Будущее искусственного интеллекта: привилегия или общественное благо?

Компания Keep представила свою запатентованную вертикальную спортивную модель Keepace.ai на мероприятии WAIC 2026. Эта модель ставит приоритетом соблюдение границ безопасности над общей функциональностью. Она была разработана на основе 14 миллиардов записей о реальных упражнениях и включает более 700 метрических показателей в виде панорамного графа признаков.

Проблема общих моделей ИИ в фитнесе

Представление Keepace.ai стало первой публичной демонстрацией основных возможностей искусственного интеллекта компании с момента объявления стратегии «All in AI» в начале 2025 года. Модель решает критическую проблему в области общих ИИ-систем для фитнес-приложений: в то время как универсальные модели стремятся к максимальной полезности, им не хватает необходимых ограничений безопасности, научной строгости и детализации персонализации, которые требуются для корректного консультирования по физическим нагрузкам, поскольку неверные советы могут привести к физическому вреду.

Три уровня вертикального подхода

Вертикальный подход был мотивирован тремя основными аспектами. Во-первых, это границы безопасности: ошибка генерации в общем чат-боте требует лишь проверки пользователем, тогда как та же ошибка в рекомендациях по упражнениям, выполненных человеком, может вызвать необратимое повреждение. Архитектура Keepace.ai рассматривает безопасность как жесткое ограничение, встроенное в систему обучения и оценки, а не просто как цель оптимизации. Во-вторых, это фильтрация псевдонаучных утверждений: фитнес-сфера является одной из самых насыщенных маркетинговых сред в интернете, где широко распространены мифы, например, о том, что чем больше потеешь, тем больше сжигаешь жира. Общие модели усваивают и воспроизводят такие заблуждения из обучающих данных, в то время как Keepace.ai использует проверку авторитетных источников как жесткий критерий оценки. В-третьих, это детализация персонализации: преобразование сырых данных датчиков в точную модель физических возможностей пользователя требует специализированного обучения, недоступного для общих моделей.

Функционал и примеры работы

В настоящее время Keepace.ai поддерживает три сценария использования: генерация тренировочных курсов, ответы на вопросы по знаниям об упражнениях и интерпретация данных упражнений. Например, при запросе на упражнения с гантелями для спины, сопровождающемся сообщением о недавнем дискомфорте в спине, модель распознает риск и вместо рекомендации наклонов или становой тяги предлагает тягу одной рукой, чтобы снизить нагрузку на позвоночник. В режиме Q&A, если задать вопрос о темпе бега для похудения, модель сначала устанавливает, что дефицит калорий является основополагающим принципом, а затем опровергает распространенное заблуждение о том, что организм сжигает сахар раньше жира, объясняя, что все три энергетические системы работают одновременно с пропорциями, зависящими от интенсивности. Каждая рекомендация подкрепляется ссылкой на авторитетные источники, проверенные консультантами по спортивной науке.

Конкурентное преимущество и финансовые показатели

Значительным преимуществом, поддерживающим Keepace.ai, является обширный массив данных: 14 миллиардов реальных записей об упражнениях, собранных за десятилетие, которые были структурированы в панорамный граф признаков, включающий 17 категорий меток и более 700 метрик. Эти структурированные долгосрочные данные представляют собой конкурентное преимущество, которое невозможно приобрести или повторить только за счет инвестиций в вычислительные мощности. В 2025 году компания Keep достигла первой годовой прибыльности, показав скорректированную чистую прибыль в размере 25,22 миллиона юаней, что позволило преодолеть убыток в 470 миллионов юаней предыдущего года, а валовая маржа выросла до 52,2%. Компания рассматривает инвестиции в ИИ как замещающие расходы, а не как дополнительные, используя ИИ для замены традиционных затрат на создание контента при одновременном повышении качества услуг и обеспечении потенциала роста среднего дохода на 10 раз. Согласно тезису Keep, вертикальные модели ИИ превосходят общие модели там, где ограничения предметной области делают последние небезопасными. На первом этапе Keepace.ai ставит безопасность выше персонализации, при этом руководитель алгоритмов подчеркнул, что понимание спорта заключается в знании того, что нельзя тренировать, и объяснении причин этого.

