NearLink Alliance выпустила технический документ о связности воплощенного ИИ с участием более 30 авторов

Несмотря на растущую доступность моделей искусственного интеллекта, превращение их в надежные коммерческие продукты остается сложной задачей, особенно когда предприятия сталкиваются с разрозненной инфраструктурой данных.

На мероприятии TechSparks 2026 Майкл Кронин, вице-президент по продажам в Азиатско-Тихоокеанском регионе, Японии и Индии компании Couchbase, принял участие в дискуссии с Шивани Мутанной, старшим директором по стратегическому контенту и видео YourStory. Они обсуждали переход ИИ от стадии экспериментов к полноценному производству, проблемы управления, клиентский опыт и возрастающую роль Индии в инновациях ИИ.

На протяжении десятилетий крупные корпорации внедряли различные базы данных и узкоспециализированные решения для решения конкретных задач. Хотя каждое из них решало насущную проблему, результатом часто становился фрагментированный уровень данных, состоящий из множества систем, которые плохо взаимодействуют друг с другом.

Кронин считает эту фрагментацию серьезным препятствием для внедрения ИИ. Он приводит отраслевые оценки, согласно которым 70–80% проектов по разработке ИИ никогда не достигают стадии производства, а исследование MIT показало, что 95% таких проектов не становятся прибыльными.

Операционная платформа данных Couchbase разработана для устранения этой проблемы, помогая компаниям консолидировать свою инфраструктуру данных. Вместо попытки исправить все сразу, Кронин посоветовал компаниям начинать с малого, советуя основателям и предприятиям, борющимся с фрагментацией уровня данных, сначала выбирать наиболее критичные сценарии использования.

Он привел в пример розничного продавца Tesco из Великобритании, который имеет крупный глобальный центр компетенций (GCC) в Бенгалуру. Множество систем этого ритейлера негативно влияло на клиентский опыт, особенно во время напряженных периодов покупок, таких как Черная пятница и выходные. Tesco начал консолидировать свой уровень данных, начав с одного экземпляра и одного сценария использования, прежде чем распространить усилия на весь свой технологический стек. Эта консолидация позволила ритейлеру обрабатывать миллионы транзакций в секунду с задержкой менее миллисекунды. По мнению Кронина, этот пример демонстрирует, как компании могут начать решать проблему фрагментации через один сценарий использования, прежде чем расширять изменения на всю свою деятельность.

Давление, связанное с разработкой продуктов ИИ, побудило многие предприятия уделять первоочередное внимание моделям и приложениям. Однако пилотные проекты часто проводятся на небольших наборах данных в контролируемых средах, что не готовит организации к требованиям реального производства. Кронин обратил внимание на растущий масштаб машинного трафика. Он заявил: «За восемнадцать месяцев до графика машинный трафик обогнал человеческий трафик в интернете. Это масштаб ИИ. Это масштаб машинной скорости, на котором должны работать предприятия».

Когда приложения ИИ сталкиваются с рабочими нагрузками реального мира, фрагментированные системы данных могут помешать им надежно функционировать в масштабе. Растущее использование агентов ИИ усугубляет эту проблему. Поскольку агенты становятся более автономными и берут на себя функции принятия решений, предприятия должны гарантировать, что они могут получать доступ к нужным данным в рамках соответствующих структур управления.

Фрагментированные системы могут затруднять коммуникацию и управление, ограничивая способность агентов действовать автономно. Кронин также призвал предприятия пересмотреть подход к распределению инвестиций в ИИ. Хотя модели быстро развиваются, корпоративные данные остаются важнейшим активом. Он подчеркнул: «Модели можно арендовать. Лучшая модель сегодня — это вчерашняя газета. Истинный актив для предприятия — это данные».

По мере того как предприятия начали осознавать, что фрагментированные данные тормозят их инициативы в области ИИ, многие из них отреагировали добавлением API и коннекторов для связи существующих систем. Однако Кронин предупредил, что такой метод может создать дополнительную сложность вместо решения основной проблемы. Каждое дополнительное соединение увеличивает задержку, риск и создает еще одну потенциальную точку отказа.

Вместо этого он рекомендовал консолидировать уровень данных, чтобы приложения и агенты ИИ могли взаимодействовать с ним более напрямую, приближая данные к клиентам. По словам Кронина, многие предприятия, включая крупные GCC в Индии, сейчас пересматривают свою архитектуру для устранения фрагментации данных. Без этих изменений дальнейшие инвестиции в разработку ИИ могут привести к тем же проблемам.

