Три гиганта Кремниевой долины запускают революцию массового производства: сможет ли китайский иммерсивный интеллект занять центральную позицию на мировой арене?

导语：预设动作是今天的入场券，泛化能力是明天的决赛门票。

Редактор｜Цзин Чэн

Автор｜Цзян Цин

В конце первого квартала 2026 года глобальная синхронизированная акция в технологической сфере официально объявила о историческом переломе в индустрии человекоподобных роботов.

Три крупнейших силиконовоздолинских гиганта — Google, Amazon и Tesla — в одном и том же недельном цикле наращивали усилия: от технологического наделения возможностями и компоновки сценариев до запусков массового производства, все они стремительно продвигают человекоподобных роботов с площадок технологических шоу в производственные арены.

Параллельно в Китае также появилось больше действий. 26 марта Китайский научно-исследовательский институт в области информации и коммуникаций (China Academy of Information and Communications Technology) совместно с более чем 40 организациями опубликовал первый отраслевой стандарт в области воплощенного (embodied) интеллекта; в сочетании с продолжающимся усилением политики, ускорением внедрения со стороны компаний и всплеском интереса капитала Китай реализует переход от роли догоняющего к роли идущего наравне — и даже в нескольких областях начинает бросать вызов лидерству.

Сможет ли эта революция, меняющая правила будущего бизнеса и промышленную экосистему, занять для Китая место в центре внимания?

Глобальный ускоренный рывок: силиконовоздолинские гиганты запускают массовое производство, перестраивая будущую производительность

Никто больше не воспринимает человекоподобных роботов как фантастическую концепцию.

Недавние скоординированные действия трех гигантов из Силиконовой долины сделали шаги к эпохе массового производства отчетливо слышимыми: каждое их продвижение направлено на перестройку будущей производительности, а последующие действия глобального капитала и местных компаний поддерживают жар на этой дорожке на постоянно высоком уровне.

Google первым создал для роботов «умный мозг» — представил две новые модели ИИ: Gemini Robotics и Gemini Robotics-ER. Первая позволяет роботам понимать новые ситуации без отдельного обучения, а вторая может «понимать сложный и динамичный мир», давая технологическую основу для внедрения роботов в реальные сценарии.

Amazon сосредоточился на компоновке сценариев внедрения. В течение одной недели он последовательно приобрел стартапы человекоподобных роботов Fauna Robotics и компаний по логистическим роботам Rivr. Это размещение направлено не только на оптимизацию доставки посылок, но и на создание «роботизированных капилляров сервиса» — от конвейеров на фабриках до гостиных в домах — формируя систему рабочей силы следующего поколения.

Массовый производственный шаг Tesla привлекает наибольшее внимание. 25 марта Optimus представил соответствующее объявление о найме талантов: там прямо указано, что это изменит расклад сил в сфере рабочей силы и экономики производства. Цель — как можно скорее добиться крупномасштабного массового производства, а этим летом будет запущена первая в истории человечества линия годового выпуска в 1 млн человекоподобных роботов, продвигая внедрение массового производства в более существенную стадию.

Расположение в Силиконовой долине отнюдь не ограничивается этим. В тот же день в Белый дом въехал человекоподобный робот Figure03, разработанный Figure AI, став первым в США произведенным бело-домовским человекоподобным роботом, способным общаться на нескольких языках и самостоятельно выполнять домашние дела и т. п. При этом полгода назад компания привлекла финансирование уже более 1 млрд долларов США; такие гиганты, как Nvidia и LG, поддерживают ее, демонстрируя явную погоню глобального капитала за сегментом человекоподобных роботов.

Заместитель директора по инвестициям Института развития городов Китая (Beijing Institute of Research on Urban Development) Юань Шуай заявил, что действия силиконовоздолинских гигантов по массовому производству и публикация в Китае отраслевого стандарта по воплощенному интеллекту вместе означают, что отрасль человекоподобных роботов переходит из глубокой зоны технических исследований в золотой период коммерциализации и внедрения. Прорывы в ключевых технологиях поддерживают масштабируемое производство, а отраслевые стандарты определяют технические требования и снижают риск хаотичной конкуренции.

