Четыре крупнейших производителя промышленных роботов — FANUC, ABB, KUKA и YASKAWA — синхронно объявили о переходе на платформу NVIDIA, а это уже более 2 миллионов роботов по всему миру, которые потенциально окажутся «под одним ИИ‑колпаком». На GTC 2026 в Сан‑Хосе Дженсен Хуанг назвал 2026‑й «моментом ChatGPT» для физического ИИ: речь не о классической автоматике, а о машинах, которые учатся, подстраиваются под среду и работают там, где заранее не пропишешь все сценарии. Для промышленности это означает простую вещь: любая крупная компания рано или поздно превратится в роботостроителя — хотя бы на уровне интеграции и эксплуатации таких систем.
Что именно произошло 16 марта
Классические промышленные роботы десятилетиями жили в парадигме «из точки А в точку Б»: жёсткое программирование, минимум чувствительности к изменениям, дорогое и медленное переобучение под новый продукт или линию. Любая перестройка процесса оборачивалась месяцами наладки и сотнями тысяч долларов затрат — именно поэтому многие заводы предпочитали недоавтоматизировать, а не трогать отлаженную схему.
NVIDIA предлагает сменить саму основу: вместо сбора редких и дорогих данных на реальном производстве — обучение в цифровых двойниках с физикой, близкой к реальности. Проблема данных превращается в проблему вычислений, и здесь у NVIDIA очевидное преимущество: она продаёт не только софт и модели, но и «станки для ИИ» — от DGX до Blackwell.
Три новых кирпича физического ИИ
На GTC 2026 показали три ключевых инструмента для робототехники.
- Cosmos 3 — единая «мировая модель», которая генерирует синтетические миры, умеет рассуждать о геометрии сцены и симулировать действия роботов; по сути, это воображение для машин, из которого рождается обучающая выборка.
- Isaac Lab 3.0 работает на инфраструктуре DGX и новом физическом движке Newton 1.0, добавляя мультифизику и сложные манипуляции вроде кабелей, проводов и гибких деталей — того, что раньше плохо поддавалось симуляции.
- GR00T N2 пока в статусе предпросмотра, но уже возглавляет рейтинги MolmoSpaces и RoboArena, вдвое обгоняя конкурентов по успешности решения новых задач в незнакомой среде; релиз запланирован до конца 2026 года.
Это, по сути, универсальный «мозг» для гуманоидных и сервисных роботов, заточенный под перенос навыков из симуляции в реальный мир.
Формирование нового альянса
В марте ABB Robotics и NVIDIA объявили партнёрство: Omniverse‑библиотеки встроены в RobotStudio, а новый модуль HyperReality должен сократить время вывода роботизированных систем на рынок на 50% и снизить затраты до 40%. Это попытка окончательно закрыть разрыв между виртуальным обучением и реальным цехом, доводя точность соответствия симуляции и физического робота почти до 99%.
FANUC уже интегрирует Jetson в контроллеры, вынося ИИ‑вычисления прямо на линию, тогда как KUKA, YASKAWA и Universal Robots используют стек NVIDIA для обучения и симуляции. PTC связала облачный CAD OnShape с Isaac‑симуляцией: деталь сначала рисуют, а потом тут же дают роботу «потрогать» её в цифровом цехе, без ручного экспорта моделей. На фабриках Foxconn уже тестируются ИИ‑роботы на базе Blackwell, собирающие сами же чипы NVIDIA — цикл, в котором ИИ‑ускорители буквально производят себе подобных.
При этом менее заметные новости тоже важны: CMR Surgical обучает хирургическую систему Versius в медицине, KION строит автономные склады, а Uber планирует вывести роботакси на NVIDIA DRIVE Hyperion в Лос‑Анджелесе в 2027 году и масштабировать в десятки городов к 2028‑му. Физический ИИ выходит за пределы заводов — в логистику, медицину, городской транспорт.
Российский ракурс
По формальным каналам NVIDIA из России ушла в 2022 году, но поставки продолжаются через посредников: оценки указывают на партии серверов с H100 на сотни миллионов долларов, в том числе с участием индийских компаний. Параллельно политическое руководство ставит задачу: к 2030‑му внедрить ИИ во все ключевые отрасли и получить совокупный вклад в ВВП на уровне триллионов рублей.
Рынок цифровых двойников в России оценивается примерно в 2,5 млрд долларов на 2024 год, при ожидаемом темпе роста порядка 28% в год в ближайшее десятилетие. Но по плотности роботов на 10 тысяч работников страна заметно уступает Японии, Южной Корее и Германии, где автоматизация давно стала нормой промышленной культуры. На этом фоне массовый переход мировых игроков на стек NVIDIA означает: без собственного решения Россия рискует закрепиться в роли рынка сбыта устаревших технологий.
Что это значит до 2030‑х
Дорожная карта NVIDIA уже выстроена: после GR00T N2 к 2027 году ожидается поколение ускорителей Vera Rubin Ultra, а далее — архитектура Feynman на техпроцессе 1,6 нм, что ещё удешевит и ускорит обучение роботов. Каждое новое поколение железа и моделей будет увеличивать разрыв между странами, встроенными в этот цикл, и теми, кто остаётся с локальными, но менее мощными решениями.
Для российского инженерного сообщества выбор действительно бинарный: либо строить собственный стек симуляции и обучения робототехники, опираясь на критические вычислительные мощности и рынок цифровых двойников, либо пытаться легально или полулегально интегрироваться в чужие экосистемы через Китай и другие дружественные юрисдикции. От того, какое решение будет принято в ближайшие 3–5 лет, зависит, войдёт ли Россия в 2030‑е как активный участник гонки физического ИИ или как запоздалый потребитель чужих стандартов.
Какой вариант вам кажется более реалистичным для России в горизонте до 2030 года: развитие собственного стека или системная ставка на доступ к китайским и западным решениям через партнёров?
Подписывайтесь на канал «Критический элемент», чтобы не пропустить продолжение. Впереди — много интересного.
Если материал оказался полезен — можно поддержать нас лайком, комментарием или донатом через кнопку «Поддержать».