Создатели ИИ-«мозгов» для роботов выходят из своей эры GPT-2

График акций Unitree рассказывает историю, которую инвесторы в физический ИИ предпочитают не замечать. Ведущий китайский производитель роботов вышел на биржу и достиг оценки в $66 млрд, а на этой неделе потерял почти половину этой стоимости, сообщил TechCrunch. Аналитики указывают на одну проблему: физические возможности роботов продолжают расти, но они по-прежнему не умеют выполнять работу, создающую реальную ценность.

Это напряжение было заметно повсюду на прошедшей на прошлой неделе конференции Actuate, собравшей разработчиков ИИ-«мозгов» для роботов. Мероприятие утроилось в размере с момента запуска в 2023 году, собрав 1500 участников, по данным организатора Foxglove, компании, помогающей разработчикам моделей физического ИИ управлять данными и визуализировать их. Вывеска на стенде Avala, ещё одного игрока в сфере инфраструктуры для физического ИИ, прямо озвучила риск: компания пообещала решить «кризис данных для робототехники», нехватку качественных обучающих данных, из-за которой универсальные роботы, способные выполнять любые задачи, остаются недостижимой целью.

Гарри Меллсоп, основатель стартапа по симуляционным инструментам Antioch, формулирует момент прямо: физический ИИ находится в своей «эре GPT-2», отсылая к модели OpenAI, предшествовавшей ChatGPT. Чтобы пройти этот этап, нужно больше данных и вычислительных мощностей, особенно GPU, оптимизированных под трассировку лучей, именно они используются для построения высокодетализированных симуляций.

Беспилотные автомобили продвинулись дальше всех, отчасти потому что машины, которыми управляют люди, автоматически генерируют пригодные данные, а отчасти потому что избегать столкновений — задача проще, чем манипулировать физическим миром. Значительная часть инструментов для построения робото-моделей ведёт родословную от автомобильных компаний: саму Foxglove основали бывшие сотрудники Cruise, закрытого подразделения беспилотников General Motors. Автопроизводители теперь делают ставку на то, что те же инструменты позволят им конкурировать с выделенными производителями гуманоидов. Tesla уже разыгрывает эту карту с Optimus, а Wayve и Uber открыли робототехнические лаборатории, нацеленные на гуманоидную форму.

«Я считаю, начинать нужно с автомобилей. Роботизированная манипуляция сегодня — это как беспилотное вождение пять лет назад, — сказал Алекс Кендалл, CEO Wayve. — Инфраструктура данных, симуляция, ML ops-инфраструктура, скорее всего, будут общими, но конкретная модель мира для симулятора потребует отдельного постобучения. Общего будет намного больше, чем различий, но некоторые различия для разных форм воплощения всё равно понадобятся». Кендалл считает, что рано делать ставку на одну аппаратную платформу: сенсоры и другие компоненты быстро развиваются, а по-настоящему универсальная модель должна оставаться независимой от железа.

Теофиль Жерве, CEO вертикально интегрированного гуманоидного стартапа Genesis AI, который в этом году привлёк посевной раунд на $105 млн, не согласен. «Мы слишком рано в этой волне, чтобы стратегия отдельного «мозга» сработала, — сказал он TechCrunch. — Есть много возможностей для совместного проектирования железа и ИИ». Жерве указывает на компании, уже вывшие роботов в поле за счёт узкой специализации: Gritt строит солнечные фермы, Agility разворачивает роботов на промышленных объектах, Bedrock автономно управляет экскаваторами, тогда как универсальные гуманоиды застревают в лабораториях. «Ни одному клиенту не нужен универсальный робот, работающий с успешностью 80%, — сказал он. — Но если вы строите узкую вертикаль поверх GPT-2, вас раздавит компания, которая строит поверх GPT-4».

• Оценка Unitree на IPO: $66 млрд, до потери почти половины стоимости
• Посещаемость конференции Actuate: 1500 человек против трети этого числа в 2023 году
• Посевной раунд Genesis AI в 2026 году: $105 млн
• Цель Wayve по стоимости автономности для потребителей: менее $1000 железа для вождения без контроля глазами

CTO Bedrock Кевин Питерсон рассказал, что компания начала с экскавации, чтобы понять «манипуляцию в реальных условиях», и планирует построить единый интеллектуальный слой для целой линейки строительной техники. Foxglove также анонсировала на этой неделе новый продукт на базе открытой модели мира Nvidia Cosmos, позволяющий инженерам искать по плотным визуальным и лидарным данным с помощью запросов на естественном языке ради ускорения отладки.

Сэм Альтман недавно заявил, что «момент ChatGPT» для физического ИИ настанет через несколько лет. Кендалл не уверен, что инвесторы — правильная аудитория, за которой стоит следить в ожидании этого момента: крупнейшее в мире развёртывание роботов до сих пор — это бытовые роботы-пылесосы, а настоящий прорыв должен взволновать обычных людей, а не инвесторов, которые и так уже воодушевлены. Жерве описывает, как это будет выглядеть: «манипуляция, которая просто работает из коробки, когда вы можете обратиться к роботу на естественном языке и заставить его выполнить любую базовую задачу: толкнуть, потянуть, закрыть ноутбук, убрать со стола, и это работает... скажем, с надёжностью 80% с лишним из коробки. Это примерно и есть ваш опыт ChatGPT».

Intokened писал о похожей ставке на гуманоидную сторону этой гонки, когда XPeng привлекла $900 млн при оценке $6,3 млрд для своего робота IRON, тот же инвесторский энтузиазм, что сейчас сталкивается с графиком акций Unitree. Будет ли прорыв выглядеть как дешёвая автономность Кендалла, надёжная манипуляция Жерве или что-то, чему пока никто не дал названия, конференция дала понять одно: никто в зале не считает, что проблема «мозга» решена.

Это не финансовый совет — только информация к размышлению.