Три гіганти Кремнієвої долини запускають революцію масового виробництва. Чи зможе китайський тілесний інтелект зайняти центральне місце у світовій гонці?

Заголовок: Відрепетовані дії — це квиток на вхід сьогодні, а здатність до узагальнення — квиток на фінал завтра.

Редактор｜Цзін Чен

Автор｜Цзян Цзін

Наприкінці першого кварталу 2026 року світова синхронізована акція в технологічній сфері офіційно оголосила історичний перелом у галузі гуманоїдних роботів.

Google, Amazon і Tesla — три найбільші силіконові гіганти Кремнієвої долини — вийшли на активність в одному тижні: від технологічного підсилення, компонування сценаріїв до масового виробництва й запуску в життя вони здійснюють повномасштабний ривок, виводячи гуманоїдних роботів із шоу технологій на виробничі арени.

Паралельно в Китаї також з’явилося більше дій. 26 березня Китайський інститут досліджень у галузі інформаційних технологій і зв’язку (China Academy of Information and Communications Technology) спільно з понад 40 установами опублікував перший галузевий стандарт у сфері втіленого інтелекту. У поєднанні з подальшим посиленням політики, прискоренням впровадження компаніями та спалахом інтересу з боку капіталу Китай здійснює перехід від “наздоганяння” до “паралельного руху”, а в багатьох напрямах навіть починає кидати виклик лідерству.

Чи зможе ця революція, що змінює правила бізнесу майбутнього та промислову екосистему, зайняти для Китаю місце №1 (C位)?

Глобальний шалений розгін: Силіконо-долинні гіганти запускають масове виробництво та перебудовують майбутню продуктивність

Ніхто вже не сприймає гуманоїдних роботів як фантастичну концепцію.

Нещодавні синхронні дії трьох велетнів Силіконової долини зробили кроки до ери масового виробництва чутними й зрозумілими: кожен елемент їхнього планування спрямований на перебудову майбутньої продуктивності, а подальші кроки світового капіталу та місцевих компаній підтримують постійне зростання інтересу до цієї ніші.

Google першою почала створювати для роботів “розумний мозок”, представивши дві нові моделі ШІ — Gemini Robotics і Gemini Robotics-ER. Перша дозволяє роботу розуміти нові сценарії без спеціального навчання, а друга — “розуміти складний і динамічний світ”, забезпечуючи технологічне підсилення для впровадження в реальні сценарії застосування.

Amazon, своєю чергою, сфокусувалася на сценарному впровадженні та розгортанні. За тиждень вони послідовно придбали стартапи гуманоїдних роботів Fauna Robotics та компанію з логістичних роботів Rivr. Їхній план — не лише для оптимізації доставок, а для створення “мережі сервісних капілярів” роботів — від виробничих конвеєрів на фабриці до віталень у домівках — і формування системи робочої сили наступного покоління.

Масові виробничі кроки Tesla найбільше привертають увагу. 25 березня Optimus опублікував оголошення про набір талантів, чітко вказавши, що це змінить конфігурацію робочої сили та економіки виробництва. Ціль — якнайшвидше досягти масового виробництва, а вже цього літа запуститься перша в історії виробнича лінія з річним випуском мільйона гуманоїдних роботів. Це переводить впровадження масового виробництва в практично відчутну фазу.

Компоновка в Силіконовій долині виходить далеко за межі цього. У той самий день гуманоїдний робот Figure03, розроблений Figure AI, заїхав у Білий дім, ставши першим гуманоїдним роботом у Білому домі, виробленим у США. Робот має можливості багатомовного спілкування та автономного виконання домашніх справ тощо. А пів року тому компанія вже залучила фінансування понад 1 млрд доларів США; такі гіганти як Nvidia, LG та інші активно підтримали ініціативу, що наочно демонструє підвищений інтерес світового капіталу до траєкторії гуманоїдних роботів.

Заступник директора інвестиційного департаменту Інституту розвитку міст Китаю (China Institute of City Development) Юань Шуай заявив, що масові виробничі дії гігантів із Силіконової долини разом із публікацією стандарту для втіленого інтелекту в Китаї разом означають, що галузь гуманоїдних роботів перейшла з глибокої води технологічних досліджень у “золоту добу” комерційного впровадження. Прорив ключових технологій підтримує масштабне виробництво, тоді як галузеві стандарти визначають технічні вимоги й зменшують безладну конкуренцію.

