Inteligencja cielesna wkracza w nową erę, a przemysł motoryzacyjny odgrywa kluczową rolę

Autor: Zen, PANews

Jeśli rozłożymy dzisiaj mapę globalnego przemysłu inteligencji cielesnej, zauważymy, że przemysł motoryzacyjny jest niemal wszędzie.

Firmy takie jak Tesla z robotem Optimus, Xiaopeng z IRON oraz Hyundai, który posiada Boston Dynamics, aktywnie angażują się w produkcję robotów. To właśnie producenci samochodów, tacy jak BMW i Mercedes-Benz, dostarczają pierwsze prawdziwe miejsca pracy dla robotów. Nawet wśród akcjonariuszy firm robotycznych często pojawiają się inwestorzy z branży motoryzacyjnej: Mercedes-Benz zainwestował bezpośrednio w Apptronik, a za firmą Zhiyuan stoją BYD i SAIC.

Oznacza to, że w dzisiejszym przemyśle inteligencji cielesnej, niezależnie od tego, czy chodzi o produkcję, szkolenie, zakup robotów, czy inwestowanie w firmy robotyczne, przemysł motoryzacyjny jest nieodłącznym elementem.

W tym tygodniu miały miejsce dwa wydarzenia, które przeniosły tę relację na nowy poziom.

24 sierpnia Xiaopeng zakończył pierwszą rundę finansowania robotyki, zbierając ponad 900 milionów dolarów, co podniosło wycenę firmy do ponad 6,3 miliarda dolarów, ustanawiając nowy rekord w chińskim przemyśle inteligencji cielesnej. Następnie, 26 sierpnia, Hyundai na Dniu Inwestora CEO przedstawił mapę drogową robotyki, która była bardziej szczegółowa niż wiele startupów robotycznych.

Roboty przekształcają się z technologicznych produktów laboratoryjnych w przemysłowe towary, które wymagają masowej produkcji, długoterminowego szkolenia, poszukiwania miejsc pracy oraz ostatecznego zakupu i finansowania przez przedsiębiorstwa. Gdy konkurencja wkracza w ten etap, ogromny system, który przemysł motoryzacyjny budował przez dziesięciolecia, zaczyna nagle ujawniać swoją wartość.

Po rozpoczęciu masowej produkcji robotów, wyścig wkracza na terytorium przemysłu motoryzacyjnego

Samochody i roboty humanoidalne są niezwykle skomplikowanymi produktami mechatronicznymi, a mają jeden ważny wspólny punkt: znaczenie oprogramowania rośnie, ale ostatecznie musi ono przynieść wyniki poprzez fizyczne maszyny.

Oprogramowanie i systemy sterowania samochodów odpowiadają za hamulce, kierowanie i ruch nadwozia; ruchy generowane przez modele robotów przekształcają się w ruchy stawów, chwytanie i rzeczywiste operacje. Odchylenia w precyzji nie pozostaną wiecznie w ładnych testach referencyjnych; mogą one prowadzić do uszkodzonych części, zatrzymania linii produkcyjnej, a nawet wypadków.

Dlatego, gdy roboty naprawdę wkraczają w masową produkcję, standardy oceny również się zmieniają. Kilka udanych biegów, chwytów i transportów może jedynie potwierdzić, że "to potrafi"; to, co naprawdę interesuje przemysł produkcyjny, to czy te same ruchy mogą być powtarzane tysiące razy, zawsze z wystarczającą precyzją, niezawodnością i spójnością.

