🤖 Почему «мозг» робота оценивают в 20 млрд юаней до проверки бизнес-модели
На китайском рынке воплощённого ИИ сложился клуб как минимум из пяти стартапов стоимостью свыше 20 млрд юаней каждый. Их коммерческие модели ещё не доказаны. Инвесторы платят за «мозг» робота: модель «зрение — язык — действие» (VLA), систему сбора данных и путь к реальному внедрению.
По данным Xiniu Data на 5 июля 2026 года, взносы инвесторов в китайские фонды прямых инвестиций сократились на 32,65%, у государственных инвесторов — вдвое, а средний размер одной инвестиции за пять лет — на 44,8%. Число событий финансирования в воплощённом ИИ тем временем выросло на 107% год к году: доступный капитал концентрируется у немногих претендентов.
Пять стартапов предлагают четыре разных бизнеса
| Компания | Как устроен «мозг» | Откуда берутся данные | Ближайший рынок |
|---|---|---|---|
| AI² Robotics (智平方) | NeuroVLA: три уровня и два контура управления | Возврат данных от промышленных роботов | Логистика, сборка, контроль качества |
| X Square Robot (自变量) | WALL-B объединяет VLA и прогноз физических последствий действия | Работа в разнообразных домашних условиях | Дом и бытовые задачи |
| Galaxea AI (星海图) | G0.5 сводит зрение, рассуждение и действие в одну последовательность | Данные разработчиков | Исследования и дообучение |
| Spirit AI (千寻智能) | Spirit v1.5 наращивает масштаб и разнообразие VLA-данных | Носимые устройства плюс промышленные роботы | Производство |
| Galbot (银河通用) | AstraBrain соединяет VLA, мировую модель и контуры движения | Синтетика и данные настоящих роботов | Промышленность и розница |
AI² Robotics и Spirit AI продают труд для промышленности, Galbot добавляет розницу, X Square Robot ставит на дом, Galaxea AI — на инструменты для разработчиков.
Архитектуры решают одни задачи и постепенно сближаются
VLA переводит сцену и команду в действия, но долгое рассуждение конфликтует с управлением в реальном времени. В FiS-VLA AI² Robotics разделила медленное рассуждение и быстрый генератор движений; в NeuroVLA 2026 года третий модуль стабилизирует реакцию после столкновения.
G0.5 Galaxea AI убрала промежуточные кодировщики: зрение, рассуждение и команды стали общими токенами. Spirit AI включает в обучение паузы, перекрытия и неудачи, чтобы робот видел не только образцовые движения.
Мировая модель прогнозирует последствия; так устроена WALL-B X Square Robot. В Galbot разные VLA-модули для тела, движения и общения объединили в AstraBrain с быстрым и медленным контурами. Задачи у всех общие: длинные цепочки действий, перенос навыка на новый предмет или корпус и восстановление после ошибки. Сходство схем позволяет предположить: скорость развития ограничивают уже данные.
Ценность модели определяется тем, какие ошибки она увидела
Реальные данные точнее, но дороги и плохо охватывают редкие ситуации. Синтетика дешевле и позволяет создавать сбои, однако требует коррекции на настоящем роботе. На практике два источника приходится сочетать.
Spirit AI собирает данные без робота: её носимые устройства записывают действия людей, которые затем сопоставляют с кинематикой машины. Наиболее ценным считается возврат данных после внедрения: робот работает у клиента, отправляет опыт на обучение и получает новую модель. Промышленные данные AI² Robotics и Spirit AI полезны для поставок, но каждый заказчик рискует потребовать отдельной разработки. Домашние данные X Square Robot разнообразнее, зато хуже стандартизируются.
Galbot начала с синтетики: GraspVLA предварительно обучалась почти полностью на 1 млрд кадров захвата предметов. Теперь к ним добавлены интернет-видео, телеуправление и опыт работающих машин. Даже ставка на симуляцию не устраняет проверку в физическом мире.
Реальное внедрение начинается там, где результат можно измерить
В промышленности ценность робота измеряют темпом операций, успешностью и интервалами между сбоями. На заводах CATL машины Galbot перемещают и сортируют материалы, а «Сяомо» (小墨) компании Spirit AI соединяет гибкие кабели с заявленной успешностью выше 99% и темпом квалифицированного рабочего. В 2025 году AI² Robotics заключила с компанией HKC (惠科) трёхлетний договор на 1000 роботов для складов, сборки и контроля.
Розницу тоже можно стандартизировать. Galbot G1 компании Galbot доставил несколько тысяч чашек кофе с успешностью 99,97%, а в аптеке распознаёт товары и считывает коды. Дом сложнее: даже при выполнении 80% задач ошибки в остальных 20% могут поглотить экономию. Домашние испытания пока убедительнее как источник данных, чем как бизнес-модель.
Что это значит
Оценка свыше 20 млрд юаней остаётся авансом. Unitree Robotics (宇树) в 2025 году поставила 5500 человекоподобных роботов и получила около 1,7 млрд юаней выручки; оценка при размещении на момент публикации — 60,9 млрд юаней. За тот же год AGIBOT (智元) поставила более 5000 роботов и получила свыше 1,05 млрд юаней выручки, а её целевая оценка перед IPO находилась в диапазоне 36,3–43,3 млрд юаней.
36Kr приводит для этих ориентиров мультипликатор выручки 35–40 и оценивает необходимую годовую выручку участника клуба примерно в 500 млн юаней. Если её нет, разницу приходится объяснять ожиданиями.
Ожидания будут разбираться на показатели: сколько задач робот завершает автономно, какова успешность, насколько темп близок к человеческому и сколько вмешательств требуется после сбоев. По оценке 36Kr, ни одна из пяти компаний ещё не вышла на полноценный старт: модели и контуры обучения лишь улучшают исходную позицию.
Сроки здесь задаёт физический мир: роботам приходится возвращаться в цехи, магазины и дома, где данные накапливаются через столкновения, износ и ошибки. Поэтому прорыв модели может потребовать многолетней инженерной доводки, тогда как языковые модели быстро обновляются в дата-центрах. Цена «мозга» будет оправдана не эффектностью демонстрации, а способностью каждой установленной машины становиться источником обучения — и отвечать на терпение инвесторов измеримым результатом.