Втім, експерт Китайського товариства журналістики в сфері науки й технологій (China Science and Technology Journalism Association) Гао Хен висловив обережну оцінку: на його думку, галузь нині перебуває напередодні комерціалізації та в періоді часткового фактичного підтвердження, а не в “золотій добі” повномасштабного комерційного вибуху. Головна зміна в промисловості полягає в тому, що різні сили починають спільно перевіряти, чи може робот “стабільно працювати в реальних сценаріях” і чи витрати є контрольованими, а не лише в тому, що відбувся прорив у технологічних дослідженнях.

Прорив Китаю: Багато переваг закріплюють позиції, ключові слабкі місця потрібно терміново доповнити

Коли гіганти Силіконової долини здіймають хвилю масового виробництва, Китай не є пасивним послідовником — навпаки, він уже заздалегідь заклав підґрунтя. Завдяки таким перевагам як стандарти, сценарії, ринок, капітал тощо Китай закріпився на позиціях у глобальній ніші втіленого інтелекту. Проте порівняно з гігантами з Силіконової долини все ще існує розрив у ключових технологіях і можливостях, що стримує подальший розвиток галузі.

У площині переваг китайське компонування демонструє виразні місцеві особливості та ефект “першого ходу”. По-перше, Китай опанував “право голосу” у формуванні стандартів. 26 березня Китайський інститут досліджень у галузі інформаційних технологій і зв’язку спільно з понад 40 установами опублікував перший галузевий стандарт у сфері втіленого інтелекту, створивши єдину рамку тестування. Це дозволило на ранній стадії розвитку промисловості перехопити ініціативу щодо розроблення стандартів.

По-друге, Китай випереджає у сценарному впровадженні. Розвиток втіленого інтелекту в Китаї ніколи не зупинявся на демонстраційній стадії — він уже реалізує реальні застосування. Наприклад, чотириногий робот Unitree (宇树) уже впроваджено на кількох промислових проектах, зокрема на електропідстанціях у Чжецзяні, у підземних інженерних тунелях Ханчжоу та на базі нафтохімії Guangdong (广东石化基地) тощо — для обхідного промислового огляду.

Одночасно Китай має величезний ринковий масштаб і активне капітальне середовище. У 2025 році в Китаї налічувалося понад 140 компаній з повного складання систем втіленого інтелекту, які випустили понад 330 моделей продуктів гуманоїдних роботів. Обсяг відвантажень становив близько 17 тис. одиниць. Ринкові масштаби втіленого інтелекту та гуманоїдних роботів становлять відповідно 5,295 млрд юанів та 8,239 млрд юанів.

З боку капіталу: IPO Unitree стало предметом прийняття до розгляду, перетворивши її на першу в A-акціях (A股) компанію з гуманоїдними роботами. Починаючи з початку року, відбувається розширення великих раундів фінансування в сфері втіленого інтелекту, а процес капіталізації прискорюється. При цьому за період з січня по вересень 2025 року продажі чотириногих роботів і гуманоїдних роботів Unitree зросли відповідно на 182,22% і в 6,42 раза в річному вимірі — що безпосередньо підтверджує потенціал ринку.

Хоча імпульс розвитку стрімкий, у глобальній гонці слабкі місця Китаю теж очевидні.

Кілька експертів зазначили: ключова різниця між гуманоїдними роботами з Китаю та з-за кордону полягає не в “залізі” чи виробництві апаратної частини, а в накопиченні даних, здатності моделей до узагальнення та опрацюванні базових технологічних пластів. Зовні це проявляється як недостатня гнучкість рухів роботів і недостатня здатність до узагальнення.

Юань Шуай вважає, що різниця між гуманоїдними роботами Китаю та інших країн зовні виглядає як різниця у гнучкості рухів і здатності до узагальнення, але першопричина — у базових технологіях, накопиченні даних і підходах до досліджень і розробок. Наприклад, Google RoboCat може виконувати гнучкі узагальнювальні рухи завдяки багаторічному технологічному накопиченню — зокрема завдяки безперервним інвестиціям у великомасштабні алгоритми моделей, сенсорну інтеграцію та керування робототехнічною динамікою. Опираючись на великі обсяги даних тренувань у багатьох сценаріях, робот отримує здатність до автономного навчання та адаптації до середовища.