После того как посетители прошли 30 000 шагов по выставочному залу WAIC 2026, стало очевидно четыре фундаментальных сдвига в робототехнической отрасли.

От зрелища к рынку

Первое изменение заключается в трансформации зала с площадки для демонстрации выступлений роботов в полноценный коммерческий рынок. Гости больше не ограничиваются наблюдением за тем, как роботы танцуют, бьют мяч или демонстрируют боевые искусства; они начинают интересоваться ценами, условиями доставки, агентами и сценариями применения. На стендах выставляются расценки на аренду, начинающиеся от 100 юаней в день и 3000 юаней в месяц, а международные закупочные группы перемещаются по залу, держа таблички с надписью «Делегация покупателей». На самой выставке подписываются реальные заказы на покупку.

Демократизация управления движением

Во-вторых, возможности управления движением достигли уровня демократизации. Ранее Unitree Robotics была признана исключительной благодаря способности обеспечивать плавное движение роботов, однако на WAIC 2026 Booster Robotics T1 демонстрировал точное попадание в футбольные ворота, а Beijing Humanoid Innovation Center Tiangong 3.0 исполнял танцевальные номера, а AGIBOT Q1 показывал боксерские движения. Множество компаний продемонстрировали плавную локомоцию. Ходьба, бег и прыжки стали базовыми требованиями, а не конкурентным преимуществом. Как отметил технический директор LimX Dynamics, технологии управления сходятся, и разрыв между компаниями значительно сократился. Сложная инженерия, которая ранее отличала лидеров, теперь стала необходимым минимумом.

Смещение фокуса на вертикальные задачи

Третий сдвиг связан с переходом индустрии от универсального подхода к концентрации на вертикальных приложениях. Вместо того чтобы заявлять о создании универсальных человекоподобных роботов, компании теперь представляют свои роботы в конкретных реалистичных сценариях. Kepler Robotics функционирует в роли бариста, Star Dynamics демонстрирует сборку на конвейере, YouiBot показывает извлечение деталей на фабрике, а Leju создает магазин для розничных задач. Примечательно, что многие роботы перестали настаивать на полной антропоморфности. Некоторые используют захваты вместо ловких рук, другие заменяют ноги колесными базами. Форма теперь следует функции, а не антропоморфным идеалам.

Инфраструктура важнее демонстраций

Четвертое изменение касается перехода основного прогресса от видимых представлений к невидимой инфраструктуре. В то время как яркие демонстрации привлекают внимание в социальных сетях, истинные достижения сосредоточены в моделях, данных, сенсорном восприятии и системах обучения. Эволюция человекоподобных роботов достигла временного равновесия, которое содержит потенциал для дальнейшей дифференциации. Победу одержат те компании, которые смогут решить сложные задачи надежного выполнения задач, обеспечения безопасности и экономичного производства, тогда как те, кто полагается исключительно на управление движением, столкнутся с превращением в товар. Выставка роботов на WAIC 2026 показывает, что отрасль входит в прагматичную фазу, где вопрос сместился с «могут ли роботы двигаться?» на «могут ли роботы работать?», и ответ на него определит выживание компаний в переходе от зрелища к обслуживанию.

Недавний анализ образцов, собранных на скрытой стороне Луны, показал, что магнитосфера Земли оказывает прямое влияние на то, как солнечный ветер воздействует на лунную поверхность. Исследование, опубликованное в журнале Nature Geoscience, демонстрирует, что два полушария Луны подвергаются воздействию солнечных частиц с различной скоростью и энергией, оставляя на лунном грунте отчетливые следы.

Лунный грунт как архив солнечного бомбардировки

Исследователи использовали реголит, доставленный китайской миссией Chang’e-6. Солнечный ветер представляет собой непрерывный поток высокоскоростных заряженных частиц, который бомбардирует поверхность Луны миллиарды лет. Реголит, представляющий собой слой почвы и каменных обломков, покрывающий Луну, функционирует как естественный архив этой бомбардировки, сохраняя летучие элементы, поступающие от солнечного ветра, включая благородные газы, такие как гелий, неон, аргон, криптон и ксенон.

Поскольку эти газы химически инертны, они служат очень надежными индикаторами для изучения того, как солнечный ветер интегрировался в лунный грунт с течением времени.

