ملخص المحتوى الرئيسي
شهد قطاع الروبوتات البشرية تغيرين رئيسيين هذا العام: أولاً، حدوث زيادة كبيرة في عدد الوحدات المباعة (أكثر من 40,000 وحدة في النصف الأول من العام في الصين، والتي تمثل 97% من الإجمالي العالمي)، لكن هناك مسافة لا يزال يتعين قطعها قبل التحقيق بالتجارة على نطاق واسع؛ ثانياً، تحول تركيز الصناعة من “إظهار المهارات (الجري والقفز ولعب التنس)” إلى “الاستخدامية (القدرة على أداء المهام)”， حيث لم يعد الأمر يتعلق بالأداء الرياضي، بل بمدى قدرة الروبوتات على إكمال المهام بكفاءة في بيئات غير مألوفة. في الوقت نفسه، يعمل المتخصصون على تحديد معايير “لحظة ChatGPT الذكية” (الروبوتات التي يمكنها إكمال 80% من المهام غير المألوفة بناءً على تعليمات لغوية)، ويعتبرون أن القدرة على التعميم وتراكم البيانات هي أكبر عقبات حالياً، كما يتحول نموذج الأعمال من “بيع الروبوتات” إلى “بيع القدرة على الإنتاج”.
أولاً: التحول من “إظهار المهارات” إلى “العمل كعمال”
في السنوات القليلة الماضية، ركزت الروبوتات البشرية دائمًا على عرض “حركات صعبة” مثل قدرة روبوت YuTree الجديد على الجري بسرعة 12.65 متر في الثانية (أسرع من أسرع إنسان)، وقدرة روبوت Galaxy General على لعب التنس. لكن هذه “الحركات الرائعة” بعيدة كل البعد عن الاستخدامات الواقعية: المصانع تحتاج إلى روبوتات لتجميع الأجزاء، والمنازل تحتاج إلى روبوتات لتنظيف الغرف، والمستودعات تحتاج إلى روبوتات لتحضير وتغليف الطلبات.
هذا العام، بدأ القطاع يركز على مهام أكثر عملية مثل قدرة روبوت YuTree على تنظيف غرفة الاجتماعات (تغيير 7-8 مهام والتعامل مع المشكلات)، وقدرة الروبوت المشترك بين StarSeaMap وJD.com على إكمال أكثر من 100 طلب في اليوم دون تدخل بشري. قد تبدو هذه المهام عادية، لكن وانغ شينغشينغ يقول إنها “ذات قيمة عملية ولا تتطلب جهدًا كبيرًا”， وهي بداية دخول الروبوتات إلى حياتنا اليومية – خاصة أن غرف الاجتماعات في الشركات غالبًا ما تكون فوضوية وتحتاج إلى روبوتات قادرة على القيام بالمهام بشكل فعال.
ثانياً: ما الذي يفتقده الإنتاج الضخم؟
عدد 40,000 وحدة المباعة في النصف الأول قد يبدو كبيرًا، لكن معظمها كانت للاستخدام التجريبي على نطاق صغير ولم يتم ترويجه على نطاق واسع. هناك ثلاثة أسباب لذلك:
1. الكفاءة أقل من البشر: على سبيل المثال، قد يستغرق الروبوت دقيقتين لطي قميص قصير الأكمام، ويقول مؤسس StarSeaMap إن كفاءة الروبوتات تبلغ فقط 70-80% من كفاءة البشر؛ في المصانع، قد يكون أداء الروبوتات في تجميع الأجزاء بطيئًا مقارنة بالعمال.
2. ضعف القدرة على التعميم: القدرة على التعميم هي تكلفة تعلم الروبوتات لأداء مهام جديدة؛ يستغرق تدريب الروبوت على مهمة جديدة 10 ساعات، وقد تنخفض نسبة النجاح عند تغيير البيئة (مثل تغيير مواقع الأشياء). مثل الموظف الذي يقتصر على أداء مهام في موقع واحد فقط، يحتاج إلى تدريب جديد عند تغيير منصبه.
3. عدم كفاية الدقة: يمكن للروبوتات أداء المهام على مستوى السنتيمتر بثبات، لكن المهام التي تتطلب دقة أعلى (مثل التجميع الدقيق) تحتاج إلى تحسين باستخدام التعلم الآلي.
هذه المشكلات تجعل استخدام الروبوتات محدودًا في بيئات معينة فقط ولا يمكن نقلها إلى سيناريوهات أكثر تعقيدًا.
