Чжиюань на этот раз опередил Маска

То, чего не смог сделать Маск, сделали Пэн Чжихуэй и его умные роботы.

Не так давно Tesla подтвердила, что ее продукт человекоподобных роботов Optimus Gen3 начнет в этом летнем сезоне запуск мелкосерийного пробного производства, а к массовому производству в больших объемах сможет подойти только в 2027 году. Хотя этот график уже много раз сдвигался, видение Маска все равно остается ориентиром для всей мировой отрасли.

Но поворот наступил очень быстро: ранее планировавшийся темп на уровне «год» по разведению мощностей был сжат до единиц «месяца».

30 марта умные роботы объявили, что число человекоподобных роботов, вышедших с производственной базы серийного выпуска, превысило 10 000 единиц. От момента, когда они последний раз проводили церемонию схода с конвейера 5 000 машин, прошло меньше чем три месяца.

«Прорыв до десяти тысяч» у умных роботов означает, что отечественный инкарнированный интеллект перешел из лаборатории к этапу масштабной коммерциализации.

Для этой китайской компании, существующей менее трех лет, победа в вопросе серийного производства над отраслевыми гигантами сама по себе является своего рода заявлением.

Прорыв через барьер серийного выпуска

Если изобразить кривую развития отечественных человекоподобных роботов за последние два года, то 2023—2024 — это «кривая Demo», а с 2025 года отрасль начинает входить в «кривую инженерной реальности».

Разница двух кривых заключается в том, что первая опирается на алгоритмы, библиотеку движений, компоновку сценариев и рендеринг, чтобы получить «эффект»; вторая принимает только один стандарт: непрерывную безотказную работу.

“В глазах многих массовое производство будто бы — это конвейер, пресс-формы, литье под давлением, сборка и целый ряд стандартизированных процессов. Но на самом деле для продуктовой категории человекоподобных роботов сама по себе масштабируемость — одна из самых сложных технических проблем.”

30 марта на последующем интервью после заседания сооснователь, президент и CTO умных роботов Пэн Чжихуэй рассказал порталу Wall Street и рассказам о том, что массовое серийное производство в робототехнической отрасли намного сложнее, чем кажется.

Он провел сравнение: в потребительской электронике, если что-то выходит из строя — в худшем случае можно перезапустить; но если в роботе происходит ошибка, “любая даже малейшая проблема качества будет многократно усиливаться в реальном процессе эксплуатации и может привести к травмам людей, а последствия разрушения окружающей среды могут быть серьезными”.

Сложность этой задачи в полной мере проявилась внутри умных роботов на этапе серийного производства в 2024 году.

Вице-президент умных роботов и глава подразделения по универсальному бизнесу Ван Чуань вспоминал: в тот год умные роботы находились на стадии от с трудом освоенной первой машины до 200-й — это было «самое темное время» компании.

После того как в августе того года прошла презентация нового продукта, умные роботы сразу выпустили пять моделей роботов. Самой популярной оказалась Yuanzheng A2: цена одной единицы превышала 500 000 юаней. После презентации заказы посыпались как снег, но умные роботы не смогли их принять и переработать — продукт не удавалось довести до серийного выпуска, технологии не удавалось приземлить, бизнес-модель полностью не складывалась.

По словам Ван Чуаня, тогда производственная линия почти не имела стандартизации: чем больше машин удавалось изготовить, тем меньше времени команда могла тратить на работу, потому что основная масса времени уходила на ремонт; даже роботы, сходящие с линии, оказывались не одинаковыми — инженерам приходилось настраивать параметры по каждому устройству.

Это были тяжелые дни, когда человеческим трудом приходилось закрывать разрыв между индустриализацией и реальным производством. К концу 2024 года, чтобы решить огромный массив проблем, возникающих из-за выпуска первой партии, умные роботы направили в цех более 150 сотрудников по разработке.

Каждый скачок на новом уровне решал совершенно разные по измерению задачи. Далее, с 200 до 1000, главная узкая горловина переместилась с производственной линии в цепочку поставок.

Пэн Чжихуэй сообщил Wall Street и рассказам о том, что когда умные роботы впервые решили заняться человекоподобными роботами, они сделали круг отраслевых исследований: “мы обнаружили, что в отрасли не существует поставщика ключевых компонентов, который мог бы соответствовать нашим потребностям, обеспечивать массовые поставки, а также быть зрелым и надежным”.

