Світова модель фінансування у розпалі: капітал робить ставку на трильйонний фізичний AI-сектор

Securities Times журналіст Чень Юкань

Цього року популярність «раків» (OpenClaw) продемонструвала безмежні можливості штучного інтелекту (AI): він може збирати дані, писати код, створювати великі фільми та керувати комп’ютерами. Однак, як тільки робот виходить за межі екрана, у реальному світі він виглядає, ніби недорослий малюк, і здатен виконувати лише фіксовані, процесні дії — «парадокс Моравєка» перешкоджає людству на шляху до загального штучного інтелекту (AGI).

Світова модель є ключем до розв’язання цієї проблеми: вона дозволяє роботам справді розуміти закони фізичного світу, мати здатність до мислення та міркувань — і є важливим шляхом до досягнення AGI. Цього року лауреат премії Тюрінга Ян Лік Кун заснував компанію зі світовими моделями; компанія «AI хресної матері» Лі Фейфей отримала значний раунд інвестицій; у Китаї з’явилося понад 20 випадків фінансування, пов’язаних із світовими моделями. У галузі прямо заявляють, що світові моделі, можливо, стануть одним із головних «вітрил» для AI у наступні 10 років.

Кілька підприємців у сфері AI, опитаних Securities Times, зазначили: світові моделі дозволяють AI справді розуміти фізичний світ і взаємодіяти з ним, що є необхідним шляхом до AGI. Наразі розвиток світових моделей ще перебуває на ранній стадії: хто першим зможе «запустити» маховик фізичних даних, той і отримає перевагу у розвитку.

AI має закріпитися в реальному світі

OpenAI нещодавно оголосила про закриття відеогенераційного застосунку Sora та зміну стратегічного напрямку: тепер команда Sora зосередиться на дослідженнях світових моделей.

Відмова від генерації реальності та перехід до того, щоб AI розумів реальність, відображає новий стратегічний рівень галузі: світові моделі. За поясненнями таких університетів, як Університет Фудань, світова модель навчається і прогнозує динамічні характеристики — рух, силу та просторові зв’язки — на основі сенсорних даних. Завдяки світовим моделям AI переходить від пізнання та розпізнавання до розуміння та міркувань — це основа для втіленого інтелекту й автономної, ефективної взаємодії з навколишнім середовищем.

Заступник декана з менеджменту Школи менеджменту Університету Фудань, завідувач кафедри інформаційного менеджменту та бізнес-аналітики Чжан Чен у коментарі для Securities Times зазначив, що суть «мислення» AI полягає у ймовірнісному прогнозуванні на основі статистичних даних; йому бракує справжніх емоцій і глибинного пізнання світу. Проблема в тому, що модель здебільшого базується на мовних даних: коли модель навчається світу лише через текст, її межі пізнання обмежуються тим, що може виразити мова. Водночас світова модель дозволяє системі через мультимодальну інформацію — зір, слух і просторову динаміку — описувати закономірності роботи середовища.

Менеджер з аудиту у KPMG China Мяо Чжень, відповідаючи на запитання Securities Times, сказав, що головна цінність світових моделей полягає у тому, щоб, створивши віртуальний паралельний світ, узгоджений із фізичними законами, через розуміння простору та довготривалі прогнозні міркування приймати рішення, моделюючи сценарії, причинно-наслідкові зв’язки та покриваючи «довгий хвіст» сценаріїв. Це компенсує слабкість моделей, що ґрунтуються лише на даних, у здатності узагальнювати крайні довгохвості сценаріїв.

Якщо світові моделі відсутні, межа можливостей роботів, ймовірно, обмежуватиметься високорівневою автоматизацією для пасивного виконання коду. Засновник і CEO компанії Kuwo Tech Хе Єо навів приклади практичних труднощів у застосуванні роботів для прибирання у міських умовах: робот може обходити стандартні стіни, але при наближенні до зламаних гілок або нерівних об’єктів, через відсутність у коді визначень таких предметів, система вважає їх непрохідними перешкодами, і робот зупиняється. «Якщо б був світовий модельний блок, система могла б прогнозувати на основі матеріалів і фізичних характеристик, планувати обхід і навіть, за умови безпеки, легенько штовхати об’єкти, щоб пройти їх і підтримувати безперервну роботу».