Він також зазначив: наразі вітчизняні продукти здебільшого зупиняються на рівні відрепетованих дій і відтворення фіксованих сценаріїв. Ключові слабкі місця — це, по-перше, недостатність високоякісних і масштабних даних навчання в реальних сценаріях, через що страждає узагальнювальна здатність алгоритмів; по-друге, висока точність серводвигунів і сенсорів сили, а також інші ключові компоненти залежать від імпорту, що обмежує точність руху та рівень сприйняття.

Гао Хен додав: справжня різниця в тому, чи можуть дані, моделі, системна інженерія та здатність до “замкненого циклу” в сценаріях сформувати взаємозв’язок. Ціль провідних закордонних компаній — створити інтелектуальних роботів, які розуміють середовище та автономно виконують завдання; ключове — розробляти роботів як продукт даних, який можна безперервно ітеративно вдосконалювати. Здатність до узагальнення — це комплексна здатність: Китай не відстає лише в одному-єдиному технічному напрямі. Радше дані та сценарії не сформували “ітераційний маховик”, тому роботи можуть лише підлаштовуватися під одну-єдину задачу, а не ставати розумнішими “з кожним використанням”.

Відомий фінансовий письменник і керівник інституту досліджень впливу “Zhuiyuan Yingli” (眺远影响力研究院) Гао Чен Юань заявив, що ключові розриви зосереджені на накопиченні даних і здатності моделей до узагальнення. За кордоном переваги чітко видно в переносі знань від симуляції до реальності (transfer learning), а також у багатозадачних універсальних стратегіях. Завдяки довгостроковим інвестиціям там побудували замкнений цикл даних для різних сценаріїв і здатність розробляти базові моделі. Водночас у Китаї домінують відрепетовані дії; по суті це дефіцит якісних “втілених” даних, а також існує різниця поколінь у обчислювальних ресурсах і алгоритмічних інженерних можливостях, потрібних для енд-то-енд великих моделей.

Unitree також прямо визнає: для промислових і домашніх сценаріїв масштабне комерційне застосування ще потребує прориву в ключових технологіях. Головні труднощі включають дві проблеми: здатність “втіленої великої моделі” на рівні “мозку” та точність і довговічність “спритної руки”. І найголовніші технологічні проблеми полягають у тому, що великі втілені моделі у світі досі перебувають на ранніх етапах розвитку — і через це бракує здатності до узагальнення.

Шлях до прориву: багатовимірні маршрути підсилюють спроможності, баланс нинішнього та довгострокового розвитку

За умов недостатнього накопичення даних і сценаріїв питання того, як підвищити гнучкість дій роботів і здатність до узагальнення, є ключовим для того, щоб вітчизняні компанії змогли наздогнати.

Кілька експертів, спираючись на поточний стан галузі, запропонували траєкторії розвитку, що одночасно є практичними та далекоглядними. При цьому вони наголошують: компанії мають балансувати між короткостроковим упровадженням і довгостроковими дослідженнями, використовуючи відрепетовані дії як вхідний квиток, а здатність до узагальнення — як ключовий “внутрішній бар’єр” захисту.

Дослідник Пекінського соціологічного інституту соціальних наук (北京社科院) Ван Пенґ запропонував, що вітчизняні компанії можуть наздоганяти, рухаючись двома маршрутами: “сценарне закріплення (маркери сценаріїв) + технологічне повторне використання”. З одного боку, варто зосередитися на замкнутих циклах даних у вертикальних сценаріях: спочатку зафіксувати стандартизовані сценарії на кшталт промислового зварювання та транспортування матеріалів, а для цього отримати спеціальний датасет через невеликі пілотні впровадження, після чого навчати втілені моделі у вертикальній сфері. З іншого боку, використовуючи координацію відкритої екосистеми, можна завдяки галузевим стандартам, опублікованим інститутом зв’язку, просувати обмін даними між компаніями; на основі операційних даних у єдиному форматі проводити спільне навчання загальних моделей.

Юань Шуай, зі свого боку, радить паралельно застосовувати кілька шляхів: потрібно, і одночасно залучати університетські науково-дослідні установи, використовуючи симуляцію та цифрові двійники для генерації віртуальних даних із подальшим перенесенням у реальні умови; і відкривати інтерфейси для взаємодії зі сторонами сценаріїв, запускати пілоти й збирати реальні дані для ітеративного вдосконалення алгоритмів. Також варто сприяти обміну анонімними даними навчання між компаніями, руйнуючи “цифрові острови”, посилювати інвестиції в власну розробку ключових компонентів і підтримувати гнучкий рух роботів проривом у апаратній частині.