Сотрудники умных роботов называют это так: ранние поставщики могли бы, собравшись вместе, отгрузить, скажем, 100—200 штук, и этого хватило бы для ответа; но когда объем заказа достигает тысяч, а тем более десяти тысяч, исходная система и стандарты качества мгновенно разваливаются — продукт просто не выдерживает масштабной доработки и переделок. Традиционные шарниры, редукторы, умные кисти и аккумуляторы — ни один поставщик не способен обеспечить стабильность поставок на уровне тысяч единиц, не говоря уже об согласованности (одинаковости).

Раз нет готового пути, умным роботам пришлось выбрать вариант проложить дорогу самим. Пэн Чжихуэй сказал: “мы растем вместе с цепочкой поставок, втягиваем их и делаем совместную разработку”. От материалов и технологий изготовления до производственной оснастки, от стендов тестирования до процессов старения — все пришлось заново переопределить.

Умные роботы применяют новые технологические процессы, разработанные совместно с поставщиками, в ключевых узлах вроде шарниров и умных кистей. Благодаря этому компоненты становятся легче, точнее, с большим ресурсом и меньшей стоимостью. Они также построили «получасовой контур поставок»: требование к ключевым поставщикам — обеспечить ответ в течение получаса.

Эта стратегия глубокого привязывания к цепочке поставок выглядит тяжелой в краткосрочной перспективе, но в долгосрочной — как раз и формирует ров умных роботов.

Начало инженерного «компаунд-эффекта»

Если способность цепочки поставок определяет, сможет ли умный робот произвести 10 000 единиц, то компаунд-эффект данных «data flywheel» определяет, какую ценность эти 10 000 единиц произведут после того, как они будут созданы.

“Раньше подход к роботам был таким: сначала создаешь сам корпус, сначала делаешь тело, делаешь аппаратную часть — а затем в нее встраиваешь какие-то «мозги», модели, алгоритмы. Но сейчас, когда сходит с линии десять тысяч роботов, и тело, и мозг начинают развиваться синхронно”. — так сказал Пэн Чжихуэй.

Сегодня каждый робот, сходящий с конвейера, продолжает собирать данные в режиме непрерывного сбора на линиях производства автомобилей, в цехах 3C-электроники и в пространствах коммерческих сервисов.

Эти реальные данные, в свою очередь, с беспрецедентной скоростью обучают базовую модель умных роботов, делая модель более обобщающей и более практичной, тем самым помогая роботу раскрывать больше сложных сценариев.

“Робот будет становиться умнее по мере того, как им пользуются”. — сказал Пэн Чжихуэй. — “10 000 — ключевой этап, который позволяет нам полностью запустить маховик (flywheel)”.

На самом деле эта логика очень близка к траектории развития отрасли интеллектуального вождения. FSD12 от Tesla смогла совершить качественный скачок примерно к 2025 году главным образом потому, что миллионы автомобилей, ездящих по дорогам, постоянно вносят вклад реальными данными о вождении. Сейчас умные роботы копируют тот же путь в области человекоподобных роботов.

По мнению Ван Чуаня, любая разрушительная технология на ранней стадии развития выглядит так, будто прогресс идет медленно и невероятно медленно. Но когда она действительно пересекает какой-то «критический порог», подобно цунами, и приходит стремительным потоком, тогда все начинают восклицать, что скорость оказалась слишком высокой.

Как и раньше с электромобилями и интеллектуальным вождением: человекоподобные роботы тоже приближаются к этому порогу взрывного роста.

Согласно данным IDC, в 2025 году глобальный объем отгрузок человекоподобных роботов приближается к 18 000 единиц, что на примерно 508% больше, чем годом ранее. При этом китайские компании занимают доминирующее место в общемировом объеме отгрузок — больше, чем их американские конкуренты.

В 2026 году отрасль войдет в период решающего «штурма» масштабного серийного производства. Консалтинг Джиби (Jibang) прогнозирует, что глобальный объем отгрузок превысит 50 000 единиц, что снова даст прирост более чем на 700% в годовом выражении. Умные роботы завершили выпуск 10 000 единиц всего менее чем за три месяца с начала года. По этому темпу на презентации Ван Чуань сделал прогноз: “сто тысяч, возможно, будет к концу 2027 года”.