Testy fabryczne BMW z Figure w pewnym sensie już pokazują oczekiwania i wymagania dotyczące robotów uczestniczących w rzeczywistej produkcji przemysłowej. Figure 02 działał przez około 10 miesięcy w amerykańskiej fabryce BMW w Spartanburg, wykonując zadania związane z pobieraniem i umieszczaniem blach do spawania. W tym czasie robot pracował przez około 1250 godzin, transportując ponad 90 tysięcy części, biorąc udział w produkcji ponad 30 tysięcy BMW X3. BMW szczególnie podkreśla, że ten proces wymaga od robotów osiągnięcia precyzji na poziomie milimetra. Figure 02 w amerykańskiej fabryce BMW Spartanburg

Zdolność do wykonania jednego precyzyjnego działania to tylko umiejętność techniczna; utrzymanie stabilności w ciągłej pracy z dziesiątkami tysięcy części to już blisko do wyzwań przemysłowych.

Przemysł motoryzacyjny może przekazać robotom znacznie więcej niż tylko kilku gotowych dostawców części. Przemysł motoryzacyjny przez dziesięciolecia gromadził całą metodologię przekształcania skomplikowanych produktów z rysunków projektowych w masową produkcję: projektowanie pod kątem wytwarzania, zarządzanie dostawcami, standaryzacja części, kontrola jakości, testy trwałości oraz systemy produkcyjne zbudowane wokół rytmu linii produkcyjnej, efektywności konserwacji i śledzenia produktów.

Planowanie produkcji robotów przez Hyundai w Boston Dynamics to typowy przykład. Podczas tegorocznych targów CES Hyundai Motor Group przedstawił podział ról swoich firm w łańcuchu wartości robotyki: Hyundai i Kia zapewniają infrastrukturę produkcyjną, kontrolę procesów i dane do masowej produkcji; Hyundai Mobis odpowiada za wysokowydajne siłowniki i wykorzystuje doświadczenie w projektowaniu i masowej produkcji części samochodowych do promowania standaryzacji kluczowych komponentów i optymalizacji możliwości wytwarzania; Hyundai Glovis zajmuje się logistyką i łańcuchem dostaw.

Zmiany w projektowaniu najnowszej generacji Atlas jeszcze bardziej konkretyzują tę "myśl przemysłu motoryzacyjnego". Aby przygotować się do masowej produkcji, Boston Dynamics znacznie uprościł ponad 50 różnych silników, redukując je do trzech podstawowych typów, a także wprowadzając możliwość wymiany kończyn na miejscu oraz automatyczną wymianę akumulatorów.

Te zmiany nie mają wiele wspólnego z fantastyką, ale bezpośrednio wpływają na to, czy roboty mogą stać się prawdziwym towarem. Gdy produkt osiągnie skalę rzędu tysięcy sztuk, każda nowa specjalna część oznacza nowe ryzyko związane z zakupem, magazynowaniem, kontrolą jakości, konserwacją i łańcuchem dostaw; każde skrócenie czasu konserwacji oznacza wyższą wydajność urządzeń i niższe koszty operacyjne dla klientów. Gdy skala wzrasta z dziesiątek do tysięcy sztuk, wartość wynikająca z standaryzacji części, wydajności produkcji i efektywności konserwacji zostanie pomnożona.

Dlatego, jeśli pierwsza runda konkurencji w inteligencji cielesnej polegała na tym, kto potrafi stworzyć roboty, to następna runda prawdopodobnie będzie dotyczyć tego, kto potrafi stabilnie produkować roboty, co jest grą, w której przemysł motoryzacyjny jest najlepszy.

Autonomiczne prowadzenie to nie tylko algorytmy, ale cała infrastruktura Physical AI

Po rozwiązaniu problemu "ciała" robotów za pomocą zdolności produkcyjnych, kolejnym, ważniejszym i droższym wyzwaniem jest to, jak zapewnić ciągłą iterację ich "mózgu".

W tym zakresie inwestycje w inteligentne samochody w ciągu ostatnich dziesięciu lat pozostawiły niektórym firmom motoryzacyjnym znaczną "spadkobierstwo".

