Ембодіед інтелект переходить у нову стадію, і автомобільні компанії стають невід'ємною частиною

Автор: Zen, PANews

Якщо розгорнути карту сьогоднішньої глобальної індустрії ембодіед інтелекту, можна помітити, що автомобільні компанії присутні практично скрізь.

Ті, хто самостійно займається виробництвом роботів, включають Tesla з Optimus, Xiaopeng з IRON, а також Hyundai, яка володіє Boston Dynamics; ті, хто надає перші реальні робочі місця для роботів, - це BMW, Mercedes-Benz та інші виробники автомобілів; навіть у списках акціонерів робототехнічних компаній часто з'являються капітали автомобільної промисловості: Mercedes-Benz інвестує в Apptronik, а за Zhiyuan стоять BYD, SAIC та інші автомобільні компанії.

Отже, в сьогоднішній індустрії ембодіед інтелекту, незалежно від того, чи це виробництво, навчання, купівля роботів, чи фінансування робототехнічних компаній, автомобільна промисловість є невід'ємною силою.

Цього тижня відбулися дві події, які підвищили цю взаємозв'язок на новий рівень.

24 серпня Xiaopeng завершила перший раунд фінансування бізнесу робототехніки, який перевищив 900 мільйонів доларів, з постфінансовою оцінкою понад 6,3 мільярда доларів, що стало новим рекордом для китайської індустрії ембодіед інтелекту за один раунд приватного фінансування. Невдовзі після цього, 26 серпня, Hyundai на CEO Investor Day представила свою дорожню карту для робототехніки, що була більш детальною, ніж у багатьох стартапів у цій сфері.

Роботи переходять від технологічних продуктів у лабораторіях до промислових товарів, які потребують масового виробництва, тривалого навчання, пошуку робочих місць і, зрештою, закупівлі та фінансування підприємствами. І коли конкуренція переходить на цей етап, величезна система, яку автомобільна промисловість створювала протягом десятків років, починає раптово проявляти свою цінність.

Коли роботи почнуть масове виробництво, змагання переходить на територію автомобільної промисловості

Автомобілі та гуманоїдні роботи є надзвичайно складними електромеханічними продуктами, і в них є одна важлива спільна риса: важливість програмного забезпечення постійно зростає, але в кінцевому підсумку все одно потрібно реалізувати результати через фізичні машини.

Програмне забезпечення та системи управління автомобілями в кінцевому підсумку відповідають за гальмування, керування та рух кузова; моделі роботів, що виходять на виході, також перетворюються на рухи суглобів, захоплення та фактичні операції. Відхилення в точності не залишиться назавжди на привабливих базових тестах; в кінцевому підсумку це може перетворитися на зламані деталі, зупинені виробничі лінії або навіть аварії.

Отже, коли роботи дійсно переходять до масового виробництва, критерії оцінки також змінюються. Кілька успішних пробігів, захоплень і переміщень можуть лише довести, що "він може це зробити"; те, що насправді цікавить промислове виробництво, - це чи можуть ці самі дії повторюватися тисячі разів і завжди зберігати достатню точність, надійність і узгодженість.

Тестування заводу BMW з Figure в певному сенсі вже показало вимоги та очікування людей щодо роботів, які беруть участь у фактичному промисловому виробництві. Figure 02 працював на заводі BMW у Спартанбурзі, США, протягом приблизно 10 місяців, виконуючи завдання з захоплення та розміщення металевих деталей для зварювання. За цей час робот працював близько 1250 годин, перемістив понад 90 тисяч деталей і взяв участь у виробництві більше 30 тисяч автомобілів BMW X3. BMW особливо підкреслила, що ця операція вимагає від робота досягнення точності позиціонування на міліметровому рівні. Figure 02 на заводі BMW у Спартанбурзі, США

Здійснити одну операцію на міліметровому рівні - це лише технічна здатність, але зберігати стабільність під час безперервної роботи з десятками тисяч деталей - це вже наближається до тесту промислового продукту.