Однако эксперт Китайского общества по научной журналистике о технологиях Гао Хэн высказывает осторожное суждение: по его мнению, сейчас отрасль находится на пороге коммерциализации и в стадии локальной реализации, а не в золотом периоде всеобъемлющего коммерческого всплеска. Главные изменения в текущей индустрии заключаются в том, что стороны начинают совместно проверять, «может ли робот продолжать работать в реальных сценариях», и «контролируемы ли затраты», а не в простом прорыве в области техразработок.

Китайский прорыв: многократные преимущества закрепляют позиции, а ключевые слабые места срочно нужно закрыть

Когда силиконовоздолинские гиганты поднимают волну массового производства, Китай не следует пассивно: он уже заранее выстроил основу. Благодаря многим преимуществам — стандартам, сценариям, рынку, капиталу — Китай закрепил свои позиции на глобальной дорожке воплощенного интеллекта. Но по сравнению с силиконовоздолинскими гигантами все еще существует разрыв в ключевых технологиях и возможностях, который сдерживает дальнейшее развитие отрасли.

В плоскости преимуществ китайская расстановка демонстрирует ярко выраженные местные особенности и эффект раннего старта. Во-первых, это контроль над правом голоса в стандартах: 26 марта Китайский исследовательский институт в области информации и коммуникаций совместно с более чем 40 организациями опубликовал первый отраслевой стандарт в области воплощенного интеллекта, сформировав единый каркас базовых тестов и тем самым в ранний период развития отрасли обеспечив себе активную позицию при определении стандартов.

Во-вторых, сценарное внедрение опережает. Развитие воплощенного интеллекта в Китае никогда не ограничивалось демонстрационным этапом — оно действительно реализуется в прикладном применении. Например, квадроподобный робот Unitree (宇树) уже внедрен в нескольких промышленных проектах: на станциях по преобразованию электроэнергии в провинции Чжэцзян, в подземных тоннелях-коммуникационных коллекторах города Ханчжоу, на нефтехимической базе в Гуандуне и др.

При этом Китай обладает огромными масштабами рынка и активной средой капитала. В 2025 году в Китае насчитывалось более 140 компаний, выпускающих целые устройства в области воплощенного интеллекта; они выпустили более 330 моделей человекоподобных роботов, объем поставок составил около 17 тыс. единиц. Размер рынков воплощенного интеллекта и человекоподобных роботов составил соответственно 5 295 млн юаней и 8 239 млн юаней.

Со стороны капитала: IPO компании Unitree Technology было принято к рассмотрению, что сделало ее первой в A-shares акцией среди компаний человекоподобных роботов. С начала года объем финансирования в области воплощенного интеллекта заметно вырос, ускоряя процесс капитализации. А Unitree Technology в период с января по сентябрь 2025 года: выручка от продаж квадроподобных роботов и человекоподобных роботов выросла год к году соответственно на 182,22% и в 6,42 раза — это наглядно подтверждает потенциал рынка.

Хотя импульс развития очень сильный, слабые стороны Китая в глобальном соревновании также очевидны.

Несколько экспертов указывают, что ключевая разница между человекоподобными роботами Китая и зарубежными — не в аппаратном производстве, а в накоплении данных, возможностях обобщения моделей и фундаментальных технологических заделах; на поверхности же это проявляется в недостатке гибкости действий роботов и недостатке способности к обобщению.

Юань Шуай считает, что разница между человекоподобными роботами Китая и зарубежными, на первый взгляд, — в различии гибкости движений и способности к обобщению, а корень — в базовых технологиях, накоплении данных и исследовательской концепции. Например, Google RoboCat способен обеспечивать гибкое обобщение движений благодаря многолетнему технологическому накоплению, особенно за счет непрерывных вложений в такие области, как алгоритмы больших моделей, слияние датчиков и управление динамикой роботов. Опираясь на массивы данных обучения в огромном количестве сценариев, робот получает способность к автономному обучению и адаптации к среде.