Этот прогноз основан на двух предпосылках: во-первых, полностью автономное развертывание — так, чтобы робот выходил из-под контроля человека, понимал среду, автономно заряжался и непрерывно адаптировался к более сложным задачам; во-вторых, глобализация. Ван Чуань говорит: «Спрос на категорию роботов глобально универсален. Старение населения, малочисленность рождаемости, нехватка рабочей силы и все труднее нанимать людей на скучные и повторяющиеся должности — это проблемы, с которыми сталкивается весь мир».

От Yuanzheng A1, появившегося в августе 2023 года, до первых 10 000 единиц Yuanzheng A3, сошедших с линии в марте 2026 года, умным роботам потребовалось менее трех лет, чтобы совершить практически невозможный скачок.

История этой компании по сути — это еще один концентрированный релиз системных возможностей китайского производственного сектора в совершенно новой продуктовой категории. Одна и та же пьеса уже разыгрывалась много раз, но каждый раз все равно потрясает.

10 000 — не конечная точка. Но с этого дня человекоподобные роботы перестают быть лишь футуристической концепцией — это уже продукт «здесь и сейчас».

_ Ниже — расшифровка диалога для Wall Street и рассказов · «круглосуточная» технология и умные роботы, сооснователь и CTO Пэн Чжихуэй, а также старший вице-президент и глава подразделения общего бизнеса Ван Чуань: _

Круглосуточная технология: Какие ключевые решения и раскладки сделаны умными роботами в цепочке поставок, контроле затрат, мощностях — за спиной тысячного массового производства?

Пэн Чжихуэй: Только что мы тоже говорили о том, насколько сложной была задача в 10 000 единиц. Путь от 1000 до 10 000 занял более года, и это позволило совершить переход на порядок (10×) по масштабу. За этим стоит комплексная демонстрация возможностей сразу в пяти измерениях: производственная эффективность, внедрение в сценарии, ценность для клиентов, запуск «маховика данных», а также совместный рост цепочки поставок. Можно сказать, умные роботы — первая в мире компания, которая действительно прошла весь путь целиком от лабораторного прототипа до промышленной крупномасштабной поставки. Самая большая трудность — это вызов по массовой согласованности и контролю затрат.

Роботы — не как телефоны: если выходит из строя, то в программном случае можно перезагрузить, а в аппаратном случае не будет больших повреждений. Но если робот ошибается, то если «провалится» хоть одно звено, качество серийного продукта рушится, и это также несет необратимый ущерб пользователям и среде. Стабильные поставки ключевых компонентов, снижение себестоимости всей системы, качество, надежность, стабильность — все это «тяжелые кости».

Чтобы справиться с этими проблемами, есть две вещи, которые особенно важны:

Во-первых, «зацепиться» за цепочку поставок. Расти вместе с цепочкой поставок и заново определить стандарты новой отрасли. Мы построили первую в мире стандартизированную систему поставок в сфере инкарнированного интеллекта, а также даже привлекли ключевых партнеров, чтобы вместе с ними вести совместную R&D. Например, в ключевых компонентах вроде шарниров и умных кистей применяются новые технологические процессы, которые мы разрабатывали совместно с поставщиками — так чтобы компоненты были легче, точнее, имели больший срок службы и стоили меньше, что отражает сильные продуктовые преимущества.

Во-вторых, перестроить производственную модель. Сюда входит и то, что на площадке, где мы сейчас находимся, сделана валидация «пилотным» (промежуточным) цехом для проверки технологических процессов; серийный производственный цех обеспечивает стабильность. Пилотный цех заранее валидирует различные процессы и сборочные цепочки. Кроме того, за счет гибкого производства, управляемого заказами, мы не только сделали ключевые компоненты автономно управляемыми и подконтрольными, но и построили «контур поставок в полчаса» (half-hour supply circle): выдвинули запросы к поставщикам, и поставщики должны уметь отвечать в течение полчаса.

10000 — это не конечная точка, а доказательство того, что у нас есть способность с инженерной определенностью довести инкарнированный интеллект до того, чтобы он действительно превратился из игрушки в незаменимую производственную силу будущего.

