Ліквідований центр - чи це кінець?
Навчальний центр роботів-гуманоїдів у парку Шоуган, Пекін, який з березня 2025 року функціонував як один із перших у Китаї, припинив свою діяльність. За даними місцевих ЗМІ, причиною стало вихід компанії Realman - постачальника обладнання та технологій. Це не був крах проєкту, а його перебудова. Район Шицзіншань пояснив, що після того, як партнер вийшов з етапу I, центр переходить до нової фази: розробка 4D Gaussian light fields і моделей світу. Замість створення нових проєктів змінюється логіка роботи - від збору даних в контрольованих умовах до їх використання в реальних сценаріях.
Це не перший випадок, коли навчальний центр змінює напрямок. Протягом двох років багато регіонів Китаю інвестували в такі об’єкти як частину стратегії розвитку інтелекту, що втілюється в роботах. Але будівництво інфраструктури - це лише початок. Ключовим питанням є те, хто платитиме за дані в довгостроковій перспективі - і чи будуть ці дані дійсно корисними.
У травні цього року фаза III центру в Шицзіншань зібрала майже 270 роботів і мала річну виробничу потужність даних, близьку до 20 мільйонів точок. Спочатку, у березні 2025 року, етап I планував виробляти понад мільйон точок даних на рік. Така швидкість розвитку показує, як активно регіони Китаю інвестують в інфраструктуру для роботів-гуманоїдів.
Дані - це не «база» - це інструмент.
Збільшене зображенняЗакрити збільшенняПопереднє зображенняРаніше логіка була простою: чим більше даних, тим краще. Центр у Пекіні мав збирати понад 20 мільйонів точок даних на рік, переважно із змодельованих сценаріїв - від домашнього обслуговування до складання електроніки. Але, як виявилося, дані зі стабільних лабораторних умов важко використовувати в реальному світі. Роботи стикаються зі змінним освітленням, нерівностями підлоги, непередбачуваними перешкодами - ситуаціями, які неможливо легко змоделювати.
Realman зрозумів це і змінив стратегію. Замість збору даних у контрольованих умовах, тепер він дистанційно керує роботою роботів на фабриках, складах і в будинках. Це працює як «замкнутий цикл»: дані генеруються під час реальної роботи, вони негайно використовуються для покращення моделі, а та, у свою чергу, краще справляється з наступними ситуаціями. Це вже не просто збір даних - це безперервна ітерація.
Дані, отримані в стабільних лабораторних умовах, важко використовувати в реальному світі, де існують мінливе освітлення, нерівності підлоги та непередбачувані перешкоди. Realman вважає, що дані, отримані в результаті реальних операцій у неконтрольованих середовищах, є більш цінними для моделі, ніж дані, отримані в стабільних лабораторних умовах.
Хто платитиме за дані в майбутньому?
Збільшене зображенняЗакрити збільшенняПопереднє зображенняПроблема полягає в тому, що дані для роботів-гуманоїдів мають виражений характер «приватної домени». Кожна компанія використовує різні корпуси роботів, датчики, системи керування та архітектури моделей. Тому дані з однієї системи важко використовувати іншою. Це означає, що навіть якщо навчальний центр збере мільйони наборів даних, компанія може не захотіти їх купувати - якщо це не принесе безпосереднього покращення моделі.
Отже, виникає конфлікт: місцева влада хоче будувати загальнодоступні центри як інфраструктуру для підтримки розвитку галузі, а компанії зосереджуються на тому, чи є дані вартісними та чи принесуть вони реальну цінність. Це не суперечність - але різниця в цілях. Тому ключовим стає питання: хто фінансуватиме цей цикл? Чи це будуть компанії, які їх використовуватимуть, чи держава як інвестор у майбутнє?
Цінність даних полягає не в кількості, а в їхній корисності. Тому ключовим стає питання: хто фінансуватиме цей цикл? Чи це будуть компанії, які їх використовуватимуть, чи держава як інвестор у майбутнє?
Нова ера даних - від збору до застосування
Це показує, що уряд розуміє, що не існує єдиного «правильного» методу. Дані можуть надходити з симуляцій, відео, Інтернету або реальних операцій - але їхня цінність залежить від того, як вони використовуються.
Майбутнє полягає не в будівництві нових навчальних центрів, а у створенні замкнутих циклів: сценарій → дані → модель → покращення. Це означає, що центр не обов’язково має бути «точно таким самим» - він може змінюватися, як це зробив Пекін. Важливо, щоб він працював відповідно до реальних потреб моделі, а не лише відповідно до інвестиційного плану.
Realman вважає, що дані, отримані в результаті реальних операцій у неконтрольованих середовищах, є більш цінними для моделі, ніж дані, отримані в стабільних лабораторних умовах. Це показує, що майбутнє полягає не в кількості даних, а в їхній якості та корисності.
Що це означає для майбутнього робототехніки?
Ліквідація навчального центру в Пекіні - це не кінець, а переломний момент. Це показує, що будівництво інфраструктури без чіткої моделі фінансування та застосування є ризиком. Але також показує, що майбутнє полягає не в кількості даних, а в їхній якості та корисності.
Для компаній - це виклик: вони повинні думати про дані як про інструмент для розвитку моделі, а не лише як про витрати. Для урядів - нова роль: не будувати центри, а підтримувати інтегровані системи, які поєднують дані з реальними сценаріями та додатками. Це вже не «хто платить за обсяг даних» - це «як перетворити дані на цінність».
Ця трансформація показує, що майбутнє робототехніки полягає не в будівництві все більших центрів обробки даних, а у створенні динамічних, інтегрованих систем, які поєднують реальні умови роботи з постійним удосконаленням моделей. Ключовим стає не те, хто платить за дані, а як ці дані використовуються на практиці - чи перетворюються вони на кращі рішення, швидшу реакцію та більш надійні дії роботів. Для компаній це означає необхідність перейти від мислення про дані як про витрати до сприйняття їх як ключа до конкурентоспроможності. Для урядів - нова роль: не будувати інфраструктуру, а підтримувати екосистеми, які забезпечують замкнуті цикли даних.