Он отметил, что текущие продукты внутри страны в основном остаются на стадии запрограммированных (предустановленных) действий и воспроизведения в фиксированных сценариях. Главный недостаток: во-первых, недостаток высококачественных, масштабных данных обучения в реальных сценариях, из-за чего способности алгоритмов к обобщению недостаточны; во-вторых, ключевые компоненты — такие как высокоточные сервомоторы и силовые датчики — зависят от импорта, что ограничивает точность движения и уровень восприятия.

Гао Хэн добавил: реальная разница в том, смогут ли данные, модели, системная инженерия и сценарный замкнутый контур (scenario closed loop) сформировать взаимодействие. Цель ведущих зарубежных компаний — создавать умных роботов, способных понимать среду и автономно выполнять задачи; ключевое — рассматривать робота как устойчиво итеративный продукт данных и разрабатывать его с этой логикой. Способность к обобщению сама по себе является комплексной способностью: дело не в отставании по одной конкретной технологии внутри страны, а в том, что данные и сценарии не образовали итеративное «колесо прогресса». В результате робот может настраиваться (подстраивать) только на единичных задачах и трудно становится «умнее по мере использования».

Известный финансовый писатель и руководитель Института исследований «взгляд вперед и влияние» Гао Чэнъюань (高承远) заявил, что ключевой разрыв сосредоточен в накоплении данных и в возможностях обобщения моделей. За рубежом особенно заметны преимущества в переносном обучении (transfer learning) от симуляции к реальности и в стратегиях универсального управления для множества задач. Эти преимущества опираются на долгосрочные вложения, позволившие создать замкнутые контуры данных в разных сценариях и развить возможности разработки базовых моделей. Внутри страны все еще доминируют предустановленные действия; по сути, это дефицит качественных воплощенных данных, а также наличие поколенческого разрыва в вычислительных мощностях и инженерных возможностях для алгоритмической «индустриализации» end-to-end больших моделей.

Unitree Technology также прямо признает: ключевые технологии, которые еще предстоит преодолеть для крупномасштабного коммерческого применения в индустриальных и домашних сценариях, главным образом включают две группы проблем — возможности воплощенных больших моделей на «уровне мозга» и точность, тонкость и долговечность «умелых рук». При этом самая главная техническая трудность заключается в том, что в глобальном масштабе воплощенные большие модели все еще находятся на ранней стадии развития, и способности к обобщению недостаточны.

Путь к прорыву: многомерные маршруты для повышения возможностей, баланс текущего и долгосрочного развития

На фоне недостаточности накопления данных и сценариев вопрос о том, как повысить гибкость действий роботов и способность к обобщению, становится ключевой задачей для отечественных компаний, чтобы догнать конкурентов.

Несколько экспертов, опираясь на состояние отрасли, предложили траектории развития, которые сочетают практичность и дальновидность; при этом они подчеркивают необходимость для компаний балансировать краткосрочное внедрение и долгосрочные разработки: предустановленные действия — это пропуск на вход, а способность к обобщению — ключевая «стена», обеспечивающая преимущество.

Исследователь Пекинского института общественных наук Ван Пэн предложил, что отечественные компании могут догонять по двум линиям: «фиксация сценариев + техническое переиспользование». С одной стороны, они должны сосредоточиться на замкнутом контуре данных в вертикальных сценариях: сначала выбрать стандартизированные сценарии — например, промышленные сварочные работы, перемещение материалов — и, внедрившись на небольшой территории, получить собственный набор данных, после чего обучить воплощенную модель для соответствующей вертикальной области. С другой стороны, опираясь на кооперацию в открытой экосистеме, продвигать обмен данными между компаниями с помощью отраслевых стандартов, опубликованных институтом в области информации и коммуникаций; затем на основе операционных данных в едином формате проводить совместное обучение универсальной модели.

Юань Шуай предлагает параллельное развитие по нескольким путям: с одной стороны, следует объединяться с научными организациями вузов — использовать симуляцию и цифровые двойники для генерации виртуальных данных, затем переносить обучение в реальную среду. С другой стороны, нужно открывать интерфейсы для взаимодействия со сторонами, отвечающими за сценарии, проводить пилоты, собирать реальные данные и итеративно совершенствовать алгоритмы. Параллельно стоит развивать обмен анонимизированными данными для обучения между компаниями, чтобы разрушать «данные-острова», и увеличивать инвестиции в разработку ключевых компонентов собственными силами, опираясь на аппаратные прорывы для обеспечения гибкого движения роботов.

