Амулья Вишванат семь лет возглавляла маркетинг робототехнических платформ Nvidia, а теперь инвестирует в этот сегмент как основательница венчурного фонда Techable VC. Её оценка текущего состояния индустрии звучит отрезвляюще: робототехника находится в так называемой «Лего-эре», когда базовые компоненты — актуаторы, роботизированные манипуляторы, софт, стандарты безопасности — всё ещё переделываются и стандартизируются.
Эта позиция прямо противостоит растущему оптимизму части рынка, который уверен: вот-вот произойдёт то самое, что случилось с ChatGPT в конце 2022-го — внезапный прорыв благодаря универсальной foundation model, которая сделает большинство сегодняшних специализированных роботических решений избыточными. Такую точку зрения высказывал, например, CEO General Intuition Пим де Витте в беседе с Equity ещё в начале года. Вишванат же говорит, что это предположение игнорирует масштаб незавершённой работы на нижних уровнях стека.
Аналогия с Лего не случайна: в отличие от ПО, которое масштабируется через копирование кода, железо требует физической разработки каждого компонента, тестирования в реальных условиях, сертификации. Когда в 2022-м ChatGPT продемонстрировал масштабируемость обучения на больших данных, это сразу применилось ко всем приложениям. Робототехника так не работает — даже если появится идеальная foundation model для управления роботом, ей нужны актуаторы с нужной мощностью, сенсоры с требуемой точностью, механика, которая не сломается через неделю. Это строится годами, не месяцами.
Вишванат — одна из первых топ-женщин-руководителей, которая покинула Nvidia для запуска собственного фонда, и её опыт внутри компании даёт ей яснее видеть реальный техслой, стоящий за маркетинговой риторикой. Она инвестирует в физический ИИ — не только робототехнику, но и науку о материалах, life sciences, где похожие фундаментальные вызовы: нельзя просто дать нейросети большой датасет и получить работающий продукт. Нужны итерации в физическом мире.
Это не означает, что робототехника стоит на месте. Напротив, за последние пару лет произошли реальные прорывы в управлении, обучении через демонстрацию, дешевизне актуаторов. Но это всё — расширение набора Лего, не выход из Лего-эры. ChatGPT-момент в робототехнике может случиться, когда фундаментальные компоненты будут настолько стандартизированы и доступны, что инженеры смогут собирать машины как софтверы собирают приложения. До этого ещё далеко.
Для российского бизнеса эта разница важна. Если ты стартап в роботике — ты не можешь надеяться, что большая foundation model за полгода решит все твои технические проблемы. Нужно либо закупать готовые компоненты (актуаторы, платы, софт) у западных или китайских поставщиков, либо разрабатывать собственное железо, что требует капитала и времени. Компании, которые имеют доступ к AI Studio для автоматизации процессов проектирования или симуляции, могут ускорить цикл разработки, но это всё равно не панацея. Ставки остаются высокие, окупаемость — долгая. Это привлекает серьёзные инвестиции, но отвращает спекулянтов.
Инвесторская точка зрения Вишванат также показательна: венчурные фонды, собирающие деньги на ранний физический ИИ, должны быть готовы к тому, что exit будет не в 3-5 лет (как в софте), а в 8-12. И жажда маркетинга не заменит недостаток базовых решений. Это вызов не только для инженеров, но и для капитала.