Сэм Альтман не понимает технологии, не хочет понимать и считает, что ему это не нужно.

Или это только мне кажется, что истинная миссия Сэма Альтмана — спалить как можно больше инвестиционного капитала за кратчайший срок?

В этом он и правда похож на своего кумира — Наполеона Бонапарта. Французский император привёл миллионы европейцев к смерти; император ИИ спустил миллиарды долларов. И занял ещё больше — без каких-либо внятных перспектив возврата инвестиций.

Чего только не сделаешь ради славы!

Неужели Сэм мечтает о гуманоидных роботах?

Траурный марш по Sora едва отзвучал, а Альтман уже перешёл к другой схеме. 15 января OpenAI опубликовала запрос предложений (RFP) по теме «Производство оборудования в США». Самый интригующий раздел там — «Робототехника».

Альтман не раз выражал интерес к робототехнике. У OpenAI когда-то была команда, работавшая в этом направлении. Альтман распустил её в 2021 году из-за нехватки данных для обучения систем. Теперь — вторая попытка.

Ранее, через свой противоречивый стартап-фонд, он уже инвестировал в две компании-производителя «гуманоидов» — 1X Technologies (2023) и Figure AI (2024). Но на этот раз, похоже, OpenAI рассматривает возможность производства собственных гуманоидов. Более того, у Альтмана уже есть робототехническая лаборатория в Сан-Франциско. Там примерно 100 операторов через телеприсутствие обучают роботизированные руки выполнять базовые бытовые задачи — например, складывать бельё.

Итак, Альтман нацелился на рынок, который считается крайне перспективным:

  • Недавний отчёт MarketsAndMarkets прогнозирует расширение глобального рынка гуманоидных роботов до $15,26 миллиарда к 2030 году.

  • В августе 2024-го Goldman Sachs спрогнозировал, что к 2035-му он достигнет $38 миллиардов (предыдущий прогноз оценивал лишь в $6 млрд).

  • В августе 2025-го Roots Analysis выдала собственный прогноз: размер рынка будет гораздо крупнее — до $103,96 миллиарда.

  • Наконец, Morgan Stanley в мае 2025-го дала долгосрочный прогноз: к 2050 году этот рынок может достичь $5 триллионов (при количестве выпущенных единиц, приближающемся к миллиарду).

И так далее.

Цифры выглядят внушительно — и не случайно. Рынок гуманоидов — это целая экосистема. Деньги можно зарабатывать на множестве промышленных и интеллектуальных продуктов — от производства механики и электроники до разработки сервисных платформ.

Вход OpenAI в эту сферу мог бы совместить её с восходящим трендом так называемого «физического ИИ». В глазах инвесторов такой поворот мог бы ослабить удушающую хватку статуса «компании, привязанной к LLM». Критика этого направления звучит всё громче, а ставить исключительно на него выглядит всё более рискованно.

Ну ладно, намерение Альтмана выглядит достаточно разумным, не так ли?

Тогда в чём проблема?

Кстати, об инструментах. Пока одни прожигают миллиарды на фантазии о гуманоидах, другие работают с тем, что есть — здесь и сейчас, с реальными технологиями и реальной пользой. Если вам нужен честный доступ ко всем ключевым моделям — Claude, GPT, Gemini — без иллюзий о «физическом ИИ» и без миллиардных авантюр, загляните на BotHub.

Для доступа не требуется VPN, можно использовать российскую карту.

По ссылке вы можете получить 300 000 бесплатных токенов  для первых задач и приступить к работе с нейросетями прямо сейчас!

Интеллект в физическом мире

В центре этого нарратива снова оказывается интеллект. То есть речь идёт не просто о роботах, а о продукте, способном заменить человека.

«Просто роботы» никому не интересны. Их и так навалом в производстве и других секторах, где они выполняют узкие, специализированные задачи.