А те, що автомобільні компанії можуть передати роботам, - це не лише кілька готових постачальників деталей. Автомобільна промисловість накопичила протягом десятків років цілу систему, яка переводить складні продукти з проектних креслень у масове виробництво: проектування з урахуванням можливості виробництва, управління постачальниками, стандартизація компонентів, контроль якості, тестування на витривалість, а також виробнича система, що базується на ритмі виробництва, ефективності обслуговування та відстежуванні продуктів.

Планування виробництва роботів Hyundai, що належать Boston Dynamics, є типовим прикладом. Під час цьогорічної виставки CES Hyundai Motor Group вже розкрила розподіл своїх підприємств у ланцюзі виробництва роботів: Hyundai Motor і Kia забезпечують виробничу інфраструктуру, контроль технологій та дані масового виробництва; Hyundai Mobis відповідає за високопродуктивні виконавчі механізми та використовує досвід проектування та масового виробництва автомобільних компонентів для сприяння стандартизації та оптимізації можливості виробництва ключових компонентів; Hyundai Glovis відповідає за логістику та постачальницький ланцюг.

Останні зміни в дизайні Atlas ще більше конкретизують цю "автомобільну промислову думку". Для масового виробництва Boston Dynamics значно стандартизувала понад 50 різних електродвигунів, що відповідають за виконавчі механізми, в результаті чого їх було зведено до трьох основних типів, а також додано можливість заміни кінцівок на місці та автоматичну заміну акумуляторів.

Ці зміни не мають особливої науково-фантастичної складової, але безпосередньо пов'язані з тим, чи можуть роботи дійсно стати товаром. Як тільки продукт досягає масштабу в тисячі одиниць, кожне нове спеціалізоване обладнання означає нові закупівлі, запаси, контроль якості, обслуговування та ризики постачальницького ланцюга; кожне скорочення часу на обслуговування означає вищу ефективність використання обладнання та нижчі витрати на експлуатацію для клієнтів. Коли масштаб зростає з десятків до тисяч, цінність, яку приносить стандартизація компонентів, вихідна якість та ефективність обслуговування, буде множитися.

Отже, якщо перше коло конкуренції в ембодіед інтелекті полягало в тому, хто зможе створити роботів, то наступне коло конкуренції, ймовірно, буде в тому, хто зможе стабільно масово виробляти роботів, а це те, в чому автомобільна промисловість є найсильнішою.

Автономне водіння не лише залишає алгоритми, а й цілу систему фізичної інфраструктури AI

Після вирішення проблеми "тіла" роботів через виробничі можливості, наступним, більш важливим і дорогим завданням є те, як забезпечити постійну ітерацію їхнього "мозку".

У цьому плані інвестиції в індустрію розумних автомобілів за останнє десятиліття залишили для деяких автомобільних компаній досить значну "спадщину".

Розвиток автономного водіння фактично змусив Tesla, Xiaopeng, Hyundai та інші компанії раніше побудувати цілу систему AI інфраструктури для реального світу: автомобілі відповідають за збір даних з реального середовища, хмара фільтрує цінні дані та випадки невдач, навчальні набори потрапляють у кластер обчислювальної потужності, моделі проходять навчання та валідацію, а потім повторно розгортаються в автомобілях, які продовжують генерувати нові дані.

Реальний світ, дані, моделі, розгортання, а потім знову повернення до реального світу - цей цикл також є основним механізмом, на якому базується ітерація фізичного AI, а також найбільша технологічна перевага автомобільних компаній у сфері ембодіед інтелекту.

Остання дорожня карта Hyundai демонструє ці інвестиції досить повно. Atria AI почне збір даних з реальних доріг Південної Кореї цього року, Hyundai планує у 2028 році розгорнути систему L2+ на першому масовому SDV у співпраці з NVIDIA, а з 2029 року запустити центр AI даних потужністю 100 МВт, розрахований на понад 50 тисяч GPU. Hyundai Group раніше також оголосила, що інвестує понад 500 мільйонів доларів у AI інфраструктуру та кадри, а також співпрацює з Google DeepMind, NVIDIA та іншими в галузі фізичного AI.

