом больших языковых моделей. И если LLM произвели революцию в работе с информацией — генерация текста, кода, изображений, анализ данных — то физический ИИ может произвести аналогичную революцию в работе с материальным миром.

Промышленные роботы существуют более шестидесяти лет. Первый промышленный робот Unimate был установлен на заводе General Motors в 1961 году. С тех пор они стали точнее, быстрее, дешевле — но концептуально мало изменились. Робот по-прежнему выполняет жёстко запрограммированную последовательность действий.

Почему физический ИИ стал возможен именно сейчас? Потому что одновременно созрели несколько ключевых технологий, и их сочетание создаёт качественно новые возможности.

Первое — фундаментальные модели для робототехники. Google DeepMind с RT-2 и RT-X, OpenAI с физическими моделями, NVIDIA с Foundation Models for Robotics — все они работают над моделями, которые могут быть обучены на данных из разных роботов и разных задач и затем перенесены на нового робота и новую задачу без обучения с нуля. Это аналог того, как GPT, обученный на текстах, может выполнять задачи, которые не были явно предусмотрены в обучении.

Второе — прорыв в симуляциях. Перенос навыков из симуляции в реальный мир (sim-to-real transfer) был ахиллесовой пятой робототехники десятилетиями — робот, отлично работающий в симуляции, терпел неудачу в реальности из-за неточностей модели. Но современные симуляторы достигли уровня реалистичности, при котором sim-to-real transfer работает значительно надёжнее. Это радикально ускоряет и удешевляет обучение.

Третье — удешевление аппаратной базы. Стоимость робототехнических компонентов (актуаторы, сенсоры, захваты) снижается, а их качество растёт. Робот, который десять лет назад стоил $300 000, сегодня может быть собран за $50 000–$100 000 с лучшими характеристиками.

Mind Robotics — не единственная компания, работающая в этом стремительно формирующемся направлении. Конкурентная картина разнообразна и динамична.

Figure (США, $2.6 млрд привлечённых средств) разрабатывает гуманоидного робота общего назначения, используя технологии OpenAI для языкового взаимодействия. Tesla с Optimus продвигает видение гуманоидного робота, который будет производиться на тех же заводах и с теми же технологиями, что и электромобили. Agility Robotics с Digit уже поставляет роботов в пилотные проекты Amazon. 1X Technologies из Норвегии, поддерживаемая OpenAI, разрабатывает NEO — человекоподобного робота для домашнего использования.

Но большинство этих компаний сфокусированы на гуманоидных роботах — человекоподобных машинах, которые могут работать в среде, спроектированной для людей. Это впечатляющий и амбициозный подход, но он несёт в себе огромную техническую сложность: прямохождение, манипуляция пятью пальцами, балансировка — всё это инженерные задачи, которые природа решала миллионы лет эволюции.

Mind Robotics, насколько мы можем судить по доступной информации, выбрала другой, более прагматичный подход. Вместо гуманоидных роботов — специализированные промышленные манипуляторы и мобильные платформы, оснащённые продвинутым физическим ИИ. Форма робота оптимизирована под конкретные производственные задачи, а не под имитацию человеческого тела. Это менее эффектно визуально, но потенциально более практично и ближе к коммерческой реализации.

Промышленному клиенту не нужен робот, похожий на человека. Ему нужен робот, который быстро, надёжно и дёшево выполняет задачи. И для многих производственных задач оптимальная форма робота — это не человеческая фигура с двумя руками и двумя ногами, а специализированный манипулятор с оптимальной кинематикой для конкретного класса операций.

Нельзя рассматривать Mind Robotics вне контекста китайской промышленной политики и экономической ситуации, потому что этот контекст во многом определяет и возможности, и ограничения компании.

Китай — крупнейший потребитель и производитель промышленных роботов в мире. В 2024 году в Китае было установлено более 270 000 промышленных роботов — больше, чем в остальном мире вместе взятом. Страна активно инвестирует в автоматизацию производства, и государственная поддержка робототехники — часть долгосрочной стратегической программы.

Для Китая автоматизация производства — это не опция и не инновационный эксперимент, а жизненная необходимость. Рабочая сила дорожает стремительно: средняя зарплата на производстве за десять лет выросла в два-три раза. Население стареет: к 2030 году трудоспособное население Китая сократится на десятки миллионов человек. Молодёжь не хочет работать на конвейере — они предпочитают сферу услуг, технологии, контент-индустрию. Единственный способ сохранить конкурентоспособность производственного сектора — радикально повышать производительность за счёт технологий.

$500 млн, привлечённых Mind Robotics, — это частные инвестиции, но они существуют в контексте масштабной государственной экосистемы поддержки: налоговые льготы для робототехнических компаний, субсидии для предприятий, закупающих роботов, государственные программы НИОКР, подготовка кадров в университетах. Компания не работает в вакууме — она работает в среде, целенаправленно созданной для успеха подобных проектов.

Мы считаем важным отметить серьёзные риски, потому что инвестиционный энтузиазм вокруг физического ИИ напоминает ранние дни генеративного ИИ, когда завышенные ожидания шли впереди реальных возможностей.

Физический ИИ — это технология на ранней стадии зрелости. Между впечатляющими демонстрациями в лаборатории — робот складывает одежду, собирает простую конструкцию, сортирует объекты — и надёжной, бесперебойной работой на реальном заводе двадцать четыре часа в сутки, семь дней в неделю — огромная дистанция. Промышленное производство требует уровня надёжности 99,9%+, и экспериментальные системы пока далеки от этого.

