Сэм Альтман не обладает глубоким пониманием технологий, не стремится к этому и убежден, что подобные знания ему ни к чему.
Возможно, это субъективное ощущение, но складывается впечатление, что подлинное призвание главы OpenAI — утилизировать рекордные объемы венчурного капитала в максимально сжатые сроки.
В этом стремлении он действительно напоминает своего кумира — Наполеона Бонапарта. Но если французский император жертвовал жизнями миллионов, то «император ИИ» сжигает миллиарды долларов, привлекая всё новые заимствования без внятной стратегии возврата инвестиций.
Чего не сделаешь ради исторического масштаба личности!
Новая страсть Сэма: антропоморфные машины?
Едва утихли дискуссии вокруг Sora, как Альтман переключился на очередной амбициозный проект. В середине января OpenAI представила запрос предложений (RFP) по организации производства оборудования в США, где наиболее примечательным пунктом стала «Робототехника».
Интерес Альтмана к этой области хорошо известен. В структуре OpenAI уже существовало подразделение, занимавшееся роботами, однако в 2021 году оно было расформировано из-за дефицита качественных обучающих данных. Теперь мы наблюдаем попытку реванша.
Ранее через свой неоднозначный венчурный фонд он уже финансировал разработчиков гуманоидных роботов — 1X Technologies и Figure AI. Однако теперь, судя по всему, OpenAI планирует создать собственную линейку андроидов. Более того, в Сан-Франциско уже функционирует лаборатория, где около сотни операторов через системы удаленного присутствия обучают манипуляторы элементарным бытовым операциям, вроде сортировки вещей.
Альтман делает ставку на рынок с колоссальными прогнозами роста:
-
Аналитики MarketsAndMarkets предполагают, что к 2030 году объем рынка гуманоидных роботов достигнет $15,26 млрд.
-
В Goldman Sachs настроены еще более оптимистично: их прогноз на 2035 год составляет $38 млрд.
-
Roots Analysis ожидает взрывного роста до $103,96 млрд к середине следующего десятилетия.
-
Наконец, Morgan Stanley выдвигает смелую гипотезу: к 2050 году этот сегмент может вырасти до $5 триллионов при парке в миллиард работающих единиц.
Такой ажиотаж объясним: индустрия гуманоидов — это огромная экосистема, включающая прецизионную механику, сенсорику и интеллектуальные платформы управления.
Для OpenAI экспансия в робототехнику — это шанс оседлать тренд «физического ИИ». В глазах инвесторов это выглядит как попытка диверсификации и ухода от имиджа компании, чей успех ограничен лишь языковыми моделями (LLM), скепсис по отношению к которым нарастает.
Казалось бы, стратегия выглядит логичной. Где же подвох?
К слову о прикладных решениях. Пока визионеры грезят о восстании машин, прагматики используют технологии для решения реальных задач. Если вам требуется стабильный доступ к передовым нейросетям — Claude, GPT, Gemini — без сложностей с регистрацией и гео-ограничениями, обратите внимание на BotHub.
Сервис работает без VPN и принимает к оплате российские карты.
Перейдя по ссылке, вы получите 300 000 бесплатных токенов для тестирования возможностей современных нейросетей в своих проектах!
Интеллект, обретший тело
Основной акцент в этой истории делается на интеллекте. Нам обещают не просто автоматизацию, а полноценную замену человеческого труда.
Узкоспециализированные роботы давно и успешно работают на заводах. Но «гуманоиды» — это совсем иной уровень притязаний. По замыслу, они должны эффективно функционировать в непредсказуемой человеческой среде.
В рекламных роликах Tesla, Figure AI и Boston Dynamics мы видим идиллические картины: роботы раскладывают белье, готовят кофе и аккуратно перемещают коробки. Это производит впечатление на обывателя, но реальность далека от маркетинговых обещаний.
Концепция антропоморфных роботов — это во многом пересказ мифа о ChatGPT в физическом воплощении. И здесь красивая картинка будущего разбивается о суровую правду: современные технологии пока не позволяют роботам надежно взаимодействовать с реальным миром.
Технологический тупик
Ключевые барьеры, отделяющие робота от человека, до сих пор не преодолены.