Консолидация данных также может улучшить клиентский опыт, помогая системам справляться с растущим спросом, оставаться доступными и быстро реагировать. Поскольку клиенты ожидают большего от сервисов на базе ИИ, наличие данных на периферии становится все более важным.

Кронин отметил, что деловые культуры различаются в Азиатско-Тихоокеанском регионе, но фрагментированная инфраструктура данных остается общей проблемой для внедрения ИИ. В то же время Индия становится важным центром инноваций и принятия решений в сфере ИИ. Он отметил, что 80% из топ-50 глобальных клиентов Couchbase имеют значительное присутствие в Индии, причем большая часть их инноваций и лидерства в области ИИ базируется в этой стране. Couchbase также расширяет свое присутствие в Индии, перемещая свою штаб-квартиру в Азиатско-Тихоокеанском регионе в Бенгалуру. Среди корпоративных клиентов Couchbase в Индии — Air India, Airtel, BigBasket и Mahindra Finance. По мнению Кронина, роль Индии в мировом бизнесе вышла за рамки экономии затрат; здесь все чаще происходят инновации, лидерство и принятие важных бизнес-решений. Он упомянул платформу развлечений нового поколения Air India, которая строится на Couchbase. Эта платформа призвана обеспечивать пассажирам персонализированный опыт покупок и развлечений даже при отсутствии подключения к сети на борту самолета. Для Кронина этот проект показывает, как индийские предприятия используют технологии для улучшения клиентского опыта в условиях реальной эксплуатации.

В преддверии встречи Экономических лидеров АТЭС, которая состоится в Шэньчжэне с 18 по 19 ноября 2026 года, был приглашен Чжоу Чанцзю, президент Конфедерации RoboCup Азиатско-Тихоокеанского региона (RCAP) и вице-президент Федерации RoboCup, чтобы поделиться своим видением. Как один из соучредителей Лиги футбола гуманоидных роботов RoboCup, он опирается на многолетний опыт исследований, основанных на соревнованиях, для анализа возможностей, практических узких мест и жизнеспособных путей достижения всеобъемлющего трансграничного сотрудничества в области ИИ в Азиатско-Тихоокеанском регионе, накануне предстоящего турнира RCAP в Чанша.

По мере того как искусственный интеллект (ИИ) трансформирует технологии и промышленность во всем мире, ключевой вопрос заключается в том, как экономики могут объединить свои технологические возможности и производственные преимущества, чтобы больше людей могли участвовать в этих инновациях и получать от них выгоду. ИИ выходит за рамки цифрового мира и проникает в физический. Гуманоидная робототехника, являющаяся частью воплощенного ИИ, продвигается из лабораторий и соревновательных арен в фабрики и повседневную жизнь.

Однако превращение технологических прорывов в практическое применение и индивидуальных инноваций в международное промышленное сотрудничество остается сложной задачей. RoboCup, с момента первого соревнования в 1997 году, почти три десятилетия развивает исследования в области ИИ и робототехники посредством международных состязаний.

Футбол гуманоидных роботов представляет собой полезное окно для такого сотрудничества. Во время игры полностью автономные роботы должны воспринимать окружающую среду, управлять своими движениями, принимать решения и работать вместе без дистанционного управления или человеческого руководства. Матчи формата пять на пять и одиннадцать на одиннадцать расширяют задачу от индивидуального интеллекта до коллективного интеллекта и координации нескольких роботов.

В августе 2026 года в Пекине в рамках второго Мирового чемпионата по гуманоидной робототехнике приняли участие 24 международные команды RoboCup из 16 стран и регионов на турнире RCAP Beijing Masters. Команды использовали платформы гуманоидных роботов, предоставленные китайскими компаниями, чтобы протестировать свои алгоритмы ИИ и возможности системной интеграции в рамках общих правил соревнований.

Значимость этого события вышла далеко за пределы самих матчей. Китайские компании обеспечивали роботизированное оборудование и инженерную поддержку, в то время как международные исследовательские группы вносили вклад в алгоритмы ИИ, программное обеспечение и экспертизу системной интеграции. Тренировки, тестирование и соревнования помогли обеим сторонам выявить технические проблемы, улучшить интеграцию аппаратного и программного обеспечения и ускорить разработку.