Но «гуманоидные» роботы — совсем другое дело! По определению они должны выполнять широкий спектр задач, особенно в условиях, которые по природе своей непредсказуемы в человеческой среде.

Неудивительно, что в промо-роликах Tesla, Figure AI, Boston Dynamics и других эти роботы выполняют именно «специфически человеческие» задачи: загружают бельё в стиральную машину, складывают одежду, переносят коробки, готовят еду, сортируют вещи на кухонном столе и т.д.

Многих это впечатляет. Но если копнуть глубже, вырисовывается резко иная картина. И проблема не только в текущем положении дел.

Нарратив о гуманоидных роботах — это в значительной мере продолжение истории ChatGPT. Если ИИ-агент должен уметь продуктивно общаться с человеком на любую тему, то гуманоидный робот должен эффективно взаимодействовать со своей средой (идея физического ИИ).

И здесь заветные мечты о красивых андроидах сводятся к выдуманному маркетинговому нарративу, если не к откровенной безответственной болтовне.

Проблема в том, что современные гуманоидные роботы неспособны надёжно действовать в реальном физическом мире.

Тупик на старте

Ни один из вызовов, стоящих перед производителями, не решён на уровне, приближающем робота к человеческим способностям.

Причина проста: не разработано ПО, позволяющего полноценно моделировать этот мир. Трудности начинаются с распознавания пространственной структуры сцены — и дальше нарастают слой за слоем.

Сейчас пытаются решить проблему с помощью мультимодальных моделей. Камеры робота передают изображение сцены визуальной нейросети, которая извлекает признаки объектов. Затем эти данные сопоставляются с так называемыми Vision-Language Models (VLM), обученными распознавать объекты и их свойства.

Крайне важно понимать: этот тип модели построен на той же архитектуре Transformer, что и LLM. Следовательно, он обладает теми же фундаментальными изъянами — галлюцинации, катастрофическое забывание и т.д. (не говоря уже о запредельной стоимости обучения).

Результаты этого крайне незрелого подхода очевидны: роботы более-менее сносно навигируют в стабильных, статичных условиях и выполняют простейшие процедуры (в большинстве случаев действуя медленно и неуклюже). Но даже минимальное, незапланированное изменение в среде создаёт для них трудности, которые они преодолевают с огромным трудом — или не преодолевают вовсе.

По сути, путь, выбранный индустрией для создания гуманоидных роботов, оказался тупиковым. Ни один производитель не создал ни одного экземпляра, способного выполнять коммерчески ценные задачи.

Хайп внутри хайпа

Стартапы, в которые вложился Альтман, также не показали ничего достойного внимания.

Робот Neo от компании 1X даже не обладает автономными способностями. Во время демонстрации, устроенной для Wall Street Journal, им управлял удалённый оператор. Но даже тогда производительность робота была удручающе низкой.

Что касается Figure AI, им инкриминируют, помимо прочего, обвинения в введении в заблуждение публики и инвесторов. В остальном «успехи» компании ничем не отличаются от достижений прочих аналогичных фирм. В постановочных видео всё выглядит красиво, но вы не найдёте ни одной реальной презентации в онлайн-режиме.

Зато можно найти массу задокументированных проблем:

Низкая надёжность и частые поломки

По данным RobotToday, у большинства гуманоидов всего несколько сотен часов «среднего времени между отказами» на привод. Это значит: робот с 30 приводами может ломаться каждые две недели. Это признаётся глобальной проблемой отрасли.

Ограниченная автономность и плохая работа в реальных средах

Большинство гуманоидов работают 30–90 минут до необходимости подзарядки или вмешательства оператора. Даже лучшие модели дают лишь 2–4 часа активной работы — несопоставимо с 8–12-часовыми сменами людей. Это ведёт к провалам задач в реальных условиях.

Проблемы с балансом и двуногой ходьбой

По обзору Robozaps, баланс и стабильность остаются фундаментальной проблемой, особенно на неровных поверхностях или при переноске грузов. Роботы часто падают, теряют равновесие или не завершают задачу в динамичной среде.

