ОтветыОпубликовано16 источники
Мировые модели: ставка Китая не на копирование США, а на скорость экспериментов
Участники WAIC 2026 предложили оценивать конкуренцию в мировых моделях не только по объёму вычислений, но и по эффективности обучения и скорости итераций. Роботы могут образовать замкнутый цикл: мировая модель помогает предсказывать последствия действий, а реальные машины поставляют данные и проверяют эти предсказания.
ОпубликовалОтредактировано с помощью GPT-5.6 TerraИзображения созданы с помощью GPT Image 2
Ответ на исследование
Ключевые выводы
- Участники WAIC 2026 предложили оценивать конкуренцию в мировых моделях не только по объёму вычислений, но и по эффективности обучения и скорости итераций.
- Роботы могут образовать замкнутый цикл: мировая модель помогает предсказывать последствия действий, а реальные машины поставляют данные и проверяют эти предсказания.
- Отсутствие готового «американского рецепта» создаёт пространство для первопроходцев, но одновременно перекладывает на стартапы риски выбора архитектур, данных, метрик и бизнес моделей.
Промпт ИИ
openai.comCreate a landscape editorial hero image for this Studio Global article: How did WAIC 2026 panelists from Muka Robotics, Shengshu Technology, EvoPhys.ai, and Chengwei Capital argue that Chinese world-model startup. Article summary: The panel’s argument was not that China has matched U.S. frontier-AI resources, but that world models change the source of advantage: progress depends less exclusively on raw compute and more on efficient model design, a. Topic tags: general, general web, user generated, academic. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, char
Мировые модели становятся одним из ключевых направлений физического ИИ — систем, которые должны не просто генерировать правдоподобное видео, а представлять, как меняется среда и к чему приводят действия в ней. На WAIC 2026 участники панели с представителями Muka Robotics, Shengshu Technology, EvoPhys.ai и Chengwei Capital предложили смотреть на конкуренцию китайских стартапов с другой стороны: не как на гонку за повторением масштаба американских лабораторий, а как на борьбу за эффективность обучения, данные реальных взаимодействий и быстрые испытания на роботах.
Это не заявление о равном доступе Китая к передовым вычислительным ресурсам. Логика панели в другом: для мировых моделей всё большее значение могут иметь качество и стоимость физических данных, способность быстро проверять ошибки на машинах и архитектуры, извлекающие больше пользы из разнородных наборов данных. Контекст WAIC эту ставку объясняет: на конференции участвовало более 200 компаний из сферы воплощённого ИИ и робототехники. 8
Не только масштаб вычислений, но и эффективность цикла
Традиционный вопрос «кто располагает большим числом GPU?» для этого направления может быть недостаточным. Если команда умеет недорого собирать полезные данные о физическом мире, эффективно обучать модели на разных типах данных и быстро переносить результаты в испытания на роботе, меньший вычислительный бюджет не обязательно означает проигрыш.
В качестве примера такого подхода в публикациях упоминался результат Muka Robotics на WorldArena: компания сообщала о высоком месте в рейтинге при использовании 32 GPU. Однако это заявленный компанией бенчмарк-результат, а не независимая комплексная оценка технологического лидерства. 3
Разница особенно заметна на практике. Видеомодель можно оценивать по визуальной убедительности ролика. Воплощённую мировую модель — по тому, смог ли робот выполнить действие в условиях реальных ограничений. Неверный прогноз контакта, движения или состояния предмета становится очевидным, когда модель управляет роботом либо влияет на его решение.
Роботы — одновременно источник данных и испытательный стенд
Аргумент участников строится на взаимном усилении мировых моделей и воплощённого интеллекта:
- Мировые модели помогают роботам предсказывать изменения в среде и возможные последствия действий.
- Роботы помогают мировым моделям, создавая данные взаимодействий, где известно, какое действие было совершено, и давая прямую обратную связь: подтвердился ли прогноз в физическом мире.
- Повторяющийся цикл применения и дообучения способен ускорять сбор данных, изменение архитектуры и проверку результатов.
Масштаб робототехнической экспозиции WAIC показывает, почему эта логика выглядит для панели значимой. В официальном гиде Шанхая говорится более чем о 300 роботах, работавших в динамических сценариях — от производства до повседневной жизни и развлечений; отдельное освещение конференции сообщало о более чем 200 компаниях воплощённого ИИ и робототехники. 10
8
Само по себе это не доказывает решающего преимущества какой-либо страны в данных. Но большой и разнообразный парк робототехнических систем потенциально означает больше ситуаций для сбора данных взаимодействий и для проверки того, насколько полезны физические прогнозы модели.
Плотная цепочка поставок как преимущество в скорости
Ещё один элемент тезиса — координация по образцу Шэньчжэня, где поставщики компонентов, интеграторы, производители роботов и команды разработчиков могут находиться близко друг к другу и быстро взаимодействовать.
Преимущество здесь не сводится к более дешёвому «железу». Важнее возможность после неудачного эксперимента оперативно изменить сенсорную схему, захват, конфигурацию робота или процедуру сбора данных — и вскоре вернуть новые данные в обучение. Для физического ИИ это критично: качество модели неотделимо от машин, датчиков и условий, в которых её обучают и валидируют.