Rozwój autonomicznego prowadzenia w rzeczywistości zmusił firmy takie jak Tesla, Xiaopeng i Hyundai do wcześniejszego zbudowania całej infrastruktury AI w rzeczywistym świecie: pojazdy zbierają dane z rzeczywistego środowiska, chmurowe systemy filtrują wartościowe dane i przypadki niepowodzeń, zbiory danych trafiają do klastrów obliczeniowych, modele są trenowane i weryfikowane, a następnie ponownie wdrażane do pojazdów, które generują nowe dane.

Rzeczywisty świat, dane, modele, wdrożenie, a następnie powrót do rzeczywistego świata - ten cykl jest również kluczowym mechanizmem, na którym opiera się iteracja Physical AI i największą przewagą technologiczną firm motoryzacyjnych w obszarze inteligencji cielesnej.

Najnowsza mapa drogowa Hyundai pokazuje te inwestycje w sposób dość kompletny. Atria AI zacznie w tym roku zbierać dane z rzeczywistych dróg w Korei, a Hyundai planuje w 2028 roku wdrożyć system L2+ w pierwszym produkcyjnym SDV we współpracy z NVIDIĄ, a od 2029 roku uruchomić centrum danych AI o mocy 100 MW, które pomieści ponad 50 tysięcy GPU. Hyundai Group ogłosiło również, że zainwestuje ponad 500 milionów dolarów w infrastrukturę AI i talenty, a także nawiąże współpracę z Google DeepMind, NVIDIĄ i innymi w zakresie Physical AI.

Chociaż te zasoby początkowo służą głównie przemysłowi motoryzacyjnemu, nie istnieje mur, który uniemożliwia ich wykorzystanie tylko do "szkolenia samochodów". Wysokowydajne klastry obliczeniowe, platformy inżynieryjne danych, narzędzia symulacyjne, systemy wdrażania modeli, zdolności obliczeniowe na krawędzi oraz system OTA to w zasadzie uniwersalne zasoby potrzebne do szkolenia i operacji Physical AI. Po dodaniu działalności robotycznej, oznacza to, że w już zbudowanej fabryce AI dodano nową linię produktów.

Xiaopeng ma bardziej bezpośrednie podejście, ponieważ zintegrował VLA 2.0, Robotaxi i IRON w ramach Physical AI. W ramach finansowania robotów, rozwój modeli jest jednym z celów finansowych. Xiaopeng opisuje swoje atuty, w tym chipy AI na końcu, podstawowe modele Physical AI, moc obliczeniową do szkolenia oraz wysokiej jakości dane w zamkniętej pętli.

To również wyjaśnia, dlaczego w ostatnich latach wiele inteligentnych firm motoryzacyjnych weszło w branżę robotyczną, co nie może być po prostu zrozumiane jako poszukiwanie "drugiej krzywej wzrostu".

Dla tych, którzy przez lata inwestowali w autonomiczne prowadzenie i zbudowali duże zespoły AI oraz infrastrukturę obliczeniową, roboty oferują bardzo kuszącą możliwość: rozszerzenie zdolności Physical AI, które wcześniej mogły kontrolować tylko cztery koła, na maszyny z dwiema rękami i nogami.

Oczywiście, to nie oznacza, że firmy motoryzacyjne mogą bezproblemowo przenieść się do branży robotycznej; w porównaniu do startupów, które zaczynają od zera, kosztowna infrastruktura danych i szkolenia nie musi być budowana od podstaw.

Firmy motoryzacyjne bardziej przypominają te, które już wcześniej zapłaciły część opłaty wstępnej, ale nadal muszą zebrać setki milionów dolarów, aby zbudować dane, moc obliczeniową, narzędzia szkoleniowe i zespoły modelowe.

Fabryki samochodowe stają się "poligonem" dla robotów

Mając ciało i infrastrukturę do szkolenia "mózgu", pojawia się kolejne trudne pytanie: skąd wziąć dane? W tym zakresie fabryki, które posiadają firmy motoryzacyjne, stają się kolejnym atutem.