Кроме того, $500 млн создаёт высочайшие ожидания. Инвесторы будут ждать конкретных результатов: коммерческих продуктов, реальных платящих клиентов, растущей выручки. В истории робототехники немало примеров компаний, которые привлекали сотни миллионов и не оправдывали ожиданий — Rethink Robotics (закрылась), Jibo (закрылась), Carbon Robotics (пивот).

Есть и геополитический аспект, который нельзя игнорировать. По мере обострения технологического соперничества между США и Китаем, экспортные ограничения на передовые чипы и технологии уже затронули китайскую ИИ-индустрию. Mind Robotics использует GPU NVIDIA для обучения своих моделей — а доступ к новейшим чипам NVIDIA для китайских компаний ограничен. Это может замедлить развитие или заставить компанию искать альтернативы — китайские чипы Huawei Ascend, например, — которые пока уступают NVIDIA по производительности.

Раунд Mind Robotics — это громкий сигнал о том, что физический ИИ воспринимается глобальным инвестиционным сообществом как следующий большой рынок после генеративного ИИ. Если LLM научились «думать» (в определённом, ограниченном смысле — генерировать текст, отвечать на вопросы, писать код), то физический ИИ учится «делать» — манипулировать объектами, собирать конструкции, выполнять физические задачи. Это фундаментально более сложная задача (физический мир неизмеримо сложнее мира текстов), но и потенциальный рынок — фундаментально больше. Мировое промышленное производство — это триллионы долларов.

Несмотря на раннюю стадию развития, есть несколько производственных задач, для которых физический ИИ уже может быть полезен — не как полная замена традиционных роботов, а как дополнение.

Сборка с высокой вариативностью. На производствах, где номенклатура изделий велика и часто меняется — электроника, потребительские товары, мелкосерийное машиностроение — традиционные роботы неэффективны, потому что каждую новую модель нужно программировать заново. Робот с физическим ИИ потенциально может адаптироваться к новому изделию за часы вместо недель, что радикально меняет экономику автоматизации мелкосерийного производства.

Контроль качества нестандартных изделий. Традиционные системы компьютерного зрения обучаются на образцах конкретного продукта. При смене продукта нужно переобучение. Физический ИИ может обобщать — понимая, что «деформация» и «трещина» выглядят определённым образом независимо от конкретного изделия.

Упаковка нестандартных товаров. Одна из задач, которую до сих пор сложно автоматизировать — упаковка товаров разных размеров и форм. Человек интуитивно понимает, как уложить хрупкий предмет нестандартной формы в коробку с наполнителем. Робот с физическим ИИ потенциально может научиться этому — через обучение на примерах и физические симуляции.

Мы наблюдаем формирование глобальной гонки за лидерство в области физического ИИ, аналогичной гонке за лидерство в генеративном ИИ. США, Китай, Япония, Южная Корея и Европа — все инвестируют в эту область, но с разными стратегиями и разными преимуществами.

США сильны в фундаментальных исследованиях — лучшие университеты, OpenAI, Google DeepMind. Но производственная база сократилась, и тестировать роботов на реальных производствах сложнее, чем в Китае. Китай имеет колоссальную производственную базу для тестирования и внедрения, государственную поддержку и быстрорастущий внутренний рынок — но зависит от западных чипов и программных фреймворков. Япония обладает глубочайшей экспертизой в робототехнике (FANUC, Yaskawa, Kawasaki) — но медленнее адаптирует ИИ-технологии. Южная Корея агрессивно инвестирует через Samsung и Hyundai (владелец Boston Dynamics). Европа сильна в промышленной автоматизации (Siemens, ABB, KUKA) — но отстаёт в ИИ.

Кто победит в этой гонке? Мы считаем, что скорее всего — никто в абсолютном смысле. Разные регионы будут лидировать в разных аспектах, и успешные компании будут теми, кто сможет объединить лучшие элементы из разных экосистем.

Mind Robotics, базируясь в Китае, имеет уникальное сочетание преимуществ: доступ к крупнейшему рынку промышленных роботов, близость к производственным предприятиям для тестирования, государственную поддержку и амбициозную команду с международным опытом. Но компании предстоит доказать, что $500 млн инвестиций превратятся в работающие продукты, которые покупают реальные заводы. История робототехники полна примеров компаний, которые привлекали огромные суммы и не смогли пройти путь от прототипа до коммерческого продукта. Mind Robotics нужно стать исключением из этого правила. Ближайшие два-три года покажут, удастся ли компании перейти от впечатляющих лабораторных демонстраций к продуктам, которые заводские менеджеры готовы покупать за реальные деньги и интегрировать в свои производственные линии.

Мы будем следить за развитием Mind Robotics и всего сектора физического ИИ, потому что считаем это одним из наиболее перспективных направлений в технологиях. Пока же мы фиксируем: $500 млн инвестиций — это заявка на то, что роботы, способные учиться взаимодействовать с физическим миром по аналогии с тем, как LLM научились «понимать» язык, станут реальностью в ближайшие годы, а не десятилетия.

Пятьсот миллионов долларов — серьёзная ставка на технологию, которая ещё не доказала свою коммерческую жизнеспособность в масштабе. Как вы думаете, физический ИИ — это следующая большая технологическая волна, которая трансформирует производство, или очередной пузырь ожиданий, который лопнет через два-три года?