Наблюдая изнутри за крахом стартапа по созданию человекоподобных роботов, его бывший операционный директор делится жесткими, но бесценными уроками о том, как излишняя вера в ИИ, упрощения и пренебрежение физикой уничтожают компании быстрее, чем нехватка капитала.
В конце 2025 года компания K-Scale Labs, стартап из Сан-Франциско, пытавшийся создавать доступных человекоподобных роботов, закрылась, так и не сумев привлечь финансирование серии А. Ее бывший операционный директор (COO) Руй Сюй (Rui Xu), ветеран hardware-индустрии с 15-летним опытом работы в Intel, Xiaomi, Amazon, провел внутри компании год и стал свидетелем всего пути - от первого рывка до финального письма поставщику.
В своем откровенном анализе, опубликованном на LinkedIn он выделяет 6 ключевых уроков, которые могут спасти другие робототехнические (и не только) стартапы от повторения той же судьбы. Эти уроки - не абстрактные теории, а диагноз системных проблем, которые убили компанию.
Урок 1. Шовинизм больших моделей (Large Model Chauvinism): когда ИИ считают панацеей
Распространенное в индустрии заблуждение гласит: раз модели ИИ становятся такими умными, то аппаратное часть может быть "глупой". Зачем датчики, если ИИ поймет все по картинке? Зачем механические ограничители, если политика управления научится избегать опасных положений?
В K-Scale это привело к опасным дебатам, например, о необходимости установки концевых ограничителей в сочленениях робота. Аргумент "против" был типичен для шовинизма больших моделей - лишний вес, лишняя стоимость, ИИ сам выучит границы. Но любой, кто создавал реальное "железо", знает: механические ограничители существуют потому, что софт дает сбои. Модели могут "галлюцинировать", политики управления - ошибаться в 0,01% случаев.
В цифровом мире 0,01% - это просто неверный ответ. В физическом мире, когда привод на полном ходу проскакивает ограничитель из-за одной плохой итерации ИИ, вы получаете сломанную машину или травму человека. Концевые ограничители - это подушка безопасности для тех 0,01%, которые неизбежны. Даже Tesla, при всех ее амбициях в автономности, все еще ставит на свои автомобили тормоза.
Урок 2. Упрощенные аналогии: враг инженерной реальности
Каждая презентация робототехнического стартапа содержит упрощения: "Мы сделаем для роботов то же, что Tesla для электромобилей" или "Это будет как айфон для ИИ". В K-Scale любимой аналогией был гироскутер (hoverboard). Идея была в том, что человекоподобные роботы пройдут тот же путь: дорогая новинка → массовое производство в Китае → товар повседневного спроса.
Проблема в том, что мотор гироскутера должен просто крутиться. А приводу человекоподобного робота нужна высокая точность, должный момент, надёжность и идентичность от устройства к устройству. Один привод с небольшим отклонением - и робот хромает или падает.
Аналогии сжимают информацию, делая сложное простым ценой потери деталей. Для привлечения инвестиций это работает. Для инженерных решений - это убивает. Каждый час, потраченный на обсуждение, "будет ли это похоже на гироскутер" - это час, не потраченный на реальные технические проблемы.
Урок 3. Цепочка поставок - это не задача, а стратегическая возможность
Сооснователи с опытом разработки в софте часто воспринимают производственную цепочку как простую задачу: "найди кого-то, кто говорит по-китайски, отправь его на фабрику, и дело сделано". Это самый верный путь к катастрофе.
Когда Руй Сюй присоединился к K-Scale, не было ничего: ни отношений с производителями, ни системы контроля качества, ни логистики. Выстраивание цепочки поставок означало отдельные переговоры о ценах, стандартах качества, минимальных объемах заказа, с разными культурами ведения бизнеса и валютой для каждого компонента.
Производство - это не услуга, которую покупают. Это возможность, которую выстраивают годами, а не месяцами. Отношения с контрактным производителем определяют, придут ли приводы с соответствующим допуском или будут с допуском в 2 мм, будет ли себестоимость $800 или $2400. Если стратегия работы с аппаратным обеспечением укладывается в одно предложение - у компании нет стратегии, есть лишь надежда.
Урок 4. Аппаратное обеспечение не стало "стандартизированным товаром", а инженеры страдают от "экспертности Шредингера"
Одна из самых опасных идей, распространяющихся в последнее время: робототехника станет «товаром», который китайские производители будут собирать из готовых деталей, как телефоны, а вся ценность будет заключаться в искусственном интеллекте.