Ścisłe mówiąc, wszystkie przedsiębiorstwa produkcyjne mają fabryki, a Foxconn, Amazon i duże firmy logistyczne również będą niezwykle ważnymi uczestnikami inteligencji cielesnej. Wyjątkowość fabryk motoryzacyjnych polega na tym, że są one połączone z wcześniejszym systemem produkcyjnym i zdolnościami Physical AI.

Dla dzisiejszych robotów humanoidalnych, które jeszcze nie osiągnęły ogólnych zdolności, fabryki samochodowe są idealnym miejscem - są znacznie bardziej skomplikowane niż laboratoria, ale nie tak nieprzewidywalne jak domy czy ulice handlowe. Pracownicy się poruszają, części różnią się, procesy produkcyjne się zmieniają, a roboty muszą rozpoznawać środowisko i reagować; jednocześnie miejsca pracy, materiały, procesy robocze i wskaźniki oceny są stosunkowo stabilne.

Co ważniejsze, produkcja samochodów zapewnia wiele zadań powtarzalnych o wysokiej częstotliwości. Chwytanie, transport, sortowanie, montaż, kontrola - te czynności mogą być powtarzane setki, a nawet tysiące razy dziennie. Sukces lub porażka tego samego ruchu, czas jego wykonania, potrzeba interwencji ludzkiej oraz wpływ na rytm produkcji mają wyraźne wyniki.

Dlatego fabryki, które posiadają firmy motoryzacyjne, nie są tylko "scenariuszami zastosowania robotów"; są także maszyną, która może nieprzerwanie produkować doświadczenia dla robotów. To również powód, dla którego Figure 02 trenuje w amerykańskiej fabryce BMW Spartanburg, a Zhiyuan współpracuje z SAIC, aby wprowadzić roboty do pracy. Robot "Nengzi 1" opracowany wspólnie przez Zhiyuan i SAIC wchodzi do pracy w superfabryce SAIC General Motors

W tym celu Hyundai specjalnie zbudował plac treningowy. W czerwcu tego roku uruchomiono Robot Metaplant Application Center (RMAC) w Stanach Zjednoczonych, a do końca roku planuje się zwiększenie skali dziesięciokrotnie. RMAC symuluje rzeczywiste środowisko produkcyjne, pozwalając robotom najpierw ukończyć trening, zbieranie danych, testy i weryfikację, zanim wejdą na formalną linię produkcyjną. Zaprojektowana przez Hyundai zamknięta pętla polega na tym, że rzeczywiste dane z działania robotów w Software-Defined Factory wracają do RMAC w celu ponownego szkolenia i optymalizacji.

To wyraźnie różni się od wielu wcześniejszych modeli rozwoju firm robotycznych. W przeszłości umiejętności były doskonalone w laboratoriach, a następnie szukano klientów. Firmy motoryzacyjne, takie jak Hyundai, próbują połączyć rozwój robotów, symulacyjne szkolenie, rzeczywiste fabryki i wdrożenie masowej produkcji w jeden cykl. Gdy roboty nie są jeszcze wystarczająco dojrzałe, aby sprzedawać je wszystkim, grupa sama staje się pierwszym klientem.

Toyota, która od lat zajmuje pierwsze miejsce w sprzedaży samochodów, w tym roku włączyła tę przewagę bezpośrednio do swojej strategii robotycznej. Firma twierdzi, że jej globalne fabryki produkują rocznie około 10 milionów samochodów, mają wykwalifikowanych pracowników i system produkcji Toyoty, a te miejsca produkcji staną się ważną podstawą dla ciągłego uczenia się i doskonalenia robotów. Obecnie Toyota prezentuje scenariusze, które obejmują transport części, zbieranie oraz transport sprzętu medycznego.