Світові моделі: бенкет із фінансуванням триває

З огляду на перспективи та потенціал світових моделей, внутрішні та закордонні інвестори вже активно вкладають. У лютому компанія зі світовими моделями, заснована Лі Фейфей, завершила раунд фінансування на 1 мільярд доларів; незабаром компанія-стартап Ян Лік Куна з світовими моделями AMI також завершила раунд понад 1 мільярд доларів.

За даними Qichacha, з початку року в Китаї відбулося 25 фінансових подій, пов’язаних із світовими моделями, загальний обсяг інвестицій перевищив 2,2 мільярда юанів. Зокрема, у березні компанія Ji Jiashi оголосила про завершення раунду Pre-B на 1 мільярд юанів і повідомила, що її втілена світова модель GigaWorld-1 посіла перше місце у рейтингу WorldArena.

«Фінансова «гарячка» навколо світових моделей свідчить про формування галузевої консолідації: AI рухається від цифрового до фізичного світу — це стане наступним головним полем битви». Відповідальний у Qinglang Intelligent, опитаний Securities Times, сказав, що за останні 10 років здобутки AI здебільшого зосереджувалися на сприйнятті та мові. Але для справжнього входження у фізичний світ потрібно розуміти закони його функціонування: просторові зв’язки, причинно-наслідкові ланцюги та фізичні властивості.

Зазначений представник додав, що інвестиції у світові моделі — це ставка на фізичний AI, сегмент вартістю у трильйони доларів. У майбутньому технологічний шлях, ймовірно, зміниться від «єдиного цілого» до спеціалізованого розподілу праці: світові моделі відповідатимуть за фізичну інтуїцію, візуально-мовно-діяльні моделі (VLA) — за семантичне розуміння, а базовий контролер — за точне виконання. Чіткий розподіл ролей дозволить капіталу знаходити більш точкові входи.

Хе Єо, відповідаючи на запитання Securities Times, сказав, що інтенсивні та великі раунди фінансування світових моделей з 2026 року свідчать про одностайність капіталу та технологічної спільноти: «Наступна зупинка — фізичний світ для великих мовних моделей». Світова модель — обов’язковий шлях до фізичного AI, і це майбутній «момент ChatGPT» у сфері втіленого інтелекту. У майбутній конкуренції у галузі світових моделей компанії, що контролюватимуть масштабовані входи у фізичні дані та зможуть замкнути комерційний цикл, зможуть домінувати.

Можна зробити роботів більш схожими на «людей»

Останні кілька років цифровий AGI на основі великих мовних моделей переформатував цифровий світ. Близько половини світового ВВП припадає на фізичний світ, і потенціал фізичного AGI безмежний. Основою стрімкого розвитку фізичного AGI є світові моделі. Спираючись на попередні досягнення у end-to-end моделях і вертикальних доменах, цього року кілька AI-компаній перенесли фокус на світові моделі.

У лютому Kuwo Tech випустила універсальну світову модель Coowa WAM 2.0. Хе Єо сказав журналістам: запуск цієї моделі спрямований на вирішення проблем, що характерні для індустрії втіленого інтелекту — «недостатньої здатності до узагальнення» та «обмежень розвитку». Раніше галузь покладалася на rule-driven або односторонні end-to-end моделі. Натомість WAM 2.0 наділяє фізичні сутності з різними формами AI базовими знаннями про складний фізичний світ, геометричними міркуваннями та причинними прогнозами.

Як і велика мовна модель, що розкручує маховик даних через інтернет-тексти, світова модель також залежить від цінних даних взаємодій у реальному світі. Хе Єо сказав: компанія планує безпосередньо запускати роботів-міських доглядачів із моделлю WAM 2.0 у міських вуличних умовах для щоденних завдань. Це дозволить створювати комерційний дохід і одночасно збирати високоякісні дані реального світу для покращення моделі.