Ці активи, хоча спочатку в основному служать автомобільній промисловості, не мають "стіни, що заважає навчати лише автомобілі". Високопродуктивні обчислювальні кластери, платформи обробки даних, інструменти моделювання, системи розгортання моделей, можливості обробки на краю та OTA системи в основному є універсальною інфраструктурою, необхідною для навчання та експлуатації фізичного AI. Додавання бізнесу робототехніки означає, що в уже побудовану AI фабрику додається нова лінія продуктів.

Xiaopeng має більш прямий підхід, оскільки він вже об'єднав VLA 2.0, Robotaxi та IRON у рамках фізичного AI. У цьому раунді фінансування роботів розробка моделей є одним з напрямків використання коштів. Опис своїх переваг Xiaopeng також включає AI чіпи на кінцевих пристроях, базові моделі фізичного AI, обчислювальну потужність для навчання та високоякісний замкнутий цикл даних.

Це також пояснює, чому в останні роки ряд розумних автомобільних компаній увійшли в індустрію робототехніки, що не можна просто розглядати як пошук "другої кривої зростання".

Для тих, хто вже інвестував у автономне водіння протягом багатьох років, створив великі команди AI та інфраструктуру обчислювальної потужності, роботи пропонують дуже привабливу можливість: розширити можливості фізичного AI, які раніше могли контролювати лише чотири колеса, на машини з руками та ногами.

Звичайно, це не означає, що автомобільні компанії можуть безперешкодно перейти в індустрію робототехніки; просто порівняно з новими стартапами, які починають з нуля, дорогі дані та навчальна інфраструктура не потрібно будувати з нуля.

Автомобільні компанії більше схожі на тих, хто вже заздалегідь сплатив частину свого вхідного внеску, але їм все ще потрібно зібрати сотні мільйонів доларів, щоб створити дані, обчислювальну потужність, інструменти навчання та команди моделей.

Автомобільні заводи стають "полем для тренування" роботів

Маючи тіло та інфраструктуру для навчання "мозку", наступне складне питання виникає: звідки брати дані? У цьому плані заводи автомобільних компаній починають ставати ще однією козирною картою.

Строго кажучи, виробничі підприємства є у всіх галузях, Foxconn, Amazon та великі логістичні компанії також можуть бути надзвичайно важливими учасниками ембодіед інтелекту. Особливість автомобільних заводів полягає в тому, що вони поєднують виробничу систему та можливості фізичного AI.

Для гуманоїдних роботів, які ще не досягли справжньої універсальної здатності, позиціонування автомобільних заводів є ідеальним - вони набагато складніші за лабораторії, але не такі непередбачувані, як домашні або комерційні вулиці. Робітники рухаються, деталі мають різницю, виробничі процеси змінюються, роботи повинні розпізнавати середовище та реагувати; в той же час, робочі місця, матеріали, робочі процеси та критерії оцінки залишаються відносно стабільними.

Ще важливіше, автомобільне виробництво пропонує велику кількість завдань з високою частотою повторення. Захоплення, переміщення, сортування, складання, перевірка - ці дії можуть повторюватися сотні або навіть тисячі разів на день. Чи успішно виконано одне й те саме дію, скільки часу це зайняло, чи потрібна була людська допомога, чи вплинуло це на ритм виробництва - всі ці питання мають чіткі результати.

Отже, заводи автомобільних компаній не лише є "сценами застосування роботів", вони також є машинами, які можуть постійно створювати досвід для роботів. Це також причина, чому Figure 02 проходить тренування на заводі BMW у Спартанбурзі, а Zhiyuan також співпрацює з SAIC, щоб дозволити роботам працювати. "Ненцзи 1" від Zhiyuan, спільно розроблений з SAIC, на посаді на заводі SAIC General Motors Ultium

Hyundai спеціально побудувала навчальний майданчик для цього. У червні цього року її Центр застосування Robot Metaplant (RMAC) вже запрацював у США і планує до кінця року збільшити масштаб у десять разів. RMAC імітує реальні виробничі умови, дозволяючи виробничим роботам спочатку завершити навчання, збір даних, тестування та валідацію, перш ніж перейти на офіційні виробничі лінії. Закрита система, розроблена Hyundai, полягає в тому, що реальні дані роботи роботів у Software-Defined Factory повертаються до RMAC для повторного навчання та оптимізації.

