Координация работы роботов и автономных систем станет ключевым фактором для полноценного внедрения физического ИИ (Physical AI), однако пока неясно, как скажется отсутствие совместимости на его распространении, отмечают опрошенные порталом AI Business эксперты.

Технологии физического ИИ все активнее внедряются на заводах, складах и других производственных объектах. Gartner включила это направление в список главных стратегических технологических трендов-2026. Тем не менее, восприятие физического ИИ как единой технологической категории может помешать компаниям извлечь из него максимальную пользу. По мнению Gartner, бизнесу следует сместить фокус с отдельных устройств на системы, которые координируют их работу, — область, которая на данный момент развита недостаточно.

«Поставщики робототехники стремятся позиционировать свои предложения как комплексные решения, зачастую представляя свои продукты как автономные единицы, которые можно легко интегрировать в существующие рабочие процессы. На деле это совсем не так», — отмечает аналитик Gartner Билл Рэй.

По его словам, существующие платформы оркестрации обладают ограниченным функционалом и ориентированы преимущественно на те сферы, где уже взаимодействуют целые парки роботов — например, на складские комплексы.

«Сейчас мы наблюдаем лишь разрозненные попытки решения этой задачи, однако существует огромный нереализованный потенциал для создания полноценных систем оркестрации. По мере роста числа роботов и других систем физического ИИ потребность в них будет только увеличиваться», — считает Рэй.

Выход за рамки отдельных роботов

Оркестрация подразумевает наличие программного уровня, который связывает системы управления парками роботов друг с другом, а также с общей инфраструктурой предприятия или здания.

Как отмечает Рэй, поставщики робототехники продолжат предлагать собственное ПО для управления парками машин, в то время как уровень оркестрации будет координировать задачи между роботами, не взаимодействуя напрямую с каждым отдельным устройством.

В качестве примера такого подхода он приводит решение Physical AI Orchestrator компании Accenture. Ожидается, что на рынок выйдут и другие провайдеры с платформами оркестрации, адаптированными для конкретных отраслей.

Впрочем, Ян Липхардт, доцент кафедры биоинженерии Стэнфордского университета, участвующий также в разработке ПО для робототехники в компании OpenMind, подчеркивает, что обеспечение надежного взаимодействия между роботами остается сложнейшей задачей. «Отсутствие совместимости компьютеров, людей и роботов — это серьезный пробел, — говорит он. — В промышленных условиях добиться того, чтобы разные роботы работали вместе надежно, бывает очень сложно, дорого и долго».

По его словам, в ряде случаев на то, чтобы заставить роботов от двух разных поставщиков скоординировано выполнять задачи, могут уйти месяцы или даже целый год. Это открывает возможности для технологий, упрощающих интеграцию, хотя эксперт предостерегает: отрасль, возможно, еще не готова к тому, чтобы оркестрация стала ключевым аспектом при любом внедрении робототехники.

«Добиться эффективной работы одного робота — непростая задача; заставить слаженно функционировать роботов разных типов — еще сложнее; а если речь идет о роботах от разных производителей, то задача становится и вовсе крайне трудной», — отмечает он.

Липхардт говорит, что существует значительный интерес к протоколам, призванным решить эти проблемы, однако сама задача пока несколько опережает текущие рыночные реалии. «В среднесрочной и долгосрочной перспективе — скажем, к середине следующего года — это направление, вероятно, приобретет исключительную важность», — добавляет он.

Отсутствие интероперабельности — не единственное препятствие

Не все аналитики считают отсутствие интероперабельности главным барьером на пути внедрения физического ИИ.

Марк Беккью, аналитик компании Omdia, утверждает, что бизнес чаще сталкивается с ограничениями существующей инфраструктуры и нехваткой профильных компетенций, чем с отсутствием стандартов совместимости. «Я не думаю, что стандартизация совместимости станет основным драйвером внедрения. Ускорить этот процесс поможет использование инструментов, навыков и моделей с открытым исходным кодом — подход, который активно продвигает Nvidia», — считает он.

По его словам, главная проблема заключается в недостаточной гибкости унаследованных систем для интеграции новейших технологий и подходов. Вторая по значимости сложность — несоответствие квалификации персонала: отсутствие в штате организации специалистов, обладающие знаниями, необходимыми для работы с системами конкретных поставщиков.

Иными словами, даже при наличии инструментов оркестрации компаниям все равно необходимы соответствующие инфраструктура, навыки и операционные процессы для успешного внедрения физического ИИ.

Еще одна, более насущная задача — интеграция автономных систем в уже существующую рабочую среду. Внедрение роботов и автономных транспортных средств может потребовать изменения планировки помещений и рабочих процессов — особенно в тех случаях, когда машины должны безопасно функционировать в одном пространстве с людьми. «Если возникает необходимость изолировать роботов и автономные транспортные средства от людей, это может требовать реорганизации пространства: нужно продумать, как сохранить текущие рабочие процессы, одновременно изменив маршруты передвижения персонала, — отмечает Рэй. — Стоимость подобных преобразований очень легко недооценить».

Компаниям также необходимо определить, как распределить задачи между людьми и машинами, вместо того чтобы исходить из предположения, что автоматизировать нужно абсолютно всё.

Иными словами, интеграция технологий в текущие рабочие процессы не менее важна, чем сами технологии; неверный выбор может привести к тому, что компания окажется в числе отстающих.

«Уровень оркестрации станет критически важным элементом инфраструктуры — сменить поставщика будет крайне сложно, а с каждой новой интеграцией — всё сложнее, поэтому важно принять верное решение как можно раньше», — говорит Рэй.

Взгляд в будущее

По мере расширения внедрения физического ИИ понимание того, как роботы, корпоративные системы и человеческие рабочие процессы взаимодействуют друг с другом, позволит компаниям более эффективно масштабировать свои технологии.

«Первый шаг — и это касается внедрения любых технических инноваций — заключается в разработке комплексного бизнес-обоснования, — говорит Беккью. — Спросите себя: какую проблему мы пытаемся решить? Каковы единовременные и текущие затраты? Каков ожидаемый возврат инвестиций (ROI) — включая расчеты чистой приведенной стоимости (NPV), внутренней нормы доходности (IRR) или срока окупаемости?».

Липхардт предлагает более оперативный подход: компаниям следует начать экспериментировать с физическим ИИ уже сейчас, даже если вопросы совместимости, форматов данных и зависимости от конкретного поставщика пока остаются открытыми. «Моя рекомендация сегодня, в конце 2026 г., такова: чем бы вы ни занимались — производством, перемещением, транспортировкой, склеиванием, шитьем или сборкой — пробуйте различные решения, причем сделать это нужно было еще вчера, — говорит он. — На данном этапе на ваших предприятиях уже должны быть запущены пилотные проекты, чтобы вы были максимально осведомлены о технологии, которая развивается невероятно быстро».