Ю Шу підтверджує нову тенденцію: основне поле битви втіленого інтелекту — це не лише моделі.

Змагання в сфері втіленого інтелекту вступають у нову фазу. З випуском компанією Unitree великої моделі втіленого інтелекту WVLA2.0 та завершенням демонстрації без дистанційного керування, галузь все чіткіше усвідомлює: ключовим бар'єром у цій гонці є не просто масштаб моделі, а повноцінні можливості, що охоплюють архітектуру з низькою затримкою, інтеграцію програмного та апаратного забезпечення та накопичення даних про фізичні об'єкти.

Згідно з дослідницьким звітом Nomura International від 28 червня, аналітики відвідали Unitree 15 червня. Під час демонстрації робот G1, оснащений WVLA2.0 (World-model Vision-Language-Action), в зашумленому середовищі конференц-залу самостійно виконав шість послідовних завдань без дистанційного керування, з циклом логічного висновку близько 90 мс, що відповідає приблизно десяти ітераціям на секунду. Це перша версія Unitree з потенціалом комерційного розгортання після двох років розробки. Керівництво визначило промислове виробництво — складання двигунів зчленувань, завантаження/розвантаження деталей та обробку пристосувань — як найбільш ранній сценарій комерційного впровадження, а масштабні дані про фізичні операції, отримані від глобального флоту роботів, вважає ключовим активом.

Звіт Nomura також проаналізував архітектурний фреймворк NeuralAxis, представлений NXP на COMPUTEX 2026. Цей фреймворк був ініційований президентом і CEO NXP Рафаелем Сотомайором, і його основна теза тісно збігається з інженерним підходом Unitree — справжнім вузьким місцем фізичного ШІ є не масштаб логічного висновку мовних моделей, а можливість побудувати периферійний контрольний шар із затримкою до 40 мс, подібний до спинномозкових рефлексів людини.

Пряме значення цих досягнень для інвесторів: конкурентний ландшафт втіленого інтелекту еволюціонує від «чия модель потужніша» до «чия система цілісніша». Захисний рів, який Unitree будує завдяки повноцінній власній інтеграції та перевазі даних про фізичні об'єкти, не може бути легко відтворений постачальниками суто хмарних моделей.

NeuralAxis: переосмислення системної архітектури фізичного ШІ

Фреймворк NeuralAxis (нейроаксіальна архітектура) від NXP, взятий за зразок нервової системи людини, розбиває логіку управління фізичним ШІ на три роз'єднані, але скоординовані рівні: рівень логічного висновку (затримка ~300 мс), що відповідає корі головного мозку; координаційний рівень (управління рухом і балансом), що відповідає мозочку; та рефлекторний рівень — затримка до 40 мс, розгорнутий на периферії біля виконавчих механізмів.

Для гуманоїдних роботів значення цього фреймворку є найбільш глибоким.

NeuralAxis пропонує замінити централізований «центральний мозок» розподіленими рефлекторними процесорами — розмістити локальні автономні можливості прийняття рішень у суглобах, кистях і стопах, реалізуючи локальне виконання таких дій, як контроль сили стискання, балансування гомілковостопного суглоба, а також ланцюжкове відновлення балансу, захоплення, пози та ходи за 40 мс. Розділення логічного висновку та контролю руху також дозволяє постійно додавати нові навички, зберігаючи стабільність руху.

Комерційні наслідки цього фреймворку також варті уваги. Галузеві дослідження Nomura показують, що порівняно з традиційними рішеннями автоматизації, архітектура NeuralAxis може забезпечити значне підвищення ефективності виробництва, а також значно збільшити продажі діагностичних роботів. Крім того, та сама архітектура може зменшити наскрізну затримку безпілотників до 20 мс і розшарувати логіку управління програмованих автомобілів на рівні логічного висновку, координації та безпеки.

WVLA2.0: шлях до впровадження інтеграції моделей та програмно-апаратної взаємодії

Технічний підхід Unitree WVLA2.0 демонструє суттєву розбіжність з основними тенденціями галузі.

Більшість аналогічних рішень роблять ставку на чисто кінцеве генерування VLA (візуально-мовно-дія), тоді як WVLA2.0 поєднує прогностичну здатність моделі WMA (World-Model Action) з генерацією дій VLA, забезпечуючи всебічне вдосконалення в розумінні завдань високого рівня, семантичному міркуванні в 2D/3D просторі, генерації дій з урахуванням динамічних обмежень та здатності протистояти перешкодам.

