Китай строит не только гуманоидов, но и инфраструктуру для их «мозгов»

Всемирная конференция по робототехнике 2026 года в Пекине показала, куда движется китайская индустрия гуманоидов: от создания всё более совершенных корпусов — к строительству инфраструктуры, которая должна обучать их «мозги».

По данным, представленным на конференции, в Китае уже работают или строятся как минимум 90 центров сбора и обучения данных для гуманоидных роботов. Это указывает на заметный сдвиг в инвестиционных приоритетах. Однако сама конференция одновременно выявила разрыв между промышленным масштабом производства данных и доказательствами того, что эти данные действительно формируют интеллект, способный переноситься между разными роботами, задачами и рабочими местами. 13

Новым стратегическим ресурсом становятся данные о физических действиях

Для полезного поведения в реальном мире роботам недостаточно изображений и текста. Им нужны сведения о том, что видит человек, как он двигается, как предметы реагируют на прикосновение и как действия разворачиваются во времени.

Поэтому важными элементами обучения становятся видео от первого лица, данные о положении тела, глубине сцены, тактильных ощущениях и состоянии самого робота. Всё это используется для создания моделей так называемого воплощённого ИИ — embodied AI, который должен воспринимать окружающую среду и действовать в ней физически.

Lightwheel AI представила эту концепцию на практике, объявив о создании EgoSuite-Open100K — датасета объёмом до 100 000 часов видеозаписей человеческой активности от первого лица. Проект охватывает более 15 000 задач и реальных сцен сбора данных. В нём используются камеры на голове и запястье, а также сведения о положении кистей и всего тела, семантические метки и данные о глубине. Первые 10 000 часов опубликованы через Hugging Face; проект также ориентирован на распространение через AtomGit. 1 12

Преимущество очевидно: человеческие демонстрации позволяют охватить множество бытовых движений и операций, не записывая каждый пример с помощью дорогого физического робота. Но данные о действиях человека не равны опыту робота. Человек автоматически компенсирует баланс, трение и особенности контакта с предметом, тогда как роботу приходится воспринимать и контролировать эти эффекты с учётом собственной конструкции.

Шесть способов сбора данных и главный компромисс

Тянь Фэн из Исследовательского института интеллектуальной промышленности SenseTime описал шесть параллельных подходов к сбору данных. Среди них — телеуправление, захват движений, синтетические данные и запись действий непосредственно на реальных производственных линиях. 13

Каждый метод закрывает свою часть задачи:

• Телеуправление позволяет сохранять действия и физическую обратную связь, характерные именно для робота, но требует аппаратуры, операторов и контролируемой инфраструктуры.
• Захват движений помогает масштабировать запись человеческой моторики, однако не обязательно фиксирует силы и ограничения, с которыми столкнётся робот.
• Синтетические данные позволяют быстро создавать редкие сценарии, но поведение из симуляции ещё должно корректно переноситься в физический мир.
• Сбор на производственной линии ближе всего к коммерческому применению: он отражает конкретные задачи, ошибки и ограничения рабочей среды.
• Запись действий человека от первого лица даёт широкий охват при меньших затратах, но может не содержать важных для робота параметров — например, крутящего момента в суставах и силы контакта.

По оценке, приведённой на конференции, запись действий человека без использования самого робота может обходиться примерно в пять раз дешевле сбора демонстраций на физических машинах. Компромисс состоит в том, что такие данные способны отражать технику нанятых сборщиков, а не опыт работников, которые ежедневно выполняют соответствующие операции. 13

Это не означает, что человеческие данные нужно отвергнуть. Скорее, их следует рассматривать как один из слоёв общей обучающей системы — наряду с телеуправлением, данными о состоянии робота, симуляциями и обратной связью из реальных внедрений.

Цепочка поставок превращается в цепочку захвата данных

Робототехническая инфраструктура теперь включает не только двигатели, аккумуляторы и каркасы. В неё входят устройства для записи демонстраций и сенсомоторного поведения: системы съёмки от первого лица, ручные интерфейсы, перчатки, тактильные датчики, камеры, микроконтроллеры, память и аналоговые компоненты. 13

Такой подход потенциально позволяет дешевле собирать большие объёмы демонстраций. Но одновременно он создаёт проблему стандартов. Данные, записанные с помощью разных сенсоров, процедур калибровки, пространств действий, программных платформ и правил разметки, могут плохо объединяться.