To ujawnia bardzo szczególną pozycję firm motoryzacyjnych w branży inteligencji cielesnej. Zwykle, jeśli roboty nie są wystarczająco dojrzałe, zwykli klienci będą czekać na ich zakup. Jednak grupy motoryzacyjne mogą najpierw wprowadzić roboty do swoich kontrolowanych fabryk, wykorzystując wewnętrzne potrzeby do zwiększenia skali wdrożenia, a następnie wykorzystując dane generowane przez wdrożenie do dalszego doskonalenia produktów.

Na początku inteligencji cielesnej istniał pewien błędny krąg - brak klientów prowadził do niewystarczających danych rzeczywistych, a brak danych utrudniał szybki postęp robotów, co z kolei sprawiało, że klienci byli mniej skłonni do zakupu. Fabryki, które posiadają firmy motoryzacyjne, mogą jednak rozwiązać ten problem.

Gdy roboty zaczynają stawać się "biznesem aktywów"

Jednak nawet jeśli roboty mogą być produkowane masowo, modele ciągle się rozwijają, a wdrożenia fabryczne są już uruchomione, wciąż istnieje bardziej realistyczna przeszkoda do pokonania, aby stworzyć rynek masowy: jak je sprzedać?

To również część, która zasługuje na uwagę podczas Dnia Inwestora Hyundai w tym tygodniu. CEO Hyundai, José Muñoz, nie mówił tylko o technologicznej mapie Atlas, ale także o dealerach i Hyundai Capital: istniejąca sieć dealerów może w przyszłości zajmować się dystrybucją i sprzedażą robotów, a dział finansowy grupy bada odpowiednie opcje finansowania, w tym leasing i płatności ratalne.

To oznacza, że Hyundai zaczyna traktować roboty jako przemysłowe aktywa, które wymagają długoterminowego zakupu, finansowania i eksploatacji. Zakładając, że w przyszłości jeden wysokowydajny robot nadal będzie wart kilka dziesiąt tysięcy dolarów, 500 robotów to już kilkanaście milionów dolarów wydatków kapitałowych. Później pojawią się również kwestie związane z wdrożeniem, konserwacją, oprogramowaniem, wymianą części i stratami związanymi z przestojem.

Dla klientów biznesowych decyzje zakupowe nie zależą tylko od samej zdolności robotów, ale także od kosztów finansowania, okresu amortyzacji, efektywności konserwacji, sposobu naliczania opłat za oprogramowanie oraz sposobu obliczania wartości rezydualnej. Te pytania decydują o tym, czy roboty pozostaną jedynie w małych próbach, czy też będą mogły wejść do regularnych budżetów wydatków kapitałowych przedsiębiorstw, takich jak wózki widłowe, serwery i inne urządzenia przemysłowe.

Przemysł motoryzacyjny od lat zajmuje się tymi kwestiami. Globalna sieć sprzedaży, system klientów biznesowych, pożyczki i leasing, punkty serwisowe, zarządzanie częściami zamiennymi, wartość rezydualna aktywów i obrót wtórny to wszystko, z czym samochód musi się zmierzyć po opuszczeniu fabryki.

Hyundai stara się teraz skopiować ten system na roboty. Zgodnie z wcześniej ogłoszonymi planami grupy, po dostarczeniu robotów będą one mogły nadal otrzymywać aktualizacje oprogramowania OTA, konserwację sprzętu, zdalny monitoring i inne usługi, a także oferować kompleksowe rozwiązania w modelu Robotics-as-a-Service.

