Воплощенный ИИ (Embodied AI) стал самой громкой гонкой в области робототехники в 2026 году. На выставке WAIC в прошлом месяце демонстрации человекоподобных роботов, которые танцуют и дерутся, уступили место показам роботов, работающих на реальных производственных линиях, выполняя задачи по сборке, сортировке и подбору деталей на полномасштабных копиях фабрик.
Инвесторы активно следили за этим направлением: в первой половине 2026 года более 300 сделок в сфере воплощенного ИИ и смежных цепочек поставок в Китае превысили 90 миллиардов юаней. Кроме того, количество сотрудников, занятых в ролях, связанных с воплощенным ИИ, увеличилось в четыре раза всего за первые четыре месяца.
Однако за всей этой активностью скрывается общая проблема — данные. Модели, чья вычислительная мощность ограничена, и алгоритмы, чьи возможности ограничены, теперь сталкиваются с тем, что именно данные ограничивают потенциал развития. Роботы не могут автоматически усваивать накопленный интернет-контент, такой как текст, изображения и видео. Им необходим иной массив информации: понимание трения между материалами, сил, возникающих при работе с разными весами, а также причинно-следственная связь между захватом и объектом — вся тонкая физика, которую веб-сайты не предоставляют.
По мнению отраслевых экспертов, глобальный запас высококачественных данных для манипуляций составляет всего несколько сотен тысяч часов, тогда как для поддержки универсального робота, вероятно, потребуется десятки миллионов часов.
Телеоперация позволяет собирать данные высокой точности, но это дорогостоящий процесс. Видеосъемка от первого лица масштабируется дешево, однако ей не хватает детализации по суставам, силам и траекториям. Чистая симуляция же терпит неудачу при переносе из виртуальной среды в реальный мир. Основатель и генеральный директор WUWENAI, Лю Шэнсян, который ранее руководил проектами по данным и тестированию автономного вождения в Baidu, рассматривает эти методы не как альтернативы, а как единый конвейер.
Система включает многомодальные комплексы сбора данных в реальных условиях для постоянного получения данных о физическом взаимодействии. Параллельно генеративная мировая модель расширяет сценарии и крайние случаи в симуляции, а оба элемента непрерывно используются для обучения и дальнейшего производства данных. WUWENAI называет это «замкнутой системой слияния виртуального и реального данных», которая построена на трех составляющих: Фабрике Данных, Мировой Модели и Мировом Симуляторе, который обеспечивает обучение, оценку и обратную связь в больших масштабах.
Лю считает, что компания выходит за рамки просто платформы для снабжения данными. Как только высокоточный мировой симулятор сможет надежно воспроизводить реальную физику, робот сможет выполнить маневр уровня AlphaGo, провести миллионы недорогих циклов проб и ошибок в симуляции и перейти от имитационного обучения к обучению с подкреплением. WUWENAI начала поставлять этот стек Real2Sim2Real за несколько месяцев до недавнего приобретения SceniX компанией World Labs.
Лю подчеркивает параллель как сигнал для отрасли: мировые модели становятся инфраструктурой только тогда, когда они интегрированы с реальными данными, робототехнической симуляцией, масштабированным обучением и обратной связью из реального мира. Одних только видео и генерация 3D недостаточно.
Ставка компании носит структурный, а не продуктовый характер. Модели воплощенного ИИ ограничены не столько количеством параметров, сколько объемом потребляемых ими данных, и индустрия данных трансформируется от простого сбора сырых данных к созданию оркестрированной инфраструктуры. Следующее испытание для китайского стартапа WUWENAI заключается в том, сможет ли он стать компанией мирового класса в области физического ИИ-инфраструктуры на фоне таких гигантов, как World Labs, Tesla с Optimus и Google DeepMind, которые развивают свои собственные стеки параллельно. Дорога прокладывается в любом случае, и WUWENAI решила взять на себя задачу укладчика асфальта.
Когда Эрнест Мвебазе начал разрабатывать инструмент искусственного интеллекта для работы с различными языками Уганды, он протестировал как американские, так и китайские модели. Результат оказался неожиданным: китайская технология показала себя лучше для данного проекта.
Согласно изданию The New York Times, подобные случаи иллюстрируют, как африканские разработчики обращаются к китайским системам благодаря сниженной стоимости, возможности кастомизации и открытому доступу.
Мвебазе, который ранее работал исследователем в Google, создал систему под названием Sunflower. Эта система используется фермерами в Уганде для получения информации о погоде и методах выращивания на местных языках. По его словам, модель от Alibaba продемонстрировала более высокую производительность по сравнению с альтернативами от Meta и Google для этой задачи.
Мвебазе заявил: «Мы хотим создавать вещи максимально дешево, но чтобы они работали очень хорошо».
Этот тренд наблюдается не только в Уганде. В Кении предприниматели используют китайские модели для улучшения юридических и деловых услуг. В Нигерии разработчики создают образовательные инструменты, а в Гане появляются новые чат-боты, адаптированные под местные нужды.
Одним из ключевых преимуществ этих инструментов является открытый исходный код. В отличие от закрытых моделей, которые требуют оплаты и подчиняются правилам компаний-создателей, эти системы могут быть загружены и изменены самими пользователями.