RCAP теперь распространяет эту модель из соревновательного поля на промышленные применения. Турнир RCAP Asia-Pacific Changsha Invitational 2026, запланированный на 18–20 декабря в Чанша, провинция Хунань, соберет команды из Китая, Португалии, Бразилии, Таиланда, Малайзии и Сингапура. На турнире будут участвовать гуманоидные роботы, разработанные крупным китайским производителем тяжелого оборудования, базирующимся в городе проведения, чьи основные направления включают строительную и сельскохозяйственную технику.

Расширение этой компании в сферу гуманоидной робототехники демонстрирует, как устоявшиеся производители могут использовать инженерный опыт, производственные мощности и реальные промышленные условия для развития воплощенного ИИ. Участники будут использовать этих роботов для обучения, совместных исследований и международных соревнований, одновременно изучая потенциальные области применения в промышленном производстве и бытовых услугах. Мероприятие направлено на соединение платформ роботов и сред применения Китая с глобальным сообществом разработчиков RoboCup и ведущими промышленными предприятиями.

Объединяя соревнования, совместные исследования и реальное тестирование, мероприятие стремится создать более четкий путь от технического эксперимента к практическому применению. Промышленное тестирование также может генерировать ценные операционные данные. Многократные испытания могут показать, как изменения в освещении, расположении объектов или рабочем процессе влияют на производительность робота, помогая исследователям выявлять слабые места и совершенствовать свои системы.

Чтобы эти преимущества распространились на границы, партнерам необходимы четкие соглашения о доступе к данным и их повторном использовании, подкрепленные мерами защиты безопасности, конфиденциальности и интеллектуальной собственности. Такие договоренности могут помочь превратить доступ к промышленным средам в общие возможности для исследований и инноваций. Обширная экосистема производства робототехники Китая, эффективные цепочки поставок, быстрое инженерное итерирование и разнообразные применения в умном производстве и услугах предоставляют международным исследователям ценные возможности для разработки и проверки.

В свою очередь, китайские производители могут использовать разнообразные алгоритмы ИИ, программные решения и техническую обратную связь глобальных разработчиков для улучшения своей продукции и программных экосистем. Этот двусторонний обмен демонстрирует, как аппаратное обеспечение, программное обеспечение, алгоритмы ИИ и сценарии применения могут дополнять друг друга в глобальных цепочках создания стоимости робототехники, создавая больше возможностей для совместных инноваций.

Несмотря на быстрый прогресс в области ИИ и робототехники, перевод технологии из лаборатории в повседневное использование остается трудным. Препятствия часто кроются не в самом интеллекте робота, а в инфраструктуре, интерфейсах устройств, технических стандартах и совместимости систем.

Рассмотрим простую задачу: как сервисный робот вызывает лифт? Многие роботы уже могут автономно перемещаться, распознавать свое окружение и избегать препятствий. Тем не менее, в некоторых коммерческих зданиях Сингапура и других мест системы управления лифтами не предоставляют удобного коммуникационного интерфейса для сторонних роботов. Робот может быть не в состоянии вызвать лифт или выбрать этаж цифровым способом, и вместо этого ему может потребоваться дополнительная механическая рука для физического нажатия кнопок.

Контраст поразителен: робот, способный принимать сложные автономные решения, может быть ограничен чем-то столь же базовым, как интерфейс лифта. Разумеется, лифты являются системами, критически важными для безопасности. Доступ к их управлению должен соответствовать требованиям физической безопасности, кибербезопасности и управления зданием. Безопасная интеграция требует стандартизированных интерфейсов, соответствующей сертификации и четких правил доступа.

Национальный стандарт Сингапура для обмена данными между роботами, лифтами и автоматическими дверями является шагом в этом направлении, хотя модернизация существующих зданий занимает время. Аналогичные проблемы возникают в промышленной автоматизации. Роботы от разных производителей часто используют различные протоколы связи, архитектуры программного обеспечения и системы управления. Алгоритм ИИ, который хорошо работает на одной платформе, может потребовать существенной адаптации программного обеспечения, настройки параметров и тестирования, прежде чем он сможет работать на другой.