Ta umiejętność jest szczególnie łatwa do zignorowania w branży inteligencji cielesnej. Startupy często poświęcają dużo miejsca na opisywanie modeli, stopnia swobody i rozmiaru rynku docelowego, rzadko kto stawia "punkty serwisowe" i "finansowanie sprzętu" na pierwszym planie. Jednak gdy roboty zaczynają sprzedawać się w dziesiątkach tysięcy sztuk rocznie, te kwestie przestają być drugorzędne. CEO Xiaopeng Motors He Xiaopeng z IRON

Xiaopeng już zaczyna wkraczać w ten etap. IRON planuje najpierw wejść do sklepów i kampusów Xiaopeng, a następnie w 2027 roku rozpocząć masowe dostawy do klientów zewnętrznych w Chinach i za granicą, w tym w sektorze detalicznym i usługowym. Dla firmy, która już posiada bazę produkcyjną, sieć sklepów, kanały zagraniczne i zasoby współpracy z przedsiębiorstwami, ta droga komercjalizacji jest oczywiście krótsza niż dla startupów robotycznych, które mają tylko zespoły badawcze.

Na tym etapie "wejście firm motoryzacyjnych w robotykę" nie jest już tylko otwarciem nowego działu robotycznego. To, co naprawdę wnoszą do branży inteligencji cielesnej, to systemy produkcji, kanałów, usług, finansów i zarządzania aktywami, które zostały zbudowane wokół samochodów.

Gdy roboty zaczynają przekształcać się z pojedynczych produktów w tysiące sztuk wymagających finansowania, konserwacji i ciągłej eksploatacji jako przemysłowe aktywa, ta umiejętność, która nie zależy od "AI", staje się coraz ważniejsza.

Inteligencja cielesna niekoniecznie należy do firm motoryzacyjnych, ale coraz bardziej wiąże się z przemysłem motoryzacyjnym

Oczywiście, posiadanie tych zasobów przez firmy motoryzacyjne nie oznacza, że w przyszłości przemysł robotyczny będzie zdominowany przez gigantów motoryzacyjnych.

BMW nie musi stać się Figure, a Mercedes-Benz może współpracować z firmami robotycznymi. W przyszłości mogą powstać niezależne firmy zajmujące się robotami i podstawowymi modelami, a rolą firm motoryzacyjnych może być bardziej rola dużych klientów, partnerów produkcyjnych, pól danych i kanałów komercyjnych.

Jednak standardy konkurencji w branży zaczynają się zmieniać. Na początku inteligencji cielesnej najrzadsze były roboty, które potrafiły się poruszać, więc rynek naturalnie dążył do kontroli ruchu, zręcznych rąk i oszałamiających demonstracji. Gdy coraz więcej firm przekracza tę barierę, rzadkie zasoby i kluczowe punkty będą stopniowo przesuwać się dalej, a to są właśnie najgłębsze fortyfikacje przemysłu motoryzacyjnego.

Plan produkcji 30 tysięcy jednostek Hyundai, ponad 900 milionów dolarów finansowania robotów Xiaopenga oraz ciągłe inwestycje BMW, Toyoty i innych firm motoryzacyjnych w roboty na liniach produkcyjnych wskazują na tę samą rzecz: inteligencja cielesna przekształca się z problemu laboratorium AI w złożony projekt przemysłowy.

Dla branży robotycznej firmy motoryzacyjne niekoniecznie będą ostatecznymi zwycięzcami. Jednak w miarę jak wyścig robotów przesuwa się w kierunku kolejnego etapu, przemysł motoryzacyjny cicho przenosi rywalizację na swoje terytorium.

Niniejsza treść ma charakter wyłącznie informacyjny i nie stanowi porady finansowej, inwestycyjnej, prawnej ani podatkowej. Wszelkie wydarzenia, nagrody, promocje online lub powiązane informacje, o których tu mowa, nie powinny być traktowane jako rekomendacja, zachęta ani zaproszenie do kupna, sprzedaży, wymiany lub innego rodzaju obrotu aktywami kryptograficznymi. Aktywa kryptograficzne charakteryzują się dużą zmiennością i mogą prowadzić do strat. Dostępność usług, produktów i powiązanych wydarzeń WEEX może się różnić w zależności od regionu. Użytkownik jest odpowiedzialny za upewnienie się, że jego udział jest zgodny z obowiązującymi lokalnymi przepisami i regulacjami.