Qinglang Intelligent — провідна компанія у сфері сервісних роботів; її частка у глобальних поставках сервісних роботів — №1. Минулого року компанія представила першу у світі VLA модель для сервісної сфери — KOM2.0.

Відповідальний у Qinglang Intelligent нещодавно повідомив Securities Times, що компанія активно досліджує можливість поєднання VLA-моделі зі світовими моделями. Недолік VLA — відсутність причинного розуміння фізичного світу, через що важко передбачити фізичні наслідки дій. Світова модель є ключем до «навчання з малим числом прикладів» (few-shot learning) і «без прикладів» (zero-shot). Вона дозволяє роботам моделювати наслідки дій у «уяві» та обирати найкращі стратегії.

«Світові моделі — це також основа безпечної взаємодії людини й робота. У сервісних сценаріях робот має передбачати наслідки дій: наприклад, чи не прикладає він надто сильну силу при передачі предмета. Без світової моделі робот не зможе справді розуміти ці причинно-наслідкові ланцюжки». Згаданий представник додав: «Цього року компанія тестуватиме прогнозну здатність світових моделей у деяких сценаріях, щоб підвищити адаптивність і безпеку роботів».

Компанія Kepler Robotics Co., Ltd. (далі — «Kepler»), що зосереджена на промислових сценаріях і розробляє «синіх-cпівробітників», також почала створювати промислові та домашні світові моделі. У інтерв’ю Securities Times головний технічний директор Сі Ао сказав, що компанія планує спершу поєднати промислову світову модель із промисловою VLA і перевірити її ефективність через невеликий POC (перевірку здійсненності), щоб закласти основу для масштабного впровадження у майбутньому.

Дані та бар’єри можуть визначити конкурентоспроможність світових моделей

Минулого року назвали роком втіленого інтелекту. Паралельно з тим, що роботи «махають павиним хвостом», виявилися й недоліки: вони ще не достатньо розумні. Оскільки все більше компаній розгортають свої плани щодо світових моделей, у галузі кажуть, що 2026 рік може стати роком закладання основ для AGI. Керівник роботів NVIDIA Jim Fan писав, що 2026 стане першим роком, коли великі світові моделі закладуть фундамент для роботів і мультимодального AI.

Попри широкі очікування та швидкий розвиток, напрям світових моделей ще перебуває на початковому етапі, і в галузі досі не сформувалася єдина зріла технологічна парадигма. Більше того, брак високоякісних фізичних даних дуже обмежує поширення світових моделей.

Хе Єо сказав: еволюція світових моделей тісно пов’язана із трьома основними етапами розвитку втіленого інтелекту — від нинішньої трансформації вертикальної автоматизації до сценарної узгодженої роботи протягом двох років і до популяризації домашніх сценаріїв через три–п’ять років. Зараз галузь перебуває у критичному періоді переходу між першим і другим етапами. Головна проблема — дуже мало високоякісних мультимодальних даних реальної взаємодії у фізичному світі.

«Операційні дані не можна повністю покладати на інтернет-відео або симуляційні дані. Іншими словами: у теплиці не виросте справжня світова модель; чисті хмарні симуляції не здатні вирішити проблему безмежного long-tail у фізичному світі». Хе Єо додав.

Відповідальний у Qinglang Intelligent зазначив: у короткостроковій перспективі VLA у поєднанні з підкріплювальним навчанням уже може вирішити багато практичних задач. Але у середньостроковій перспективі, коли роботи потраплять у більш відкриті та складні середовища (наприклад, будинки, публічні місця), системи без світових моделей стикнуться з «вузьким місцем узагальнення». Тоді компанії, що володіють світовими моделями, отримають поколіннєву перевагу. У довгостроковій перспективі світові моделі стануть обов’язковою здатністю універсальних роботів.

«Бар’єри у даних вже формуються, і перша перевага має вирішальне значення. Отримання високоякісних фізичних даних і їх стандартизація — ключові виклики». Згаданий вище представник підкреслив: капітал робить ставку на те, чи зможе компанія «запустити» маховик «дані—модель—сценарій». Якщо компанія зможе першою масштабно впровадити цю технологію у реальних сценаріях, вона отримає першу перевагу.