Различия в инструментах разработки, операционных средах, требованиях к использованию данных и соглашениях об интеллектуальной собственности могут еще больше усложнить международные совместные исследования и повторное использование результатов исследований. Техническая совместимость — это лишь часть проблемы. Робот, который хорошо работает в ходе испытаний, все равно может потребовать дальнейшей оценки или одобрения перед развертыванием в другой экономике. Различия в требованиях к сертификации, процедурах закупок и доступе к рынку могут добавить время и затраты в совместные проекты. Следовательно, сотрудничество требует большего, чем просто совместимое аппаратное и программное обеспечение. Оно также зависит от прозрачных требований и координации между поставщиками технологий, регуляторами и пользователями.

Эти примеры указывают на более широкий урок: технологическая изощренность автоматически не переводится в практическую применимость, не говоря уже о широко распространенных выгодах. Прорыв в одном компоненте не устанавливает зрелость всей системы, а успех в лаборатории не гарантирует надежной работы в реальном мире. Поэтому более широкое внедрение зависит не только от более сильных алгоритмов ИИ, но и от интероперабельности, стандартизированных интерфейсов, системной безопасности и надежной работы в реальных условиях эксплуатации.

Как международное сотрудничество может снизить барьеры для разработки и помочь большему числу стран, компаний и исследователей участвовать в инновациях ИИ? Почти три десятилетия опыта RoboCup предлагают практические уроки. Даже когда команды из разных стран работают над одной задачей и используют идентичное оборудование, они часто выбирают очень разные технические подходы. Некоторые специализируются на управлении движением, другие — на компьютерном зрении и автономном принятии решений, а третьи — на архитектуре программного обеспечения или координации нескольких роботов.

Общие правила, общие тестовые среды и технический обмен позволяют командам сравнивать, проверять и улучшать эти подходы. На международных соревнованиях я часто видел, как команды яростно соревнуются на поле, а затем, после финального свистка, обмениваются алгоритмами ИИ, делятся опытом и иногда начинают долгосрочные исследовательские партнерства. Общие технические цели оставляют пространство для различных путей разработки. Такой подход соответствует принципам добровольного сотрудничества и консенсуса АТЭС. Экономики должны иметь возможность обмениваться опытом и выбирать технологии, подходящие для их собственных нужд, ресурсов и стадий развития, а не следовать единой предписанной модели.

Совместные исследования и обмен талантами могут поддержать этот выбор, наращивая потенциал посредством устойчивого тестирования и адаптации. Выделяются три практических приоритета. Во-первых, создание открытых и совместимых платформ для разработки. Доступные комплекты для разработки программного обеспечения, инструменты моделирования, стандартизированные интерфейсы и техническая документация могут снизить затраты на интеграцию и стимулировать повторное использование алгоритмов и программных модулей. Это позволяет разработчикам тратить меньше времени на рутинную интеграционную работу и больше — на основные технические проблемы.

Во-вторых, фокусирование совместных НИОКР на реальных приложениях. Университеты, научно-исследовательские институты и компании из разных стран могут работать на общих платформах для разработки и проверки решений для умного производства, логистики, государственных услуг и помощи по дому. Цепочки поставок робототехники и сценарии применения Китая могут дополнять алгоритмы ИИ и экспертные знания разработчиков по всему миру, ускоряя переход от исследований к внедрению.

В-третьих, укрепление исследовательских партнерств и обмен талантами в Азиатско-Тихоокеанском регионе. Совместные лаборатории могут объединять университетские команды с промышленными партнерами для тестирования роботов на общих задачах, в то время как обмен исследователями может обеспечить практическую подготовку по внедрению и обслуживанию. Участники могут забирать проверенные методы и инженерный опыт в свои учреждения и адаптировать их к местным потребностям. Международные соревнования могут помочь инициировать эти отношения и поддерживать партнеров в работе над общими техническими целями.

Более широкий доступ к передовой продукции имеет значение, как и способность разрабатывать и адаптировать лежащую в ее основе технологию. Снижение барьеров для инноваций позволяет исследовательским группам в разных странах вносить свой вклад в соответствии со своими сильными сторонами и создавать долгосрочные исследовательские и прикладные возможности. Такое наращивание потенциала — это постепенный, долгосрочный процесс, а не единовременная передача.

Многие экономики АТЭС сталкиваются с общими проблемами, такими как частые экстремальные погодные явления, неравномерная способность государственных служб и растущий спрос на энергию, вызванный увеличением вычислительных потребностей.

