Все говорят о «ChatGPT-моменте» для робототехники, но пока это больше похоже на строительство основ. Амулья Вишванат, основательница венчурного фонда Techable Ventures, проработавшая почти семь лет в Nvidia в качестве продакт-маркетера, дала интервью TechCrunch и постаралась разложить ситуацию по полкам — без излишней романтики вокруг будущего роботов.

«Эра ЛЕГО» — это её метафора для текущего момента. Индустрия сейчас переосмысляет фундаментальное ПО и строительные блоки робототехники. Это не потеря времени, а крайне важный этап: без этого инновации просто не смогут масштабироваться. Компании прямо сейчас создают базовые компоненты — робошарниры, актуаторы и прочее, что позже соберётся в сложные системы, как кубики ЛЕГО складываются в готовую модель. Одновременно разрабатываются универсальные и специализированные роботы — по мере развития они будут становиться всё лучше и совершеннее.

Параллель с историей работает: то же происходило во времена интернета, то же было во время промышленной революции. Это вопрос времени, пока разрозненные куски сложатся в систему. Вишванат не спешит обещать чудо в ближайший год, но и отчаяния в её голосе нет — просто ясное понимание, что это долгий марш.

Ключевой вызов, на который она обратила внимание: борьба за талант. Лучшие инженеры уходят в крупные компании вроде Anthropic и Nvidia, и это создаёт реальную проблему для стартапов. Вишванат видит здесь одно из главных конкурентных преимуществ своего фонда: сильная сеть, которую она выстроила за годы работы в индустрии, позволяет подключать основателей к квалифицированным специалистам. Для молодого проекта это может быть критично — хороший инженер в нужный момент иногда значит больше, чем банк ранних инвестиций.

Позиция Вишванат отражает общее состояние рынка физического ИИ: отрасль действительно находится на этапе накопления технологических кирпичей, а не штурма отдельного вершины. OpenAI сбросила в мир ChatGPT, и ландшафт LLM кардинально изменился за месяцы. С робототехникой медленнее — потому что здесь нужна не только обученная нейросеть, но и фактическое железо, которое может двигаться, ошибаться и ломаться. Это усложняет и цикл разработки, и цикл обучения системы.

Для российского бизнеса эта реальность означает несколько вещей. Во-первых, попытки запустить полнофункциональный робот-гуманоид «сейчас же» — преждевременны; логичнее искать нишевые задачи (промышленная автоматизация, логистика, сборочное производство), где можно применить специализированных роботов уже сегодня. Во-вторых, если у вас есть команда, разрабатывающая компоненты или ПО для робототехники (контроллеры, датчики, системы координации), это ценнее, чем попытки собрать полный продукт. В-третьих, вопрос с талантом актуален и для России — хорошие инженеры-робототехники нужны везде, и локальные стартапы конкурируют с тем же давлением, что и везде. Здесь может помочь фокус на смежных областях: допустим, системы компьютерного зрения для промышленности можно развивать параллельно и для западного рынка (в том числе через облачные платформы вроде облаков отечественных провайдеров), а затем адаптировать под локальные производства.

Главное, что стоит понять из слов Вишванат: робототехника — это не суперскоростная игра, где победитель объявляется в течение квартала. Это длинная дистанция, где преимущество получит тот, кто будет последовательнее в выстраивании фундамента, терпеливее в подборе команды и честнее в оценке того, какие именно задачи решимы прямо сейчас.