Китайские роботы уже умеют бегать, танцевать и делать сальто. Следующая задача куда сложнее – научить их понимать окружающий мир и самостоятельно справляться с незнакомой работой. Именно туда теперь идут основные инвестиции. В первой половине 2026 года китайские компании в сфере embodied AI – искусственного интеллекта, способного взаимодействовать с физическим миром, – привлекли 93,5 млрд юаней ($13 млрд) в рамках 322 сделок, в пять раз больше, чем годом ранее.
Меняется и направление инвестиций. До последнего времени китайская гонка гуманоидов была во многом соревнованием производителей самих машин. Теперь деньги все активнее получают компании, которые разрабатывают их «мозг» – модели, позволяющие роботам видеть окружающую среду, учиться новым действиям и переносить навыки с одной задачи на другую. По мере удешевления аппаратной части именно программное обеспечение может стать главным источником маржи, отмечают участники рынка.
Масштаб индустрии уже позволяет Китаю экспериментировать не с отдельными прототипами, а с серийными машинами. К концу июня в стране разработали более 400 моделей гуманоидных роботов, а производство за первое полугодие превысило 40 тыс. единиц. По прогнозу Министерства промышленности и информатизации КНР, за весь 2026 год выпуск превысит 100 тыс. роботов.
Но научить машину уверенно ходить оказалось проще, чем заставить ее нормально работать. Робот на заводе должен не эффектно выполнить заранее отрепетированное движение, а, например, взять незнакомый предмет, подключить гибкий провод или найти решение задачи, которой раньше не встречал. «Мозг действительно остается самым слабым звеном всей робототехнической системы», – отмечает в беседе с Reuters сооснователь китайской Spirit AI Гао Ян.
Главный дефицит здесь – данные. Большие языковые модели можно обучать на огромных массивах текстов и изображений из интернета. Роботу нужны записи реальных физических действий: как человек берет предмет, с какой силой его удерживает, как реагирует на изменение положения объекта или препятствие. Поэтому вокруг embodied AI в Китае быстро растет отдельный рынок сбора обучающих данных.
Spirit AI, например, наняла около 1000 человек, которые записывают бытовые и производственные действия. Робототехническое подразделение Ant Group Robbyant обучало одну из моделей на 160 тыс. часов данных, включая 50 тыс. часов движений роботов под управлением человека. При этом программу тестировали на 20 конфигурациях машин 17 производителей – идея состоит в том, чтобы один и тот же интеллект мог работать с разными роботами.
Другой подход – обучать машины в виртуальном мире. Шэньчжэньская DexForce создает цифровые копии производственных площадок и отрабатывает действия роботов в симуляции. Компания утверждает, что отдельные промышленные операции удается подготовить к внедрению за 6–8 часов, а точность при некоторых строго заданных задачах превышает 99,9%.
При этом одних симуляций недостаточно: виртуальная среда пока не может полностью воспроизвести физику реального мира. Поэтому китайские власти фактически превращают заводы, склады, магазины и сервисные предприятия в полигоны для обучения машин. В июне Минпром КНР и регулятор госкомпаний запустили специальную программу испытаний гуманоидов в реальных условиях. К концу года власти рассчитывают сформировать более 100 востребованных сценариев применения и создать возможности для внедрения роботов в масштабе не менее 10 тыс. единиц.
Речь уже идет не только об экспериментах. Роботы Spirit AI на предприятии производителя аккумуляторов CATL подключают гибкие провода при тестировании батарейных блоков; компания заявляет об успешности таких операций выше 99%. Машины Robbyant собирают заказы в двух аптеках Шанхая, хотя перед отправкой лекарства пока проверяют сотрудники.
Следующей точкой перелома рынок считает появление у робототехники собственного «момента ChatGPT». Основатель Unitree Ван Синсин предлагает вполне конкретный тест: робот должен по устной команде самостоятельно выполнять 80% задач в 80% незнакомых ему условий. Пока до этого далеко. Но направление китайской гонки роботов уже изменилось: вопрос теперь не в том, кто быстрее соберет еще одного гуманоида, а в том, кто первым научит его работать без заранее написанного сценария.