Слабая манипуляция и низкая точность движений

По данным Simplexity, успех роботов в манипуляции сильно зависит от сложности объекта:

  • простые объекты — почти 100% успеха

  • сложные объекты (ложки, ножницы, инструменты) — примерно 30% успеха

UC Berkeley подтверждает: ни один робот не может надёжно выполнять базовые домашние манипуляции — вроде поднятия бокала вина или замены лампочки.

Следствие: роботы часто проваливают задачи, требующие точности или адаптации.

Ограничения ИИ: роботы плохо справляются с непредсказуемостью

Даже с мощными моделями поведения роботы плохо работают с «длинным хвостом» редких ситуаций. Robozaps отмечает: ИИ не готов к полной автономности в реальном мире, особенно при неожиданных событиях. Робот может зависнуть, ошибиться или выполнить действие неправильно.

Та же фундаментальная проблема

Конечно, часть упомянутых проблем со временем можно преодолеть. Но не те, что вызваны отсутствием интеллекта у нынешних гуманоидов. То же фундаментальное ограничение, что обрекает на провал создание AGI на базе LLM, в ещё большей степени применимо к гуманоидным роботам.

Потому что им, в отличие от ИИ-агентов, приходится оперировать в многомерной среде. И для этого у них должно быть адекватное представление о физическом мире. Это поднимает вопрос «заземления» (grounding) — то есть привязки выхода системы к параметрам этого мира.

Но архитектура генеративных моделей представляет противоположное направление. Она полностью отказывается от grounding и целиком опирается на статистический анализ токенов. И если ИИ-агенты ещё могут обмануть достаточное число пользователей, бесплодность этого подхода в робототехнике вопиюще очевидна.

Заключение

Сэм Альтман — не первый, кто рискует крахом в результате пренебрежения важностью технологических вопросов. Пожалуй, это своего рода современная культурная норма Кремниевой долины, инициированная прежде всего Илоном Маском.

До него предприниматели боялись нырять в высокотехнологичные инновационные проекты без тщательных консультаций с экспертами. Но Маск сумел полностью переопределить восприятие этой проблемы.

Он действительно преуспел во многом, что прежде казалось немыслимым. Как бы к нему ни относиться, надо признать: он полностью трансформировал космическую отрасль. И без сомнения, внёс выдающийся вклад в её развитие.

Но, во-первых, не все такие, как он. Маск имеет техническое образование и понимает суть многих проблем гораздо лучше других предпринимателей. Тех самых, что могут более-менее успешно копировать его авантюрный стиль бизнеса, но не могут дотянуться до его уровня экспертизы.

А во-вторых — и в этом особая ирония — Маск всё равно не образец для подражания. Он склонен переоценивать собственные способности. Он фактически признал, что его сверхамбициозный план колонизации Марса в ближайшем будущем провалился. И это не просто слова. Доказательство — постоянные проблемы с функционированием Starship и провалы в его запусках.

Что касается Сэма Альтмана — он даже не пытается выглядеть экспертом. И явно не склонен согласовывать своё видение будущего OpenAI с реальными ограничениями, налагаемыми технологиями. Похоже, он, как и многие другие, верит: специалистов всегда можно найти для решения любой задачи, если платить им безумные суммы.

Не знаю, чего в таком видении больше — невежества или высокомерия.

Но в любом случае чудес не бывает. Реализация амбиций техно-олигархов требует большего, чем просто привлечение специалистов экстра-класса. Часто она требует найти решение проблем, невозможное на текущем уровне технологической зрелости.

Можно только гадать, сколько ещё обстоятельства будут благоволить Альтману. Но что можно утверждать с уверенностью: он достаточно завинчен, чтобы продолжать действовать в том же духе — пока у инвесторов не закончатся деньги или терпение. Или пока не появится доказуемо эффективный метод создания AGI.

А что, по-вашему, случится первым?