Гао Хэн предложил четыре практических направления. Во-первых, брать данные из настоящих сценариев: глубоко встраиваться в такие среды, как фабрики и склады, чтобы робот включался в реальный рабочий процесс и накапливал данные. Во-вторых, «симуляция впереди, реальная машина в замкнутом контуре»: сначала обучать стратегии в симуляционной среде, затем на реальных объектах проводить тонкую настройку, снижая стоимость обучения. В-третьих, сначала делать обобщение задач: сосредоточиться на обобщении в рамках одного типа задач, таких как комплектация и перенос (搬运), сначала реализуя коммерческую ценность. В-четвертых, создать отраслевую систему разделяемых данных и стандартов, чтобы решить проблемы несогласованности интерфейсов и оценочных систем, формируя отраслевой уровень итераций.

Эксперты единодушно считают, что предустановленные действия и способность к обобщению одинаково важны для развития компании.

Ван Пэн полагает, что в краткосрочной перспективе роботы с предустановленными действиями уже могут покрывать потребности большинства промышленных сценариев, а их стоимость ниже, чем у роботов с обобщающими способностями. Но в долгосрочной перспективе именно способность к обобщению является ключевой стеной, определяющей, сможет ли компания преодолеть циклы отрасли. По мере расширения неунифицированных сценариев — таких как домашние сервисы и аварийно-спасательные работы — роботы, способные автономно адаптироваться к среде, будут постепенно становиться основным вариантом.

Гао Хэн также согласен: предустановленные действия — это пропуск на вход сегодняшнего дня, а способность к обобщению — билет на финал завтрашнего дня. Для компаний нельзя отказаться от долгосрочных инвестиций в способность к обобщению только потому, что сегодня можно зарабатывать благодаря предустановленным действиям. Но нельзя и наоборот: стремясь к обобщению, игнорировать сценарии, которые можно внедрить прямо сейчас. Сначала получить заказы, затем тренировать интеллект — это более реалистичный путь.

В настоящее время размер рынка воплощенного интеллекта Китая уже занимает половину доли глобального рынка, и в индустриальных, аварийно-спасательных и подобных сценариях уже реализованы прикладные внедрения. В будущем: какие типы сценариев станут первым прорывом Китая в крупномасштабной коммерциализации человекоподобных роботов?

Гао Чэнъюань считает, что промышленное производство станет ключевым первым прорывом Китая в крупномасштабную коммерциализацию, особенно в таких сценариях, как производство автомобилей, сборка электроники уровня 3C, складская логистика и т. п. Извлечение спроса на сценарии требует глубоко погружаться в первую линию отрасли и совместно с ведущими производственными компаниями создавать объединенные лаборатории. Начинать следует с замены отдельных операций, затем постепенно расширять до автоматизации целых линий. Ключ к слиянию технологий и сценариев — установить механизм «обратной направляющей» для определения сценариев, чтобы реальные потребности производственных линий тянули аппаратные итерации и оптимизацию алгоритмов, а не чтобы технологии сначала «предлагались», а потом искали сценарий.

От «идем параллельно» к «глобальному лидерству» Китаю все еще нужно преодолеть ключевые узкие места в политике, технологиях и отраслевой экосистеме.

Юань Шуай предлагает: на уровне политики — усилить поддержку и инвестиции, усовершенствовать защиту прав интеллектуальной собственности; в технологиях — сосредоточить ключевые усилия на алгоритмах больших моделей и ключевых компонентах, повышая способность роботов к автономному обучению и обобщению; в отраслевой экосистеме — укреплять взаимодействие между верхним и нижним уровнями цепочки поставок, ускорять локализацию компонентов, углублять интеграцию отраслей «университеты–наука–производство», продвигать трансформацию результатов в практику. Одновременно следует активно развивать международное сотрудничество, участвовать в разработке глобальных стандартов для повышения отраслевого права голоса и в итоге сформировать завершенную экосистему индустрии воплощенного интеллекта, чтобы реализовать цель лидерства.