Робот собака с искусственным интеллектом ждёт своего ChatGPT: Nvidia назвала главный барьер

Тему поднимает Лес Карпас, глобальный руководитель направления Physical AI (ИИ для физического мира) в Nvidia Inception, подразделении Nvidia по работе со стартапами. На сцене Real World AI Stage конференции TechCrunch Disrupt 2026, которая пройдёт 13-15 октября в Сан-Франциско, он представит доклад «Robots Are Waiting for Their ChatGPT Moment. Here Is What Is Standing in the Way» и разберёт ограничения и возможности на стыке ИИ и робототехники.

Почему ChatGPT «выстрелил», а роботы нет?

Когда OpenAI выпустила ChatGPT, у компании уже был доступ к колоссальному корпусу текстов из интернета. Anthropic и другие разработчики больших языковых моделей (LLM, модели, которые генерируют и понимают текст) опирались на тот же ресурс. Данных хватило, чтобы модели заговорили убедительно.

У робототехники такого ресурса нет. По словам Карпаса, ни у кого в мире нет датасета масштаба интернета для физического ИИ. Даже автопилотные парки Waymo и конкурентов строили свои наборы данных годами, накатывая миллионы километров, и эти датасеты до сих пор расширяются рынок за рынком.

Проще говоря: научить нейросеть писать текст можно на книгах и сайтах, а научить робота хватать чашку, обходить стул и не ронять кота можно только на реальном или очень качественно смоделированном физическом опыте. Такого опыта в оцифрованном виде критически мало.

Аргументы за: прорыв возможен

• Стартапы уже работают над проблемой. Растущая экосистема компаний пытается создать нужный масштаб данных искусственно: через симуляцию, синтетические данные и базовые модели (foundation models), обученные сразу на нескольких типах роботов одновременно. На той же сцене Disrupt выступят основатели Shield AI, Colossal Biosciences, FieldAI и Foxglove.

• Nvidia вкладывается системно. Генеральный директор Nvidia Дженсен Хуанг последние годы на каждом ключевом выступлении подчёркивает ставку компании на робототехнику. Карпас координирует связи Nvidia Inception со стартапами в робототехнике, автомобилестроении, производстве, мобильности и умных городах.

• Кросс-дисциплинарный опыт набирает вес. Сам Карпас работал архитектором, инженером на производстве, CEO стартапа, руководителем венчурной студии и корпоративным венчурным инвестором в компаниях Stanley Black & Decker, iRobot, Herman Miller, Cirque du Soleil и других. Робототехника требует именно такого пересечения навыков, и индустрия это осознаёт.

Аргументы против: барьеры реальны

• Данных по-прежнему нет в нужном объёме. Синтетические симуляции не заменяют реальный физический опыт полностью. Разрыв между виртуальной средой и реальным миром (sim-to-real gap, разница между тем, как робот ведёт себя в симуляции и в жизни) остаётся нерешённой инженерной задачей.

• Каждый робот уникален. Языковые модели работают с универсальным форматом: текстом. А роботы бывают гуманоидными, четвероногими (робот-собака с искусственным интеллектом, например), промышленными манипуляторами, дронами. Датасет для одного типа напрямую не переносится на другой.

• Цена ошибки несопоставима. Галлюцинация (когда ИИ уверенно выдумывает то, чего не было) в тексте раздражает. Галлюцинация в движении робота может сломать оборудование или навредить человеку. Требования к надёжности на порядки жёстче.

Ни у кого нет датасета масштаба интернета для физического ИИ. : Лес Карпас, глобальный руководитель Physical AI, Nvidia Inception

Что это значит для вас по ролям?

Авторам Дзена и копирайтерам. Тема «ИИ в физическом мире» набирает поисковый интерес. Робот-собака с искусственным интеллектом, складские автоматы, дроны-курьеры: всё это сюжеты, которые уже генерируют трафик. Но пишите честно: прорыва пока нет, и читатель оценит трезвый разбор выше, чем очередной заголовок про «революцию».

Маркетологам. Если вы продвигаете технологические продукты, понимание разрыва между языковым ИИ и физическим ИИ помогает точнее позиционировать: не обещать клиенту «робот сделает всё сам», а объяснять реальные границы.

Предпринимателям в РФ и СНГ. Конференция проходит в Сан-Франциско, но выводы Карпаса касаются любого рынка. Стартапы в симуляции и синтетических данных для роботов появляются и в России. Если вы думаете о робототехнике, ключевой вопрос тот же: где взять данные для обучения, и сколько это будет стоить.

Роботехника движется к своему прорыву медленнее, чем языковой ИИ, и причина не в нехватке вычислительной мощности, а в отсутствии того самого «интернета физического опыта». Пока стартапы и Nvidia пытаются собрать этот ресурс через симуляции и синтетику, ждать массового появления умных роботов в повседневной жизни стоит не раньше, чем проблема данных будет закрыта хотя бы для одного популярного форм-фактора, будь то складской манипулятор или четвероногий робот-компаньон.