چهره‌ بعدی رقابت در هوش مصنوعی شاید دیگر در متن‌نویسی و پاسخ‌گویی خلاصه نشود. اکنون بحث به جایی رسیده که سازندگان ربات‌های انسان‌نما از مغزهایی حرف می‌زنند که بتوانند در دنیای واقعی ببینند، تصمیم بگیرند و حرکت کنند. وانگ شیاوگانگ، رئیس استارتاپ چینی ACE Robotics، روز جمعه گفت هوش یکپارچه شرکتش می‌تواند تا پایان سال آینده به اثری دست پیدا کند که دسترسی آزاد ChatGPT روی صنعت داشت؛ جهشی که به‌گفته‌ او با مدل‌های جهان و گردآوری داده‌های محیطی پیش خواهد رفت.

وانگ در گفت‌وگو با رویترز توضیح داد که حتی اگر این نقطه‌ عطف تا اواخر ۲۰۲۷ رخ دهد، رسیدن به استقرار تجاری گسترده‌ مدل‌های اینچنینی در صنایع مختلف احتمالا چهار تا پنج سال دیگر زمان می‌برد. او که هم‌بنیان‌گذار پیشین شرکت تشخیص تصویر SenseTime هم بوده است، از فاصله‌ی میان توان آزمایشگاهی و کاربرد صنعتی سخن گفت؛ فاصله‌ای که هنوز کوتاه نشده است.

مدل‌های به اصطلاح متجسم یا بدن‌دار که از یک بدن فیزیکی برای اجرای دستورات استفاده می‌کنند، در برابر مدل‌های زبانی بزرگ مانند ChatGPT و DeepSeek که حالا در محل کار و خانه بسیاری جا افتاده‌اند، هنوز دور از دسترس‌اند. تفاوت هم در همین است؛ مدل زبانی، متن را می‌فهمد و تولید می‌کند؛ مدل متجسم باید جهان را در زمان واقعی درک کند، حرکت را بسازد و خطا را در لحظه اصلاح کند.

هم‌زمان با داغ‌شدن بازار ربات‌های انسان‌نما در چین، سرمایه‌گذاران هم نگاه دیگری پیدا کرده‌اند. دیگر صرف نمایش رقص یا حرکات ورزشی برای جلب توجه کافی نیست؛ فشار اصلی روی کاربرد واقعی در محیط‌های اقتصادی متمرکز شده، از فروشگاه‌های بدون فروشنده گرفته تا انبارهای تحویل فوری و خدمات هتل.

داده، گلوگاه اصلی

وانگ شینگ‌شینگ، بنیان‌گذار Unitree، همین هفته پیش‌بینی کرد که مغز ربات‌ها در دو تا سه سال آینده می‌تواند شاهد جهشی چشمگیر باشد. مدیران دیگر صنعت رباتیک چین هم پذیرفته‌اند که کمبود داده‌ واقعی باکیفیت، هنوز مهم‌ترین مانع توسعه‌ این مدل‌ها به‌حساب می‌آید. شیاوگانگ می‌گوید کل صنعت در چند سال گذشته حدود ۱۰۰٬۰۰۰ ساعت داده جمع کرده، رقمی که به‌گفته‌ او برای آموزش مدل‌های بنیادین متجسم «به‌هیچ‌وجه کافی نیست». ACE حالا تلاش می‌کند این شکاف را با سرعت بالا پر کند.

راهکار شرکت، استفاده از نیروی انسانی در خطوط تولید واقعی است که به حسگرهای سبک مجهز شده‌اند. وانگ گفت کارایی این روش بسیار بالا است و ACE انتظار دارد ظرف دو سال، ده‌ها میلیون ساعت داده جمع‌آوری کند. در کنار آن، برخی شرکت‌ها از تله‌اپراتیون فیزیکی هم استفاده می‌کنند؛ روشی که در آن کارگران با اسکلت بیرونی و کنترلر، حرکات ساده را بارها و بارها تکرار می‌کنند.

رشد سریع ACE Robotics

ACE Robotics در ژوئیه ۲۰۲۵ تاسیس و از سوی Ant Group و SenseTime حمایت شد. این شرکت در نیمه‌ نخست سال جاری بیش از ۱۰۰ میلیون دلار سرمایه از چند دور تامین مالی جذب کرده است.وانگ گفت هدف شرکت، عرضه‌ اولیه‌ سهام یا IPO «به‌محض آن‌که مجاز باشد» است. مقررات بورسی چین معمولا به شرکت‌ها حداقل سه سال مالی فعالیت را الزامی می‌کند؛ بنابراین زمان‌بندی چنین فهرست‌شدنی همچنان به چارچوب نظارتی وابسته خواهد بود.

مدل متن‌باز Kairos-4B متعلق به ACE در رتبه‌بندی‌های عمومی، در جایگاه نخست جهانی قرار گرفته و با وجود شمار پارامتر بسیار کمتر از مدل‌های جهانی مانند انویدیا کازموس 3 و لینگ‌بات متعلق به Ant Group پیشی گرفته است. بر اساس توضیح شرکت، این مدل جهان، ادراک، فهم چندوجهی، شبیه‌سازی فیزیکی و برنامه‌ریزی کنش را در یک سیستم واحد ترکیب می‌کند و حتی می‌تواند ویدیو و پیش‌بینی‌های کنشی بلندمدت را در توالی‌های چنددقیقه‌ای تولید کند.

بازار تجاری و زنجیره‌ی تامین

ACE مدل‌های متجسم خود را در محیط‌های تجاری از جمله فروشگاه‌های بدون نیروی انسانی، خدمات هتلی و انبارهای تحویل فوری که ربات‌های انسان‌نمای ساخت تولیدکنندگانی مانند Unitree، AgiBot و Fourier در آن‌ها فعالیت می‌کنند، به کار گرفته است. وانگ تاکید کر که شرکتش برنامه دارد در سال پیش‌رو دست‌کم در ۱٬۰۰۰ فروشگاه مستقر شود و در دو سال به ۱۰٬۰۰۰ فروشگاه برسد. اکر چنین عددی محقق شود، نشان‌دهنده تمرکز صنعت از نمایش قابلیت‌ها به‌سمت استقرار عملیاتی در مقیاس بالا در حال حرکت خواهد بود.

شرکت یادشده برای آموزش مدل‌ها، از تراشه‌های شرکت انویدیا و همچنین تراشه‌سازان چینی از جمله Rhino Tech و Digua Robotics استفاده می‌کند. وانگ این رویکرد را نوعی تنوع‌بخشی به زنجیره‌ی تامین دانست و گفت در آینده به راهکارهای سخت‌افزاری هوشمندِ جامع نیاز قطعی وجود خواهد داشت؛ راهکارهایی که هزینه‌ آن‌ها هم باید به‌طور جدی کاهش یابد.

معنای عملی این گفته‌ها روشن است. نبرد بعدی هوش مصنوعی فقط برای تولید متن یا تصویر نیست. رقابت تازه بر سر توانایی حضور فیزیکی در جهان واقعی شکل گرفته؛ جایی که داده، سخت‌افزار، شبیه‌سازی و اقتصادِ استقرار باید هم‌زمان جلو بروند.

نظر شما درباره‌ی آینده‌ی ربات‌های انسان‌نما چیست؟