Круглосуточная технология: Настало ли «время ChatGPT» для инкарнированного интеллекта?

Ван Чуань: Главное отличие — то, что клиенты часто дают обратную связь о том, что линии меняются. Например, линия укладки/съема для элемента питания (electrical cell) через некоторое время может быть переоборудована под другие модели элементов питания, а иногда — даже под полностью разные материалы для укладки/съема. Если использовать традиционные методы автоматизации, часто нужно списывать уже сделанное оборудование, заново разрабатывать новое, и как минимум инженерам придется снова находиться на площадке месяц, чтобы разрабатывать новые алгоритмы.

Наибольший смысл инкарнированного интеллекта — в обобщающей способности. Как сейчас, когда мы используем GPT: мы задаем ему любой вопрос, и часто ответы получаются размытыми; вопрос может быть очень размытым, но он все равно способен обобщенно понимать, что нужно. Мы хотим, чтобы в физическом мире инкарнированного интеллекта робот также мог обобщенно понимать, что ему нужно делать. Для этого нужна очень большая предварительная тренировка, а затем — усиленное обучение с сбором данных на рабочем месте (на конкретной позиции), чтобы в итоге уровень успеха был приемлемым для производственной линии. Производственные линии часто требуют стандарты уровня 999, 9999, а такт нужно сопоставлять с человеком.

Сейчас мы уже видим, что в некоторых сценариях по укладке/съему процесс постепенно «пробегает» (заводится). Мы надеемся, что в будущем на предприятиях будет больше сценариев для колесных роботов, а также что и двуногие роботы — в сценариях приема посетителей, навигации/экскурсоводства и подбора/помощи при покупке — тоже будут постепенно запускаться.

Круглосуточная технология: В последнее время умные роботы снова и снова добиваются последних прорывов в алгоритмах, симуляции и других технологиях. Оснащены ли роботы, сошедшие в первую партию из 10 000, этими технологическими результатами? И как реальные данные и инженерная обратная связь от масштабирования до 10 000 повлияют на итерации технологий и адаптацию сценариев на реальных машинах?

Пэн Чжихуэй: Для нас «замкнутый цикл данных / маховик данных» очень ценен и имеет очень большое значение. Первая партия серийных 10 000 единиц — это Yuanzheng A3, новый тип продукта, который был недавно представлен. Сейчас еще не достигнута стадия массовых отгрузок, многие функции ПО еще не доведены до этапа и продолжают оптимизироваться.

Многие новые технологии, безусловно, в первую очередь будут внедряться и проходить валидацию на новых продуктах. Например, у A3 есть существенные улучшения по легковесности корпуса, автономности работы, соотношению тяги к весу (推重比) и возможностям взаимодействия; общий вес всего устройства — 55 кг, что легче, чем у большинства людей при таком размере. Автономность достигает более 10 часов, а также установлены различные новые типы датчиков (например, сенсорные датчики).

Более того, самое важное — это программное обеспечение «большого и малого мозга» и алгоритмические модели. В него встроены самые новые модели управления движением всего тела, включая алгоритмы группового контроля — то есть результаты алгоритмов, которые позволяют управлять группой.

На данный момент, помимо новых моделей вроде Yuanzheng, уже представленные ранее продукты также внедрены и применяются в реальных сценариях. Например, линейка «Jingling» («精灵») уже развернута в сценариях промышленного производства, логистики, безопасности и охраны. Как, например, на линии производства планшетов в Longqi Technology у нас A2 непрерывно работает 24 часа в сутки — занимается операциями по укладке/съему при производстве экранов.

G2 также работает на электронных заводах вроде Inveil/Junsheng: он способен выполнять сборку сложной оснастки и операций позиционирования трех контуров (三销定位) со скоростью более 12 секунд, обгоняя человека; коэффициент успешности почти доведен до 100%. По сути, эти сценарии предъявляют очень высокие требования к точности и стабильности робота — с традиционной автоматизацией такое решить невозможно. Именно такие сценарии особенно ярко демонстрируют ценность инкарнированного интеллекта: это не про замену человека, а про то, чтобы робот обладал способностью к обобщению — «одна тренировка, много раз развертывание» — и дополнял рабочие места людей.