Гао Хен навів чотири практичні шляхи. По-перше, отримувати дані з “живих” сценаріїв: глибоко зв’язуватися з такими місцями, як заводи та склади, щоб робот включався в реальні робочі процеси й накопичував дані. По-друге, діяти через симуляцію наперед і “замкнений цикл” на реальному обладнанні: спершу тренувати стратегії в симуляційному середовищі, а потім робити доврівнювання в реальних умовах, знижуючи витрати на навчання. По-третє, спершу робити узагальнення задач: фокусуватися на узагальненні для одиночних типів задач, як-от сортування та транспортування, щоб спочатку реалізувати комерційну цінність. По-четверте, створити систему спільних даних і стандартів у галузі, щоб вирішити проблему неузгодженості інтерфейсів і систем оцінювання, формуючи ітерації на рівні всієї індустрії.

Експерти одностайно вважають: відрепетовані дії та здатність до узагальнення мають для розвитку компаній однакову важливість.

Ван Пенґ вважає: у короткостроковій перспективі роботи з відрепетованими діями вже здатні покривати потреби більшості промислових сценаріїв, і їхня вартість нижча, ніж у роботів із узагальнювальною здатністю. Але в довгостроковому періоді саме здатність до узагальнення є ключовим “фундаментальним бар’єром” — вона визначатиме, чи зможе компанія перетнути цикл розвитку промисловості. З розширенням на не стандартизовані сценарії, як-от домашні сервіси чи екстрене рятування, робот, який здатен автономно адаптуватися до середовища, поступово стане основним.

Гао Хен також погоджується: відрепетовані дії — це квиток на вхід сьогодні, а здатність до узагальнення — квиток на фінал завтра. Для компаній не можна відмовитися від довгострокових інвестицій у здатність до узагальнення лише тому, що сьогодні можна заробляти завдяки відрепетованим діям. Але й не можна робити навпаки: прагнучи узагальнення, ігнорувати сценарії, які можна впровадити вже зараз. Спочатку — замовлення, потім — розумність: це більш реалістичний маршрут.

Наразі ринок втіленого інтелекту в Китаї вже становить половину світового обсягу, і в промислових, а також в екстрених сценаріях реалізовано практичні застосування. У майбутньому який тип сценаріїв стане “вікном можливостей” для того, щоб втілені інтелектуальні роботи Китаю першими досягли масштабованого комерційного прориву?

Гао Чен Юань вважає, що промислове виробництво буде тим напрямом, який Китай зможе першим реалізувати як масштабоване комерційне застосування, особливо в сценаріях на кшталт виробництва автомобілів, складання 3C електроніки та складської логістики. Розкопування потреб сценаріїв потребує глибини в робочі фронти промисловості й спільного створення лабораторій разом із провідними виробниками. Починати варто з заміни точкових операцій, поступово розширюючись до автоматизації цілих ліній. Ключ до інтеграції технологій і сценаріїв — встановити механізм “зворотного драйву технологій визначення сценаріїв”: справжні потреби виробничих ліній має “тягнути” розвиток, щоб це керувало ітераціями апаратури та оптимізацією алгоритмів, а не навпаки — спочатку технологія, а потім пошук сценарію.

Від “паралельного руху” до “глобального лідерства” Китай усе ще має подолати ключові вузькі місця у політиці, технологіях та промисловій екосистемі.

Юань Шуай радить: на рівні політики посилити підтримку та фінансування, удосконалити захист прав інтелектуальної власності; у технологіях зосередитися на прориві в алгоритмах великих моделей та ключових компонентах, посилити здатність роботів до автономного навчання та узагальнення; у промисловій екосистемі — посилити координацію між верхнім і нижнім рівнями ланцюга постачання, прискорити локалізацію компонентів, поглибити інтеграцію промисловості, науки та практики для просування трансформації результатів. Одночасно активно розвивати міжнародну співпрацю, брати участь у розробці глобальних стандартів для підвищення галузевої ваги Китаю в обговореннях, а в підсумку — сформувати повну екосистему індустрії втіленого інтелекту, досягнувши цілі лідерства.