ثالثاً: تغير نموذج الأعمال: من “بيع الروبوتات” إلى “بيع القدرة على الإنتاج”
في الماضي، كانت شركات الروبوتات تكسب أرباحها من بيع الروبوتات نفسها (مع هامش ربح يتراوح بين 40-60%)، لكن الآن بدأت تتجه نحو “بيع الخدمات التي يقدمها الروبوتات”:
- المرحلة الأولى: بيع الروبوتات كمنتجات نهائية.
- المرحلة الثانية: الاشتراك في خدمات معينة (في المستقبل): على سبيل المثال، تحصيل رسوم بناءً على عدد الطلبات التي ينجزها الروبوت، مما يخفض هامش الربح إلى حوالي 20%.
- المرحلة الثالثة: استخدام الروبوتات لإنشاء قيمة في العالم الحقيقي (أكثر تطورًا): تحصيل رسوم مقابل كل مهمة يتم إكمالها، حيث تتحول القيمة من المعدات إلى القدرات الذكية.
قامت StarSeaMap بالفعل بتسليم طلبات لآلاف الروبوتات، ومن المتوقع أن يصل العدد إلى عشرة آلاف في العام المقبل – مما يعني أن تقييم شركات الروبوتات سيعتمد لا على عدد الوحدات المباعة، بل على قدرة الروبوتات على إكمال المهام وانخفاض تكلفة التدريب وارتفاع معدلات النجاح.
رابعاً: متى ستأتي “لحظة ChatGPT”؟ المعايير والعقبات
في العام الماضي، كان السؤال هو متى ستأتي “لحظة ChatGPT الذكية”， لكن هذا العام قدم المتخصصون معايير محددة:
- وانغ شينغشينغ من YuTree: عندما يتمكن الروبوت من إكمال 80% من المهام في بيئات غير مألوفة بناءً على تعليمات لغوية، ستكون هذه نقطة التحول؛ قد يحدث ذلك خلال 2-3 سنوات أو 5-10 سنوات.
- وانغ هي من Galaxy General: النماذج الحالية تعادل مستوى GPT2، ولتحقيق “لحظة ChatGPT”， يجب أن تصل نسبة النجاح إلى 70-80% في المهام العادية، وأن يتمكن الأشخاص العاديون من تدريب الروبوتات بسرعة؛ تهدف الشركة إلى تحقيق ذلك بحلول عام 2028.
أكبر عقبات:
- ضعف القدرة على التعميم: قد تصل نسبة النجاح إلى 100% في سيناريوهات محددة، لكن التغييرات في البيئة (مثل تغيير مواقع الأشياء) قد تؤدي إلى فشل الروبوتات.
- نقص البيانات: يحتاج تدريب “الدماغ” الروبوتي إلى ملايين الساعات من البيانات، بينما لدينا فقط مئات الآلاف من الساعات حتى الآن.
- عدم تطابق الذكاء الاصطناعي مع أداء الروبوتات: يعرف الروبوت ما يجب فعله، لكن الأخطاء في السنتيمترات الأخيرة (الرؤية واللمس غير الدقيقة) قد تؤدي إلى فشل المهام.
خامساً: التركيز على البيانات والنماذج في المنافسة المستقبلية
في الماضي، كانت المنافسة بين شركات الروبوتات تتمحور حول المعدات (مثل السرعة ومرونة المفاصل)، لكن الآن التركيز على “البرمجيات والبيانات”:
- تعمل YuTree على تطوير نماذج ذكاء اصطناعي قادرة على التطور بشكل ذاتي، حيث تولد النماذج الكبيرة كود التحكم تلقائيًا، ثم يتم اختبارها باستخدام المحاكاة والروبوتات الفعلية لتراكم المهارات والبيانات بشكل مستمر.
- تتنافس جميع الشركات على البيانات، لأنها “المواد التعليمية” الضرورية لتدريب الروبوتات؛ من يمتلك المزيد من البيانات الواقعية سيكون أول من يحقق تطورًا في القدرة على التعميم.
باختصار، لكي يتحول الروبوت من “عرض في المختبرات” إلى “قوة إنتاجية حقيقية”， المفتاح ليس السرعة، بل القدرة على العمل بثبات في بيئات متغيرة – وهذا هو “الاحتفال الحقيقي” بنضج الصناعة.
تخبرنا هذه الأخبار أن قطاع الروبوتات يتحول من عصر “إظهار المهارات” إلى عصر “الاستخدامية”， وأن التركيز في السنوات القادمة سيكون على معرفة من يمكنه جعل الروبوتات أداة عملية وموثوقة.