«Data flywheel» — это также главная выгода в процессе. Если робот постоянно работает в реальной среде, он может собирать достаточно данных; эти данные помогут нам преодолеть верхние пределы возможностей инкарнированного интеллекта в будущем. Новые роботы, которые только сошли с линии, движутся по пути «с завода — сразу в развитие»; опираясь на симуляционные данные и данные с реальной машины, теперь у нас появился замкнутый цикл реального data flywheel. Это дает очень хорошую основу для того, чтобы роботы в будущем действительно могли заходить в сценарии, где они станут крупномасштабной производительной силой.

Круглосуточная технология: Сейчас 10 000 роботов будут распределены по каким сферам и какие конкретные сценарии ROI уже реально «запущены»?

Ван Чуань: Сейчас у нас 8 основных коммерческих сценариев: среди пользователей есть исследовательские, есть сбор данных, развлекательные выступления; больше — в режиме разработки. В режиме развертывания мы делаем разъяснения и прием посетителей, а также сценарии по укладке/съему на заводах. В будущем мы будем исследовать больше сценариев. Например, настоящий прием на входе (front desk): чтобы робот имел интерактивность, мог выполнять «работу» (作业). На заводе: после того как один оператор/позиция сделает что-то на рабочем месте, робот должен быстро перестраиваться на другое рабочее место — как будто он реально работает, как «человек».

Круглосуточная технология: Сейчас в отрасли царит состояние «все цветет»: формы, алгоритмы, применение сценариев — все развивается по разным направлениям. Если умные роботы хотят стать конечным единорогом, самая важная преграда (barrier) — какая? Есть ли в индустрии единое понимание/консенсус, к которому пришли?

Пэн Чжихуэй: Мы всегда выступали с внешними разъяснениями: наша ключевая преграда — это наш курс на стратегию «один корпус — три интеллекта» (one body, three intelligences), то есть full-stack подход. Раньше на каждом запуске продукта мы тоже подчеркивали, почему мы делаем «большое и полное» (широкое) технологическое размещение (технологический ландшафт) в формате full-stack, а не специализируемся в одной конкретной области.

Потому что мы начинаем с конечной цели — с прицела на конечные сценарии применения, хотим пройти реальные сценарии. Одного лишь одного технологического узла недостаточно. Нужен робот с очень сильной интерактивностью — как отличный интерфейс человек-машина. Нужны возможности реальной работы на площадке. И нужна достаточно сильная двигательная способность, отличающаяся от традиционных стационарных промышленных роботов.

Поэтому нужно и двигательное мышление, и интерактивное мышление, и рабочее/исполнительное мышление. При этом сам корпус должен быть достаточно зрелым, надежным, стабильным, с низкой стоимостью. Это инженерия системного уровня. Вот почему мы постоянно придерживаемся full-stack технологического маршрута «один корпус — три интеллекта»: глубоко интегрируем корпус робота, двигательную интеллектуальность, интерактивную интеллектуальность и рабочую интеллектуальность.

Мы также накапливали много Knowhow на уровне базовых AI-моделей и на уровне прикладных сценариев для вертикальных отраслей. Эти Knowhow — еще один из наших «рвов». Только что мы упоминали создание первой в мире стандартизированной экосистемы цепочки поставок. Это тоже очень сильный ров.

Круглосуточная технология: Сейчас робот находится на стадии эволюции от «похожести на человека» к «человекоподобности». Какие изменения «мозга» произошли у роботов за прошедший год? И насколько далеко мы от идеального образа «цифрового существа» с точки зрения балансировки нагрузки на умные кисти и контроля сил всего тела?

Пэн Чжихуэй: Это скорее перспектива будущего.

Во-первых, эволюция «мозга» робота — главная линия. Почему за эти годы так «разгорелась» тема человекоподобных роботов? Это не потому, что у корпуса появились какие-то резкие черные технологии прорыва. Главная линия — развитие AI и базовых больших моделей. После 2023 года, когда ChatGPT стал представителем эволюции «мозга», именно это стало основной темой. В течение прошлого года изменения происходили очень быстро. На раннем этапе в «мозге» чаще использовали технологии вроде ACT и Policy, которые решают задачу генерации последовательностей, но по сути это все еще скорее предсказание движений.

