Я в первый раз услышал о Physical AI, когда к обеду в коворкинге услышал, как один из инженеров рассказывает, что их новый генеративный алгоритм уже спроектировал и напечатал держатель батареи, который выдержал падение с пяти метров. Я сразу представил себе будущий мир, где машины сами придумывают детали, а мы лишь проверяем, не сломаются ли они при первом включении.
Сегодня, 16 июня 2026 г., Physical AI уже перестал быть научной фантастикой. Это целое направление, цель которого — не просто решать задачи в виртуальном пространстве, а создавать, планировать и управлять физическими объектами так, чтобы они работали в реальном мире. И если в 2023‑2024 гг. мы начали видеть первые 3‑D генераторы вроде GET3D и Shap‑E, то сейчас они уже тесно связаны с дифференцируемыми симуляторами и роботами‑сборщиками.
Почему Physical AI важен именно сейчас?
Три причины заставляют инвесторов и инженеров бросать монеты в банку Physical AI:
- Скачок генеративных моделей. 3‑D‑модели теперь можно выдавать за секунды, а их качество уже сравнимо с тем, что раньше требовало недели ручной работы в CAD.
- Дифференцируемые физические движки. Симуляторы типа Jade умеют выдавать градиенты по материалам и толщине, поэтому ИИ может сразу «почувствовать», выдержит ли часть нагрузку.
- Индустриальный драйв. В 2026 году стартап Prometheus, соучредителем которого является Джефф Безос, привлёк $12 млрд и оценён в $41 млрд. Инвесторы уже увидели, что сокращение сроков разработки может сэкономить сотни миллиардов долларов.
Ключевая хронология: от первых 3‑D генераторов к «искусственному генеральному инженеру»
- 2023‑2024. Появление GET3D, Shap‑E, open‑x‑embodiment – первая генерация форм из текста и изображений.
- 2024 (ICRA). Дифференцируемый движок Jade – первый, кто смог обучать нейросеть учитывая контактную динамику.
- 2025 (SIGGRAPH Asia). PhysiOpt от Xiao Zhan объединяет генерацию геометрии с оптимизацией по физике.
- февраль‑июнь 2026. MIT News и TechXplore публикуют статьи о системах, «миксуя» генеративный ИИ с реальными ограничениями производства.
- июнь 2026. Prometheus собирает $12 млрд и объявляет о миссии создать «artificial general engineer» – ИИ, который проектирует, проверяет и даже собирает физические объекты.
Технический кусок – как это работает?
Сейчас типичная система Physical AI состоит из нескольких блоков:
- Генеративный 3‑D движок. Текст → форма (InstantMesh, Latte3D). Он создаёт массу вариантов за секунды.
- Физически‑осведомлённый оптимизатор. С помощью дифференцируемой симуляции (Jade, PhysX‑diff) система меняет толщину, материал и рёбра, пока объект не выдержит заданные нагрузки.
- Fabrication‑aware генерация. Алгоритм подбирает способ производства – 3‑д печать, фрезеровку или роботизированную сборку – и гарантирует, что модель подходит под ограничения конкретного цеха.
- Робот‑сборщик. Vision‑Language‑Action‑модели (VLA) берут готовый CAD‑файл и планируют траекторию робота‑манипулятора, который собирает детали в реальном времени.
Но пока всё это звучит как волшебство, есть серьёзные препятствия.
Что пытаются решить исследователи?
- Разрыв sim‑to‑real. Даже лучший симулятор не может точно предсказать, как будет вести себя материал в экстремальном режиме.
- Данные о провалах. Чтобы ИИ учился избегать «хрупких» форм, нужны огромные наборы «неудачных» прототипов – сейчас их мало.
- Вычеслительные затраты. Одновременно генерировать геометрию и прогонять её через физический движок – это гигабайты GPU‑часов.
Что говорят эксперты и почему Безос так уверен?
В интервью CNBC Байрос отметил, что Physical AI – «следующий технологический рубеж, сравнимый с появлением интернета для бизнеса». Он сравнивает потенциальный экономический эффект с тем, как в начале 2000‑х годов интернет ускорил продажи.
McKinsey (2024) уже оценивает экономию в десятки миллиардов долларов в области product design. И если взять пример авиастроения – где цикл разработки самолёта занимает 5‑7 лет – сокращение даже на 20 % может означать сотни миллионов долларов.
Однако скептики (в том числе некоторые исследователи из MIT) предупреждают: «Мы не увидим массовой фабрикации полностью автономных продуктов до 2030‑го, пока не решим проблемы верификации и безопасности роботов».
Кратко о рисках
- Концентрация капитала – оценка Prometheus в $41 млрд выглядит амбициозно, пока нет массовых промышленных кейсов.
- Потенциальная утрата рабочих мест на этапах прототипирования и сборки.
- Нужна новая регуляция: физические ошибки ИИ могут привести к травмам, а не только к битым пикселям.
Итоги: прорыв десятилетия или громкое обещание?
Physical AI уже меняет подход к инженерному дизайну: от идеи к печатному прототипу теперь может пройти за часы, а не недели. Инвестиции подстегивают рост, а технологии (генеративные 3‑D‑модели, дифференцируемые симуляторы, VLA‑роботы) уже работают в лабораториях Apple, Boeing и небольших стартапах.
Но реальный прорыв будет измеряться тем, как быстро крупные компании начнут массово внедрять эти системы в свои линии разработки. Если в течение следующих пяти лет мы увидим, например, самолёты, часть компонентов которых спроектированы и собраны полностью ИИ, тогда слова Безоса действительно оправдаются.
На данный момент Physical AI – это мощный инструментарий, который уже ускоряет процесс, но пока ещё нуждается в надёжных данных, лучшей симуляции и чётких нормативов. Мы стоим на пороге: следующий большой скачок может произойти в любой момент, стоит лишь открыть дверь.
Об авторе: Я занимаюсь автоматизацией для бизнеса и жизни. Разрабатываю автоматизации на n8n, чат-ботов, SaaS-системы и автоворонки продаж.
- 😉 Не работает доступ к TG? Ищи волшебную кнопку тут: kolya.websansay.com