От ChatGPT к физическому ИИ: основное поле конкуренции и изменение величины на следующем этапе развития ИИ

ИИ вступает в эру физического мира

С момента появления ChatGPT рынок рассматривал ИИ прежде всего как технологию «когнитивных способностей» — генерации текста, написания кода и логических рассуждений. Этот этап был сосредоточен на том, чтобы машины лучше понимали и создавали информацию, оптимизируя процессы в цифровой среде. Однако исследование Andreessen Horowitz указывает на новый этап: переход ИИ от «понимания мира» к «воздействию на мир».

Этот переход можно охарактеризовать тремя ключевыми этапами:

• Прошлое: ИИ предоставляет информацию (отвечает на вопросы)
• Настоящее: ИИ поддерживает принятие решений (Agent)
• Будущее: ИИ выполняет действия напрямую (Physical AI)

Теперь главная цель ИИ — не просто «быть умнее», а «быть полезнее»: уметь выполнять задачи и достигать результатов в реальном мире.

Три ключевые системы: робототехника, автонаука и интерфейсы нового поколения

В концепции Physical AI компания a16z выделяет три основные системы, которые формируют замкнутый цикл данных и действуют не поодиночке, а во взаимосвязи.

1. Система робототехники: исполнительный механизм ИИ в физическом мире. Роботы перестают быть только механическими устройствами и становятся интегрированными системами, объединяющими восприятие, принятие решений и управление. Например, проект гуманоидного робота Tesla — это не только аппаратные инновации, а создание ИИ-систем, способных стабильно выполнять задачи в сложной среде.

2. Система автонауки: автоматизированные экспериментальные платформы. Они расширяют роль ИИ от «генерации гипотез» к «валидации гипотез». Процесс включает этапы:

   • ИИ формулирует гипотезы
   • Системы автоматически проектируют экспериментальные процедуры
   • Экспериментальные устройства проводят испытания и собирают данные
   • ИИ анализирует результаты и совершенствует процесс

Такой замкнутый цикл автоматизирует производство знаний и обеспечивает большие объемы высококачественных, причинно связанных данных.

3. Интерфейсы человек-машина нового поколения: AR, носимые гаджеты и интерфейсы мозг-компьютер (например, Neuralink). Главная ценность этих устройств — не пользовательский опыт, а возможности сбора данных. Ключевые функции:
   • Запись действий человека с первого лица
   • Сбор физиологических и двигательных сигналов
   • Извлечение скрытых сигналов намерений

Эти технологии позволяют ИИ получать более достоверные и непрерывные данные.

Смена парадигмы данных: от интернет-данных к данным реального мира

Развитие ИИ сталкивается с ограничением: эффективность интернет-данных снижается. Хотя объем текстовых и кодовых датасетов велик, их предельная ценность падает. Physical AI открывает новые источники — данные взаимодействия с реальным миром.

Сравнение двух парадигм данных:

1. Интернет-данные

   • Особенности: большой объем, легкость доступа
   • Ограничения: корреляционный характер, высокий уровень шума

2. Данные физического мира

   • Особенности: дефицит, высокая стоимость получения
   • Преимущества: причинно-следственные связи, возможность верификации

Этот переход меняет траекторию развития ИИ:

• От «систем предсказания» к «системам управления»
• От «генерации ответов» к «оптимизации результатов»
• От «офлайн-обучения» к «обратной связи в реальном времени»

Базовая инфраструктура Physical AI

С технической точки зрения конкурентное преимущество Physical AI формирует инфраструктура, а не приложения. Основные компоненты:

• Системы симуляции: движки генерации данных для обучения ИИ в виртуальных средах, что снижает издержки реальных экспериментов. Пример — NVIDIA Omniverse, объединяющий цифровой и физический миры.
• Мировые модели: системы, интерпретирующие физическую среду — движение объектов, изменения окружения и др., что создает основу для точных решений ИИ.
• Модели действий: преобразуют решения в точные действия, позволяя ИИ переходить от «мышления» к «исполнению».
• Передовые сенсоры: обеспечивают многомерные входные данные (зрение, осязание, биосигналы), чтобы ИИ мог полноценно воспринимать окружающий мир.

Перераспределение ценности: кто выиграет на следующем этапе

По мере развития технологий структура ценности меняется. Если раньше она концентрировалась на уровне приложений, теперь растет значимость систем и инфраструктуры.

Ключевые моменты:

• Гомогенизация прикладного уровня: низкий порог входа, высокая конкуренция
• Рост ценности системного уровня: робототехника и автоматизация выходят на первый план
• Данные как барьер: данные реального мира сложно воспроизвести, и они сохраняют долгосрочную ценность

В результате Physical AI превращает данные из «бесконечно воспроизводимого ресурса» в «актив, требующий накопления».

Инвестиции и динамика отрасли: возможности и ограничения

С точки зрения инвестиций этот этап характеризуется рядом особенностей.

Во-первых, растет капиталоемкость — Physical AI сближается с такими отраслями, как:

• Полупроводники
• Новая энергетика
• Аэрокосмическая промышленность

Это означает:

• Более крупные инвестиции
• Более длинные циклы окупаемости
• Более высокие технологические барьеры

Во-вторых, отрасль делится на три уровня:

• Апстрим: хэшрейт и платформы симуляции
• Мидстрим: интеграция моделей и систем
• Даунстрим: развертывание приложений и внедрение в реальные сценарии

Наконец, развитие идет по трехэтапной модели:

• Краткосрочно: Agent расширяет цифровой мир
• Среднесрочно: системы человек-машина достигают зрелости
• Долгосрочно: Physical AI масштабируется в реальных условиях

Вектор развития: от Agent к Physical AI

В долгосрочной перспективе эволюцию ИИ можно описать тремя этапами:

• Когнитивный ИИ (например, ChatGPT): отвечает за понимание и генерацию
• Agent ИИ: выполняет задачи в цифровой среде
• Physical AI: реализует задачи в реальном мире

Эта последовательность отражает тренд: ИИ переходит от «инструмента обработки информации» к «системе исполнения в физическом мире».

Заключение: финальная цель ИИ

Главные выводы a16z:

• ИИ войдет в физический мир
• Источники данных радикально изменятся
• Системные возможности превзойдут возможности отдельных моделей

В конечном итоге цель ИИ — не просто глубже понимать мир, а уметь действовать и достигать результатов в реальных условиях. По мере развития этих возможностей ИИ станет не инструментом, а базовой инфраструктурой, что приведет к масштабным изменениям в отраслевой структуре и потоках капитала.