Теперь и академическое сообщество, и промышленность — основной тренд — полностью смещаются в сторону VLA, технологии VLA на базе больших моделей. Это не только вопрос смены архитектуры модели, но и попытка действительно перенести «чудесные» так называемые Scaling law из мира больших языковых моделей: наращивать масштабы, наращивать данные, наращивать вычислительные ресурсы, чтобы обобщенный интеллект роботов «проявился» и возник. Это смена большой парадигмы.

Вместе с этим, технология продолжает итеративно развиваться. Например, в будущем модели мира (world models) будут играть очень важную роль, позволяя роботу делать так называемые контрфактические (представляемые альтернативные) рассуждения — как человек. Когда человек делает что-то, он сначала проигрывает в голове последствия следующего действия, затем динамически корректирует свою стратегию. Это переход от простого «вижу — делаю» к коренной трансформации от восприятия к реакции и от когнитивного уровня к планированию. Конечно, для этого нужна непрерывная итерация и эволюция технологий.

Есть и узкие места в ключевых компонентах. Например, в умных кистях (灵巧手) аппаратная часть сейчас остается серьезным узким местом, особенно когда нужны очень высокие степени свободы, высокий уровень нагрузки и сильная способность к восприятию. Тактильные ощущения можно сделать очень хорошими, но одновременно нужно добиться очень низкой стоимости. Эти пункты инженерно очень противоречивы. Поэтому сейчас весь набор аппаратных решений еще не успел схлопнуться в единый вариант — мы пробуем разные технологические пути, новые конструкции, новые конфигурации датчиков, чтобы найти относительно идеальный баланс между производительностью и стоимостью.

Только что упоминалось «один корпус — три интеллекта»: алгоритмические базовые модели в каждом направлении тоже нуждаются в некоторой итерации.

Наконец, насколько далеко мы от идеального «цифрового существа», которое представлялось? Мое мнение — что будет быстрее, чем думает часть людей, но все равно потребуется время. И речь и о «теле», и о «душе». «Тело» — о котором мы говорили (аппаратная часть) — все еще требует прорывов в некоторых направлениях; при этом идет динамический баланс инженеризации и стоимости. «Душа» — это «большой мозг» и «малый мозг». И самое важное: обобщенный интеллект, понимание мира, долгосрочные решения, межсемантическая многомодальная связь (cross-semantic multimodal linkage) пока находятся на относительно ранней стадии.

И как раз потому, что этот путь не такой простой, и потому что посередине есть так много «тяжелых костей», которые нужно грызть, — именно поэтому стоит вкладываться всем силами, упорно биться и прорываться.

Круглосуточная технология: Есть ли в нынешней китайской индустрии человекоподобных роботов пузырь?

Ван Чуань: Любое развитие технологии на ранней стадии для всех выглядит относительно медленным. Но когда оно действительно приходит, как «цунами», все замечают, что слишком быстро. Можно представить электромобили: в течение более чем десяти лет электрификация автомобилей субсидировалась государством, их постоянно продвигали. Но доля обычных граждан, покупающих электромобили, оставалась крайне низкой.

И вот последние два-три года все как будто внезапно ускорилось: зарядных станций, возможно, стало больше, чем бензоколонок в некоторых городах; проникновение превысило 50%. То же и с интеллектуализацией автомобилей: интеллектуальное вождение изучали десятилетиями. Вначале люди думали, что опыт слишком плохой и мало кто хотел пользоваться. Самое большое изменение произошло за последний год: когда я сам попробовал разные системы автопилота из первой «линейки», уже могу очень спокойно ими пользоваться. Это очень революционный момент наступления.

С человекоподобными роботами — аналогично: сложность будет только расти. Например, у Yuanzheng A3 сейчас используется очень много новых материалов и новых датчиков; вычислительная мощность главного контроллера также существенно повышена. Такая сложная продукция только сейчас сходится с линии первой партии, в ней остается огромное количество проблем, которые нужно решать. Для нас важно уверенно проходить каждый шаг, чтобы действительно сделать вещи и продукты качественно. И мы также ожидаем, что в процессе будет много партнеров, поставщиков в цепочке и клиентов — все вместе будут стараться, чтобы продукт сделать правильно.