Среди причин такого предпочтения: для многих африканских разработчиков решающим фактором является не использование самой продвинутой модели на рынке, а поиск инструмента, способного решить необходимую проблему. Как отметил предприниматель Мозес Кемибаро в The New York Times: «Зачем использовать дорогую Ferrari, чтобы отвезти детей в школу, если хэтчбек Toyota может сделать то же самое?»
Присутствие Китая в африканском технологическом секторе началось еще до эпохи искусственного интеллекта. Компании из Китая уже участвовали в расширении телекоммуникационных сетей на континенте, заложив основу для предложения новых решений.
Тем не менее, африканские компании продолжают применять американские инструменты в определенных сценариях. Системы от OpenAI и Anthropic по-прежнему востребованы для технических задач, требующих повышенной точности.
Выбор также обусловлен политическими аспектами. После проблем с ответами чат-бота Sunflower относительно Китая, Мвебазе стал искать альтернативы, чтобы избежать чрезмерной зависимости от одного поставщика. Он подчеркнул: «Мы должны гарантировать, что мы не находимся на неправильной стороне геополитики».
Африканский опыт показывает, что гонка за искусственным интеллектом зависит не только от того, кто создает самые совершенные модели. Все чаще на выбор технологий влияют такие факторы, как стоимость, свобода использования и способность к адаптации.
DeepSeek, китайская компания в области искусственного интеллекта со штаб-квартирой в Ханчжоу, объявила о планах строительства крупного центра обработки данных во Внутренней Монголии. Этот мегацентр будет иметь расчетную вычислительную мощность в один гигаватт и направлен на увеличение инфраструктуры компании для конкуренции на мировом рынке ИИ.
Объект будет расположен в Уланбаторе, городе, находящемся примерно в 350 километрах к северо-западу от Пекина. План предусматривает как создание собственной структуры, так и приобретение дополнительной мощности у других корпораций. DeepSeek ставит целью начать часть операций к концу 2027 или в начале 2028 года.
Эта инициатива вписывается в контекст мировой конкуренции за вычислительную мощность, предназначенную для искусственного интеллекта, где как американские, так и китайские компании увеличивают свои инвестиции в крупномасштабные центры обработки данных. DeepSeek стремится укрепить свои позиции после получения признания за разработку моделей ИИ, требующих меньших вычислительных ресурсов.
Строительство этого комплекса во Внутренней Монголии является одним из крупнейших проектов вычислительной инфраструктуры, связанных с китайской ИИ-компанией. Объект мощностью 1 ГВт превзойдет все действующие ИИ-центры обработки данных в стране, хотя и останется ниже американских проектов, достигающих мощностей в 3 ГВт и 5 ГВт.
Схема DeepSeek позволяет сочетать собственные установки с арендованным пространством в структурах, управляемых третьими сторонами. Информированные источники сообщают, что более десяти компаний уже имеют запланированные проекты в Уланбаторе, согласно компиляции независимого источника на основе местных правительственных разрешений.
Хотя не было указано, какой чип будет использоваться, полупроводники Nvidia считаются доминирующим стандартом для центров обработки данных в секторе ИИ, в то время как Huawei выделяется как основной китайский производитель в этой области.
Выбор Уланбатора был обусловлен климатическими условиями региона. При средней годовой температуре около 4 градусов Цельсия место снижает потребность в энергии для охлаждения энергоемких серверов, что является привлекательным фактором для компаний, желающих эксплуатировать крупные вычислительные структуры.
Расширение DeepSeek происходит после того, как компания получила международное признание, представив модели ИИ, которые, по утверждению самой компании, продемонстрировали превосходную производительность при использовании меньшего количества вычислительных ресурсов по сравнению с конкурентами. Стратегия также включала разработку сервисов с открытым исходным кодом и низкими затратами.
Этот прорыв поставил стартап в центр технологической борьбы между Китаем и США. Гиганты, такие как OpenAI и Anthropic, инвестировали миллиарды долларов в вычислительную мощность, в то время как китайские группы, такие как Moonshot, Z.AI, Alibaba и MiniMax, также стремятся расширить свое участие в секторе.
Движение DeepSeek происходит в условиях растущего геополитического надзора. Американские власти выразили подозрения, что компания могла обойти экспортные ограничения, используя процессоры Blackwell от Nvidia на объекте во Внутренней Монголии, по данным источников, близких к теме.
Кроме того, OpenAI и Anthropic обвинили китайский стартап в применении метода, называемого дистилляцией, при котором результаты, полученные существующими моделями ИИ, используются для улучшения новых технологий.
Компания также начала подготовку к возможному первичному публичному размещению акций (IPO), потенциально подав заявку еще в этом году, как ранее сообщало Bloomberg News. Ранее компания привлекла 7 миллиардов долларов, достигнув приблизительной оценки в 50 миллиардов долларов.
Строительство такого крупного центра обработки данных также демонстрирует растущие финансовые возможности китайских компаний для инвестирования в ИИ-инфраструктуру. Комплекс мощностью 1 ГВт, оснащенный передовыми ускорителями, по оценкам, приведенным генеральным директором Nvidia Дженсеном Хуангом, может потребовать около 50 миллиардов долларов инвестиций.
Несмотря на масштаб проекта, стоимость центров обработки данных варьируется в зависимости от технологии и местоположения. Структуры, ориентированные на искусственный интеллект в Китае, как правило, имеют более низкую стоимость по сравнению с аналогичными установками в Соединенных Штатах.