Фундаментальная причина — отсутствие программного обеспечения, способного адекватно моделировать физическую реальность. Трудности начинаются уже на этапе построения пространственной карты сцены.
Индустрия пытается использовать мультимодальные модели: визуальные данные с камер обрабатываются нейросетями, которые затем пытаются интерпретировать объекты через Vision-Language Models (VLM). Проблема в том, что эти системы базируются на архитектуре Transformer — той же, что и LLM. А значит, им присущи все родовые травмы: галлюцинации, нестабильность и потеря контекста, дополненные колоссальной стоимостью эксплуатации.
Результат предсказуем: в стерильных лабораторных условиях роботы могут медленно выполнять заученные движения. Но любое случайное изменение среды вводит их в ступор. Выбранный путь создания универсального робота на базе текущих ИИ-архитектур выглядит тупиковым. Пока ни один производитель не представил прототип, способный на автономное выполнение коммерчески осмысленных задач.
Маркетинг вместо инженерии
Проекты, поддержанные Альтманом, пока не демонстрируют технологических прорывов.
Робот Neo от 1X в демонстрациях для прессы фактически управлялся дистанционно, но даже в режиме телеуправления его эффективность оставалась крайне низкой.
Компанию Figure AI и вовсе упрекают в намеренном введении аудитории в заблуждение. Красиво смонтированные ролики скрывают отсутствие реальных публичных демонстраций в прямом эфире.
При этом отраслевые эксперты фиксируют массу критических проблем:
Низкая отказоустойчивость
По данным RobotToday, среднее время наработки на отказ у приводов современных гуманоидов составляет всего несколько сотен часов. Для сложного робота с десятками узлов это означает поломку каждые пару недель.
Критически малая автономность
Большинство систем работают в активном режиме всего от 30 до 90 минут. Это делает их непригодными для полноценных рабочих смен без постоянного контроля и подзарядки.
Сложности с балансом
Бипедальная ходьба (на двух ногах) остается фундаментальным вызовом. Роботы часто теряют устойчивость на неровных поверхностях или при малейшем смещении центра тяжести.
Низкая точность манипуляций
Анализ Simplexity показывает: если с простыми объектами роботы справляются успешно, то при работе с инструментами или хрупкими предметами вероятность успеха падает до 30%.
Исследователи из Беркли подтверждают: ни одна машина сегодня не в состоянии надежно заменить человека в элементарных бытовых делах, требующих тонкой моторики.
Проблема «заземления»
Некоторые технические огрехи можно исправить инженерным путем. Но главная преграда — отсутствие истинного интеллекта. Тот же барьер, что не позволяет достичь уровня AGI на базе языковых моделей, мешает и робототехнике.
Роботу необходимо «заземление» (grounding) — жесткая привязка логики управления к физическим параметрам среды. Однако генеративные модели работают по обратному принципу: они опираются на статистическую вероятность токенов, полностью игнорируя физическую суть вещей. В робототехнике этот дефект становится фатальным.
Эпилог
Сэм Альтман — продукт современной культуры Кремниевой долины, где пренебрежение экспертизой в пользу масштабного видения стало нормой. Эту моду задал Илон Маск, но между ними есть существенная разница.
Маск обладает глубоким техническим бэкграундом. Несмотря на его склонность к авантюрам, он совершил реальную революцию в космонавтике. Но даже его пример показывает границы возможного: амбиции по колонизации Марса постоянно сталкиваются с технологической реальностью, что подтверждают сложности проекта Starship.
Альтман же не претендует на роль эксперта и, кажется, искренне верит, что любую фундаментальную проблему можно забросать деньгами инвесторов и ресурсами нанятых специалистов.
Но в науке и инженерии чудес не происходит. Часто реализация планов требует технологий, которые попросту невозможны на данном этапе развития цивилизации.
Остается лишь гадать, как долго продлится этот кредит доверия. Сэм Альтман будет продолжать свой путь, пока не иссякнут средства фондов или пока мир не осознает границы применимости текущих ИИ-подходов.
Как вы считаете, что наступит раньше: крах инвесторского терпения или технологический прорыв?