Впрочем, это стратегическая гипотеза, а не гарантия лидерства. Быстрые поставки и интеграция могут ускорить эксперименты, но сами по себе не решают проблем обобщения, безопасности, надёжности и коммерческой жизнеспособности.
Архитектура как второй источник рычага
Конкретный пример архитектурного подхода даёт работа Shengshu Technology над MotuBrain. В исследовании видео и действие описываются в единой генеративной постановке: моделирование политики, моделирование мира, генерация видео, обратная динамика и совместное предсказание видео и действий становятся разными режимами вывода одной модели. 32
Shengshu заявляет, что MotuBrain совместно моделирует понимание, предсказание и действие — с целью лучше использовать гетерогенные данные и улучшать перенос между задачами. 33 По сути, это попытка уменьшить разрыв между системой, которая наблюдает мир, прогнозирует его развитие и выбирает следующее действие.
Смысл не в том, что одна опубликованная архитектура уже решила задачу. Она показывает, почему разработчики считают дизайн моделей возможным источником преимущества: если одна схема способна повторно использовать информацию из видео, данных о действиях и физических прогнозов, полезные способности не обязаны расти в простой пропорции к вычислительным ресурсам.
Подход «сначала физика»
EvoPhys.ai, по описанию панели, идёт к той же проблеме с другой стороны: стремится учить физическим закономерностям на примитивных взаимодействиях, а не опираться главным образом на гигантские тщательно отобранные видеокорпуса. Предполагаемая выгода — более приземлённая модель, лучше учитывающая силы, контакт, движение и последствия действий.
Смежная работа была представлена и на WAIC: TrendForce сообщал, что Moore Threads продемонстрировала полное обучение EvoPhys-World Пекинского университета — описанной как 5D мировая модель — на отечественной вычислительной инфраструктуре. 9 Это подтверждает активность в данном техническом направлении, но не является независимым доказательством сравнительного превосходства, эффективности работы с данными или национального лидерства.
Почему это одновременно шанс и тяжёлая ноша
Метафора «горы Тайшань» передаёт две стороны одной стратегии.
Шанс для первопроходцев
Если мировые модели станут базовым слоем для роботов, автономных систем и симуляции, ранние игроки смогут влиять на формирование стандартов: какие данные собирать, как измерять физическое мышление, какие типы роботов поддерживать и где технология создаёт экономическую ценность. При отсутствии признанного мирового лидера и устоявшегося продукта у первых команд появляется пространство для манёвра.
Цена отсутствия готовой карты
Но готового маршрута нет. Стартапам приходится до того, как рынок подтвердил правильные ответы, выбирать платформы роботов, конвейеры данных, модельные архитектуры, методики оценки, клиентов и бизнес-модели. Проверка в физическом мире к тому же может быть медленнее и дороже, чем оценка чисто программной модели.
Поэтому тезис панели не стоит воспринимать как утверждение, будто Китай уже выиграл гонку мировых моделей. Это утверждение о характере конкуренции: в новой области, где ИИ должен учиться на физическом мире и действовать в нём, наряду с вычислениями стратегическими переменными могут стать скорость итераций, качество данных и архитектурные решения.
Что покажут следующие годы
Состоятельность этой идеи будет определяться не выступлениями на конференциях, а проверяемыми результатами по четырём направлениям:
- Независимые оценки: измерения качества физических прогнозов и работы реальных роботов в разных средах, а не отдельные демонстрации.
- Эффективность использования данных: способность моделей заметно улучшаться на реалистичных объёмах данных взаимодействий, которые возможно собрать и разметить.
- Перенос между разными роботами: возможность применять знания, полученные на одной платформе, наборе датчиков или задаче, к другим без масштабного переобучения.
- Экономика внедрения: способность мировых моделей сделать роботов достаточно безопаснее, надёжнее или дешевле для устойчивого коммерческого применения.
Доступные источники подтверждают большую представленность робототехники на WAIC и опубликованную Shengshu постановку «мир—действие». Но они не устанавливают независимо конкретные сравнения вычислительных ресурсов, заявленное число компаний — поставщиков данных или отраслевое лидерство Китая. Пока это амбициозная стратегическая ставка, доверие к которой должны заработать повторяемые результаты в реальном мире. 8
10
32
33
Studio Global AI
Продолжайте свое исследование
На этой странице есть ответ, подтвержденный источником, который вы можете продолжить внутри Studio Global.
Люди также спрашивают
Каков краткий ответ на вопрос «Мировые модели: ставка Китая не на копирование США, а на скорость экспериментов»?
Участники WAIC 2026 предложили оценивать конкуренцию в мировых моделях не только по объёму вычислений, но и по эффективности обучения и скорости итераций.
Какие ключевые моменты необходимо проверить в первую очередь?
Участники WAIC 2026 предложили оценивать конкуренцию в мировых моделях не только по объёму вычислений, но и по эффективности обучения и скорости итераций. Роботы могут образовать замкнутый цикл: мировая модель помогает предсказывать последствия действий, а реальные машины поставляют данные и проверяют эти предсказания.
Что мне делать дальше на практике?
Отсутствие готового «американского рецепта» создаёт пространство для первопроходцев, но одновременно перекладывает на стартапы риски выбора архитектур, данных, метрик и бизнес моделей.