Сравнение образцов с обратной стороны

До недавнего времени отсутствие образцов с обратной стороны Луны препятствовало прямому сравнению воздействия солнечного ветра на оба полушария. Эта ситуация изменилась благодаря миссии Chang’e-6, которая вернула на Землю 1,935 грамма реголита, собранного в бассейне Полярный Южный-Айткен, расположенном на скрытой стороне спутника. Эти образцы впервые позволили напрямую сравнить процессы осаждения солнечного ветра между стороной, обращенной к Земле, и противоположной стороной.

Команда исследователей, возглавляемая постдокторантом Чжан Сюйханом под руководством профессора Хэ Хуайю, оба из IGG, проанализировала изотопный состав благородных газов в этих образцах. В работе также участвовали ученые из Китайского университета науки и технологий и команда, ответственная за полезную нагрузку летучих веществ миссии Chang’e-7.

Различия в изотопном составе обратной стороны

Во время анализа ученые обнаружили заметные различия в изотопном составе неона в образцах с обратной стороны. Среднее соотношение изотопов 20Ne и 22Ne составило 11,34 ± 0,22, что значительно ниже, чем было обнаружено во всех ранее собранных образцах с ближней стороны Луны. По мнению исследователей, этот результат приближается к теоретически ожидаемому изотопному составу после интенсивного процесса фракционирования, вызванного солнечным ветром. Это указывает на то, что скрытая сторона претерпела более интенсивное изотопное фракционирование, способствующее обогащению более тяжелым изотопом.

Также были замечены различия в поведении криптона и ксенона. В лабораторных экспериментах постепенного нагрева ксенон, поступающий от солнечного ветра в образцах Chang’e-6, высвобождался преимущественно при высоких температурах, образуя один пик высвобождения. В то время как образцы, собранные ранее миссией Chang’e-5 на ближней стороне Луны, показали два отдельных пика, с заметным высвобождением как при низких, так и при высоких температурах.

Авторы отмечают, что такое поведение свидетельствует о том, что ионы солнечного ветра проникли значительно глубже в реголит скрытой стороны, что доказывает, что эта область была подвержена воздействию частиц с большей энергией.

Магнитосфера Земли снижает скорость солнечного ветра

Чтобы объяснить эту разницу, исследователи связывают явление с так называемым эффектом «контроля скорости», который оказывает магнитосфера Земли. Во время своего орбитального движения Луна периодически проходит через магнитосферную баню — переходную зону вокруг магнитосферы Земли. В этой области солнечный ветер замедляется, снижая свою типичную скорость примерно с 400 километров в секунду до около 200 километров в секунду.

Этот более медленный солнечный ветер в основном достигает той стороны Луны, которая обращена к Земле, из-за чего частицы проникают в грунт менее глубоко. Обратная сторона, напротив, постоянно остается повернутой от Земли и, следовательно, подвергается воздействию незатронутого солнечного ветра, позволяя частицам большей энергии достигать более глубоких слоев реголита.

На основе анализов исследователи предполагают, что около 25% всего воздействия солнечного ветра, зарегистрированного в месте посадки миссии Chang’e-5, было обусловлено этим замедленным магнитосферой Земли ветром. Место посадки Chang’e-6, однако, не подверглось этому защитному эффекту.

Значение открытия для истории магнитосферы

Авторы утверждают, что данное исследование предоставляет первое прямое эмпирическое доказательство, основанное на образцах с обратной стороны Луны, того, что магнитосфера Земли контролирует скорость солнечного ветра, достигающего лунной поверхности. Этот эффект сохранился как в глубине проникновения частиц, так и в изотопных сигнатурах благородных газов, присутствующих в реголите. Исследователи также заявляют, что эти благородные газы могут выступать в роли «фоссилий», фиксирующих взаимодействия между магнитосферой Земли и солнечным ветром на протяжении истории.

При объединении с палеомагнитными данными, эти следы могут предложить новый метод реконструкции эволюции магнитосферы Земли на протяжении миллионов лет. Команда считает, что полученные результаты демонстрируют, что взаимодействие между Солнцем, Землей и Луной является более сложным, чем считалось ранее, открывая новое окно для понимания этих древних динамических процессов.