Це суттєво відрізняється від багатьох минулих моделей розробки роботів. Раніше роботи навчалися в лабораторіях, а потім шукали клієнтів. Автомобільні компанії, такі як Hyundai, намагаються з'єднати розробку роботів, симуляційне навчання, реальні заводи та масове розгортання в один цикл. Коли роботи ще не досягли зрілості, щоб їх можна було продавати всім, група сама стає першим клієнтом.

Toyota, яка займає перше місце за обсягом продажів автомобілів, цього року безпосередньо включила цю перевагу в свою стратегію робототехніки. Компанія заявила, що її глобальні заводи щорічно виробляють близько 10 мільйонів автомобілів, мають кваліфікованих працівників і систему виробництва Toyota, і ці виробничі майданчики стануть важливою основою для постійного навчання та вдосконалення роботів. Сцени, які Toyota наразі демонструє, включають транспортування компонентів, вибір та переміщення медичного обладнання.

Це насправді вказує на дуже особливу позицію автомобільних компаній в індустрії ембодіед інтелекту: зазвичай, якщо роботи недостатньо зрілі, звичайні клієнти можуть вирішити почекати з покупкою. Але автомобільні групи можуть спочатку впровадити роботи в своїх контрольованих заводах, використовуючи внутрішній попит для отримання масштабів розгортання, а потім використовувати дані, отримані від розгортання, для подальшого вдосконалення продуктів.

На початкових етапах ембодіед інтелекту існувала певна мертва петля: без клієнтів немає достатньо реальних даних, без даних роботам важко швидко прогресувати, а без зрілості роботів клієнти ще менше бажають купувати. Заводи автомобільних компаній можуть розірвати цей цикл.

Коли роботи починають ставати "бізнесом активів"

Однак навіть якщо роботи можуть бути масово вироблені, моделі постійно вдосконалюються, а розгортання на заводах вже налагоджено, до справжнього формування великомасштабного ринку все ще залишається одна більш реалістична перешкода: як їх продавати?

Це також частина, на яку варто звернути увагу під час дня інвесторів Hyundai цього тижня. Генеральний директор Hyundai José Muñoz не лише говорив про технологічну дорожню карту Atlas, а й торкнувся дилерів та Hyundai Capital: існуюча мережа дилерів у майбутньому може взяти на себе розподіл та продаж роботів, а фінансовий відділ групи вивчає відповідні фінансові рішення, включаючи оренду та розстрочку.

Це означає, що Hyundai вже почала розглядати роботи як промислові активи, які потребують тривалого закупівлі, фінансування та експлуатації. Припустимо, що в майбутньому один високопродуктивний робот все ще коштує кілька десятків тисяч доларів, 500 одиниць - це десятки мільйонів доларів капітальних витрат. Далі йдеться про розгортання, обслуговування, програмне забезпечення, заміну компонентів та втрати через простій.

Для корпоративних клієнтів рішення про закупівлю впливають не лише на здатність роботів, але й на витрати на фінансування, терміни амортизації, ефективність обслуговування, способи оплати програмного забезпечення та як розраховувати залишкову вартість. Ці питання визначають, чи можуть роботи залишитися лише на етапі маломасштабного тестування, чи зможуть вони увійти до звичайного бюджету капітальних витрат підприємств, як навантажувачі, сервери та інше промислове обладнання.

Автомобільна промисловість, навпаки, довгий час займалася цими питаннями. Глобальні мережі продажів, системи корпоративних клієнтів, кредитування та фінансовий лізинг, сервісні точки, управління запасами, залишкова вартість активів та вторинний обіг - це все, з чим автомобіль повинен зіткнутися після виходу з заводу.