После того как все будет готово, мы будем начинать применять это в тех сценариях, которые нам по силам. У роботов на старте обобщающая способность пока относительно ограничена: нельзя сказать, что все задачи он может делать. Но определенные виды задач уже выполнены очень хорошо. Потому что повторяющееся исполнение и работа 24 часа в сутки без сна — это естественные преимущества по сравнению с людьми. Это помогает нам делать скучные и повторяющиеся дела.

Далее — просто спокойно ждать процесса ускорения. Сейчас я не могу сказать — 5 лет, 10 лет или больше. Но я уверен, что в какой-то день, когда люди увидят много роботов, реально помогающих рядом с нами, все сочтут, что этот процесс происходил спокойно и естественно. И он сможет глубоко изменить общество. Я очень-очень этого жду. Я посвящу будущую карьеру полностью этому процессу и буду работать вместе с коллегами.

Что касается сравнения Китая с международным уровнем: очевидно, что на международном рынке есть очень много инноваций уровня 0-1, и они сделаны очень-очень хорошо. Китай также очень хорошо прошел путь от 0 до 100 — особенно в части инженерных возможностей, в применениях и в построении «маховика» итераций роботов. В этих направлениях Китай сделал очень хорошо.

За последние год-полтора у меня есть большое понимание: в некоторых ключевых технологиях Китай начал постепенно совершать прорывы с 0-1. Например, в робототехническом осязании и в алгоритмах: в связке восприятия и управления у роботов — есть много очень хороших вещей, которые появились именно на уровне 0-1.

Я верю, что в будущем Китай будет учиться делать 0-1 очень быстро и все будет ускоряться, потому что есть достаточно много умных людей. А вот другим странам учиться у Китая на пути от 1 до 100 будет не так легко: чтобы построить целую систему, нужны огромные усилия и относительно низкая вероятность успеха. Я верю, что в отрасли инкарнированного интеллекта Китай будет продолжать лидировать в мире.

Круглосуточная технология: Как вы оцениваете текущую гонку «вы догоняете, я догоняю» в сфере человекоподобных роботов, и каковы следующие цели умных роботов?

Ван Чуань: Мы не занимаемся «соревнованием в массовом производстве». Сейчас заводы, где мы находимся, — это пилотные (опытно-экспериментальные) цеха. Например, Yuanzheng A3 производится на этом заводе, который в основном предназначен для валидации всей производственной линии. На самом деле большая часть этого цеха не использует автоматизированное оборудование — там больше идет валидация и проектирование. Разработка и инженеры часто приходят сюда, чтобы итеративно улучшать дизайн продукта. Настоящий серийный завод — это завод в Фэнсянь (奉贤) и другие места (заводы). Если бы мы сейчас делали именно «гонку за мощностями», то наши мощности были бы существенно больше, чем сейчас.

Почему мы этого не делаем? Потому что мы больше ценим то, как робот будет использоваться в реальных сценариях, и как он сможет удовлетворять устойчивые (continuous) потребности клиентов. Например, когда клиент покупает робота и тестирует его на производственной линии, нужно сначала сделать POC, чтобы функции прошли проверку: чтобы такт/цикл достигал 12 секунд или какого-то другого уровня. И только когда клиент действительно удовлетворен, робота постепенно продвигают и на другие схожие рабочие места. Это — сценарий с реальной потребностью.

То же и с двуногими роботами: например, Lingxi и Yuanzheng Robotics используют их в выставочных залах для объяснения. Сейчас суммарно уже есть две-три сотни роботов, работающих в разных выставочных залах. Если клиент считает, что автономность без обслуживания, возможности взаимодействия робота, возможности приема посетителей и многоязычность действительно помогают ему, то когда он готов к массовому тиражированию и продвижению — вот тогда это и есть то, чего мы больше всего ждем. В этот момент мощности будут распределены в соответствии с потребностями клиента. И мы не будем думать о соревновании с кем-то: для нас не имеет смысла производить «на склад», потому что превращать продукт в запасы — не является для нас значимым.

Предупреждение о рисках и оговорка об ответственности

        На рынке есть риски, инвестиции следует делать осторожно. Эта статья не является индивидуальной инвестиционной рекомендацией и не принимает во внимание особые инвестиционные цели, финансовое состояние или потребности отдельных пользователей. Пользователь должен рассматривать, соответствуют ли любые мнения, взгляды или выводы в этой статье его конкретным обстоятельствам. В случае инвестирования ответственность несет пользователь.