Эксперты в области квантовых и вычислительных технологий, профессор Линь Цзин из Городского университета Гонконга и профессор Вэнь Юнган, ассоциированный проректор Университета Наньянга и член Сингапурской академии инженерии, обсудили способы использования передовых технологий в регионе.

Системы раннего оповещения о погоде на базе ИИ обрабатывают данные о погоде в режиме реального времени для выпуска предупреждений о тайфунах и наводнениях, а также поддерживают готовность местных сообществ к стихийным бедствиям. Кроме того, в регионе осуществляется обмен открытыми инструментами ИИ для общественного здравоохранения, помогающими местным медицинским бригадам оказывать рутинную помощь.

Прототипы воплощенного интеллекта, представленные на конкурсах по гуманоидным роботам, рассматриваются как многообещающие средства для ухода за пожилыми людьми и проведения экстренного спасения на местах, тем самым восполняя пробелы в обслуживании, где наблюдается нехватка рабочей силы.

Профессор Линь Цзин, академический куратор форума «Будущее вычислений · Будущая вычислительная мощность» на Всемирной конференции по искусственному интеллекту 2026 года, отметила, что гибридные архитектуры квантового и ИИ предлагают уникальные исследовательские преимущества для моделирования климата высокой точности и разработки лекарств на молекулярном уровне. Тем не менее, эта технология пока остается преимущественно в рамках лабораторных исследований.

Линь подчеркнула, что квантовые вычисления все еще находятся на стадии фундаментальных исследований и не готовы к широкому внедрению в качестве стандартной цифровой инфраструктуры. Хотя они обладают теоретическими преимуществами для моделирования сложных природных систем, им требуется постоянное финансирование со стороны правительств, университетов и исследовательских учреждений для прогресса.

Она предложила, что Гонконг может стать региональным центром квантового сотрудничества в Азиатско-Тихоокеанском регионе, связывая таланты и капитал со всего мира. Партнеры могут сначала совместно разрабатывать прототипы, прежде чем определять подходящие пути для местного внедрения и более широкого регионального масштабирования.

Линь указала на жизнеспособную модель сотрудничества, которую представляют собой открытые облачные платформы квантовых вычислений и совместные научно-исследовательские лаборатории Азиатско-Тихоокеанского региона. Эти инициативы сосредоточены не на разовых передачах технологий, а на совместном использовании вычислительных ресурсов, совместных экспериментах и трансграничном академическом обмене.

По ее мнению, инклюзивный доступ к технологиям не может быть достигнут в одночасье и требует добровольного долгосрочного сотрудничества между экономиками на разных стадиях цифрового развития.

Устойчивые вычисления являются еще одной общей региональной проблемой. Растущая нагрузка на ИИ приводит к увеличению энергопотребления центров обработки данных, что создает особую нагрузку на экономики с ограниченными земельными ресурсами в Юго-Восточной Азии.

Исследования Вэня касаются проектирования дата-центров в космосе. Он утверждает, что вычисления, размещенные в космосе, могут использовать большую солнечную иррадиацию и естественное радиационное охлаждение в космосе, в то время как орбитальные ресурсы могут помочь облегчить земельные ограничения на Земле.

Вэнь отметил, что многие экономики Юго-Восточной Азии быстро расширили свою инфраструктуру дата-центров. Некоторые из них изучают опыт регуляторной базы Сингапура: согласование роста дата-центров с источниками возобновляемой энергии, внедрение регулярных аудитов энергоэффективности и установление ограничений для продвижения более экологичной цифровой инфраструктуры.

Он полагает, что новаторы в Азиатско-Тихоокеанском регионе могут проложить уникальные технические пути для вычислений следующего поколения, аналогично расходящимся траекториям развития, наблюдаемым в секторе глобальных электромобилей.

Оба эксперта заметили, что цифровой разрыв между экономиками АТЭС означает, что единообразное, спущенное сверху внедрение технологий не соответствует региональным условиям. Для регионального сотрудничества в области передовых технологий на благо общества более практичными подходами являются добровольный обмен знаниями, совместные лабораторные исследования и наращивание потенциала.

Они заявили, что региональные заинтересованные стороны стремятся преобразовать достижения в области ИИ, квантового моделирования и устойчивых вычислений в ощутимые результаты: повышение устойчивости к изменению климата, более доступное здравоохранение и улучшение социальных услуг.