Пока нет. Даже близко нет. Стандартной спецификации для гуманоида не существует. Нет готовых приводов, которые просто подходят для ходьбы. Каждая команда, которая сейчас занимается разработкой шагающего робота, проектирует оборудование на заказ.
Но когда компания покупается на аргумент о том, что «железо — это товар», это наносит реальный ущерб. Люди, создающие физический продукт, в итоге получают меньше признания и уважения, чем они заслуживают. Власть переходит к той функции, которая получает ярлык «защищенной», независимо от того, кто выполняет самую сложную работу.
Сюй называет это "экспертностью Шредингера": когда что-то идет не так с аппаратной частью, оказывается, что эти люди не разбираются в аппаратном обеспечении и понятия не имеют, что делать. Но когда команде инженеров нужно четыре месяца на перепроектирование узла, вдруг оказывается, что это нужно сделать за четыре недели. Так не бывает, и инженеры, которые на самом деле выполняют работу, сразу это понимают.
Урок 5. В гонке неудачные решения в области исследований и разработок убивают быстрее, чем невезение
В робототехнике все соревнуются. Капитал есть, талантливых специалистов много, рынок обращает на это внимание. Но в гонке важна скорость, а скорость — это не результат усилий. Скорость достигается за счет быстрого принятия правильных решений.
Главной ошибкой K-Scale стала зацикленность на задаче ходьбы (locomotion). Месяцы были потрачены на то, чтобы заставить робота правильно ходить, а тем временем закрылось окно для привлечения инвестиций, и конкуренты выпустили свои демо. Команда, включая самого Сюя, недооценила сложность проблемы.
GitHub K-Scale был полон репозиториев, со стороны это выглядело как бурная деятельность. Изнутри же это было движение без конвергенции. Репозитории не выходят на рынок. Выходят прототипы и продукты.
Более серьезная проблема - качество принимаемых решений. Импульсивные решения убивают так же быстро, как и медлительные. Если вы упорно движетесь в неверном направлении, это не экономит время, а удваивает затраты, потому что потом вам все равно придется вернуться в начало.
Урок 6. Народная китайская поговорка: «чем больше торопишься, тем больше отстаешь»
В K-Scale сроки выхода продукта превратились в мем. Это всегда было похоже на то, что робот пойдёт на следующей неделе. И так было каждую неделю. Когда такая культура становится нормой, люди начинают «срезать углы», идти на компромиссы, чтобы уложиться в нереальные сроки. Инженеры не проверяют код, написанный ИИ-ассистентами. Датчики ставят без калибровки. Демонстрация проваливается снова и снова. Сроки опять переносятся на неделю.
Китайская поговорка, на русском языке звучит более понятно и укладывается в две поговорки: «поспешишь – людей насмешишь» и «тише едешь – дальше будешь», и эта мудрость работает на всех уровнях. Команда просто пропускает этапы, которые необходимы для достижения результата. Каждый пропущенный шаг возвращается в виде сбоя, который требует больше времени на исправление, чем сэкономил "быстрый" подход.
Когда вы даете нереальные обещания контрактному производителю, вы «сжигаете» отношения. Собственному производству или контрактному производителю нужно планировать загрузку своих мощностей. Хаотичный подход «делай быстро, ломай все подряд» может сработать в сфере разработки программного обеспечения. Но он не сработает, когда ваш производитель распределяет время на производстве в соответствии с обязательствами, которые вы не можете выполнить
Заключение
Руй Сюй признает и свою ответственность: нужно было жестче отстаивать реалистичные сроки и раньше решать организационные проблемы. Но его главный посыл — предостережение молодым инженерам: доверяйте своей интуиции о физике. Если расчеты говорят, что узел сломается — документируйте это, аргументируйте. Не позволяйте давлению "давай быстрее" заставить вас игнорировать то, что вы знаете наверняка. Ваша репутация строится на том, что вы реально сделали, а не на том, что пообещали.
Робототехника и воплощенный ИИ (embodied AI) имеют огромное будущее. Н�� они заслуживают аппаратное обеспечение, которое спроектировано и создано с той же серьезностью, что и софт, который им управляет.
Подробнее о проекте и открытом исходном коде можно прочитать по ссылке https://kscale.ai/