В результате появляются так называемые «островные данные» — полезные записи, запертые внутри аппаратно-программного стека, в котором они были созданы. Открытый датасет способен уменьшить эту проблему, но сама по себе открытость не гарантирует повторного использования. Нужны общие схемы данных, метаданные калибровки, единые правила синхронизации, интерфейсы и протоколы оценки. Только тогда рост объёма данных сможет превращаться в общий технологический потенциал. 13

Есть ли у робототехники собственный закон масштабирования?

Остаётся неясным, работает ли в робототехнике привычная для больших моделей закономерность: чем больше данных и модель, тем выше способности системы.

В отчёте GEN-0 от Generalist AI, опубликованном в ноябре 2025 года, содержится обнадёживающий, но ограниченный ответ. В экспериментах компании небольшие модели с трудом усваивали всё более разнообразные сенсомоторные данные — это явление компания назвала «окостенением» (ossification). При увеличении масштаба качество продолжало расти; в отчёте отмечался заметный переход в районе 7 млрд параметров. 36

Это важное наблюдение, но пока не универсальный закон масштабирования для всей робототехники. Результат получен на моделях, данных и системе оценки одной компании. Кроме того, у роботов есть дополнительная сложность, которой нет у текстовых моделей в том же виде: политика управления должна действовать через конкретное тело, в конкретной среде и при реальных физических ограничениях.

Поэтому вопрос заключается не только в том, достаточно ли велика модель. Важно, содержит ли обучающий набор правильные физические сигналы и может ли получившаяся система переносить навыки на другие конструкции роботов и реальные задачи.

Число поставленных роботов ещё не доказывает спрос

Масштаб китайского производства даёт стране серьёзное преимущество: роботов можно быстро разворачивать для экспериментов и сбора данных. Но статистика поставок может вводить в заблуждение, если большинство машин пока лишь демонстрируют возможности, а не создают постоянную экономическую отдачу.

По данным Interact Analysis, в 2025 году в мире было произведено более 20 000 гуманоидных роботов, но только около 10% из них использовались в реальных прикладных сценариях. Большинство предназначалось для исследований, сбора данных или развлечений. Китай был главным двигателем и производства, и раннего внедрения таких машин. 21

Этот контекст важен для оценки бума центров сбора данных. Государственная поддержка, оптовые закупки и программы выкупа данных могут быстро увеличить число роботов, площадок и записанных часов. Они способны помочь сформировать обучающую экосистему, но сами по себе не доказывают, что клиенты готовы платить за роботов, которые надёжно снижают затраты, повышают выпуск продукции или выполняют работу, с которой людям трудно справиться.

Настоящее узкое место — не объём, а сходимость систем

Пекинская конференция не показала, что Китай уже создал полноценный «мозг» для воплощённого интеллекта. Она показала, что отрасль собирает необходимые компоненты в необычно большом масштабе:

1. Широкий массив данных о действиях человека в разных средах.
2. Физически привязанные данные телеуправления, роботизированных сенсоров и реальных производственных задач.
3. Совместимую инфраструктуру, позволяющую переносить записи между разными роботами и программными стеками.
4. Масштабируемые и переносимые модели, которые обобщают навыки, а не просто запоминают демонстрации.
5. Обратную связь из внедрений, включая ошибки, восстановление после сбоев и вмешательство оператора.
6. Коммерческую выручку, способную финансировать дальнейший сбор данных без постоянной зависимости от субсидий.

Экосистема, которую предлагает Lightwheel, также строится вокруг такого цикла: открытые стандарты данных, сбор примеров на основе результатов оценки и совместная настройка данных и моделей. 1

Итоговый вывод поэтому должен быть более осторожным, чем утверждение «Китай создал роботизированный мозг». Китай строит фабрики, измерительные системы и датасеты, которые должны сделать такой мозг возможным. Превратится ли эта инфраструктура в массово полезных гуманоидов, будет зависеть от качества данных, точности передачи физических особенностей, совместимости оборудования и доказательств того, что роботы создают устойчивую ценность за пределами демонстраций и исследовательских лабораторий.