Зараз Hyundai намагається перенести цю систему на роботи. Згідно з раніше опублікованим планом групи, після доставки роботи можуть продовжувати отримувати OTA оновлення програмного забезпечення, обслуговування та ремонт обладнання, віддалений моніторинг та надання повних рішень у форматі Robotics-as-a-Service.

Цей рівень можливостей особливо легко ігнорувати в індустрії ембодіед інтелекту. Стартапи зазвичай витрачають багато часу на опис моделей, ступеня свободи та обсягу цільового ринку, рідко хто ставить "сервісні точки" та "фінансування обладнання" на перше місце. Але коли роботи почнуть продаватися тисячами одиниць на рік, ці питання раптом перестануть бути другорядними. Генеральний директор Xiaopeng Motors Хе Сяопенг з IRON

Xiaopeng вже почав рухатися в цьому напрямку. IRON планує спочатку увійти в магазини та парки Xiaopeng, а потім у 2027 році розпочати масову доставку зовнішнім клієнтам у Китаї та за кордоном, включаючи роздрібну торгівлю та обслуговування. Для автомобільної компанії, яка вже має виробничі бази, мережу магазинів, закордонні канали та ресурси для співпраці з підприємствами, цей шлях комерціалізації, безумовно, буде коротшим, ніж у стартапів у сфері робототехніки, які мають лише команди розробників.

На цьому етапі "входження автомобільних компаній у робототехніку" вже не є просто відкриттям нового підрозділу бізнесу з робототехніки. Вони насправді приносять в індустрію ембодіед інтелекту цілісну систему виробництва, каналів, обслуговування, фінансів та управління активами, що була створена навколо автомобілів.

Коли роботи починають перетворюватися з одиничних продуктів на тисячі одиниць, які потребують фінансування, обслуговування та постійної експлуатації, ця здатність, що не залежить від "AI", стає все більш важливою.

Ембодіед інтелект не обов'язково належить автомобільним компаніям, але все більше стає невід'ємною частиною автомобільної промисловості

Звичайно, наявність цих ресурсів у автомобільних компаній не означає, що в майбутньому індустрія робототехніки обов'язково буде під контролем автомобільних гігантів.

BMW не має необхідності ставати Figure, Mercedes-Benz може співпрацювати з робототехнічними стартапами. У майбутньому цілком можливо, що з'явиться ряд незалежних компаній з виробництва роботів та базових моделей, а роль автомобільних компаній більше нагадуватиме великих клієнтів, виробничих партнерів, майданчиків даних та комерційних каналів.

Але стандарти конкуренції в індустрії змінюються. На ранніх етапах ембодіед інтелекту найбільш дефіцитними були роботи, які могли рухатися, тому ринок природно прагнув до контролю руху, маневрених рук та вражаючих демонстрацій. Коли все більше компаній перетворюють цю межу, дефіцитні речі та ключові моменти поступово переміщуються, і це, якраз, є найглибшою захистною стіною автомобільної промисловості.

Планування потужності Hyundai на 30 тисяч одиниць, фінансування роботів Xiaopeng на понад 900 мільйонів доларів, а також постійні інвестиції BMW, Toyota та інших автомобільних компаній у роботів на виробничих лініях вказують на одну й ту ж річ: ембодіед інтелект поступово переходить від проблем AI лабораторій до складного промислового інженерства.

Для індустрії робототехніки автомобільні компанії не обов'язково стануть остаточними переможцями. Але з просуванням змагань у сфері робототехніки до наступного етапу, автомобільна промисловість тихо перенесла змагання на свою територію.

Цей контент надано лише для загальних інформаційних цілей і не є фінансовою, інвестиційною, юридичною чи податковою консультацією. Події, нагороди, онлайн-акцій або пов’язану інформацію, згадана тут, не слід розглядати як рекомендацію, прохання чи запрошення до купівлі, продажу, торгівлі чи інших операцій з криптоактивами. Криптоактиви є дуже волатильними та можуть призвести до збитків. Доступність послуг, продуктів WEEX та пов’язаних із ними подій може відрізнятися залежно від регіону. Ви несете відповідальність за забезпечення відповідності вашої участі чинному місцевому законодавству та нормативним актам.