На рівні сприйняття система об'єднує чотири паралельні візуальні потоки: камера глибини RealSense, лідар Livox MID360 (LiDAR) та дві бічні камери, створюючи 360-градусне просторове представлення. Затримка оновлення позиції в умовах перешкод контролюється в межах 10 мс. У програмно-апаратному дизайні параметри дій після логічного висновку передаються через шину CAN до 23 ступенів свободи зчленувань G1. Завдяки власному модулю контролю руху «мозочок» від Unitree, похибка позиціонування при захопленні об'єктів вагою до 2 кг однією рукою може бути в межах 5 мм.

В обчислювальній архітектурі WVLA2.0 зменшує периферійну обчислювальну потужність до менш ніж 100 TOPS, повністю працюючи на NVIDIA (NVDA US, без рейтингу) Jetson Orin NX, встановленому на G1 EDU, без залежності від хмари. Керівництво заявляє, що цей дизайн уникає ризику переривання завдань через затримку мережі або втрату з'єднання.

Зміна парадигми даних: «збір даних без фізичного носія» стає мейнстримом

Зміна моделі збору даних є ще одним важливим сигналом у цьому звіті.

Демонстрація Unitree показує, що під час одноразового запису без дистанційного керування G1 може автономно виконати кілька послідовних завдань у зашумленому середовищі, що означає, що «збір даних без фізичного носія» стає основною парадигмою виробництва даних для втіленого інтелекту. Тобто робот накопичує дані, покладаючись на власне сприйняття та рішення, а не на ручне позначення через дистанційне керування.

Галузеві дослідження Nomura також вказують на поточні обмеження: система все ще має сліпі зони та прогалини в задньому огляді, швидкість виконання низька, точність тонких операцій недостатня, а також відсутні кількісні еталонні тести постійної частоти успіху. Ці недоліки також визначають пріоритетні межі нещодавнього комерційного впровадження.

Виходячи з цього, керівництво розробило поетапний план впровадження: промислове виробництво (складання двигунів зчленувань, завантаження/розвантаження, обробка пристосувань) є найбільш ранньою точкою входу, оскільки власний завод Unitree може забезпечити цикл зворотного зв'язку даних; далі — логістичне сортування та гнучке складання 3C; сімейне та медичне обслуговування вважаються більш віддаленою метою, оскільки відкриті неструктуровані середовища значно складніші.

Повноцінна інтеграція: два виміри диференційованого бар'єру Unitree

Основним висновком звіту Nomura можна вважати наступне: у комерціалізації втіленого інтелекту модельні можливості, безумовно, важливі, але вони не є єдиною вирішальною змінною.

Керівництво Unitree визначає диференційовану конкурентоспроможність компанії на двох рівнях: по-перше, здатність до повноцінної власної інтеграції від сприйняття до моделювання та контролю руху; по-друге, накопичення масштабних даних про фізичні операції завдяки глобальному флоту роботів. Ці два активи взаємно посилюються — власне апаратне забезпечення генерує ексклюзивні дані, які, у свою чергу, живлять ітерацію моделі, утворюючи замкнене коло, в яке важко втрутитися постачальникам хмарних моделей.

З точки зору конкурентного ландшафту, логіка впровадження фреймворку NeuralAxis та WVLA2.0 вказує на той самий висновок: основне поле битви втіленого інтелекту розгортається одночасно на рівні системної архітектури та даних. Для інвесторів вимір учасників треку має вийти за рамки єдиного параметра «модельні можливості» і охопити повнішу здатність до системної інтеграції та масштаб накопичених фізичних даних.

Цей чудовий контент надано торговим столом Zhuifeng.

Щоб отримати більш детальні інтерпретації, включаючи інтерпретації в реальному часі, передові дослідження тощо, приєднуйтесь до [**Zhuifeng Trading Desk▪Річний член**]

![](https://img-cdn.gateio.im/social/moments-f187f887a1-07b7e18c28-8b7abd-62a40f)

Попередження про ризики та застереження

          

            Ринок несе ризики, інвестуйте обережно. Ця стаття не є індивідуальною інвестиційною рекомендацією і не враховує конкретні інвестиційні цілі, фінансовий стан або потреби окремих користувачів. Користувачі повинні враховувати, чи відповідають будь-які думки, точки зору або висновки, викладені в цій статті, їхнім конкретним обставинам. Інвестиції, зроблені на основі цієї статті, здійснюються на власний ризик.