רובוטים במקום צוות מחקר? OpenAI מפרקת את צוות הרובוטיקה שלה: למה זה לא חייב להיות ריטריט

OpenAI מארגנת מחדש את הרובוטיקה שלה - עם השלכות על כל התעשייה

סוף הרובוטיקה הייעודית? OpenAI מסתמך על מודלים כלליים של בינה מלאכותית

OpenAI מפרקת את צוות הרובוטיקה העצמאי שלה ומעבירה את עובדיה ליחידות עסקיות אחרות. במבט ראשון, זה נשמע כמו נסיגה מאחד מתחומי הבינה המלאכותית המרתקים ביותר בעתיד. עם זאת, הארגון מחדש עשוי לאותת על כיוון שונה: במקום להתייחס לרובוטיקה כתחום מחקר נפרד, OpenAI מתכוונת ככל הנראה לשלב בצורה הדוקה יותר את מודלי הבינה המלאכותית הכלליים שלה עם פיתוח רובוטים.

מאחורי זה מסתתר הימור מרחיק לכת. עד כה, שליטה ברובוטים דרשה לעתים קרובות מודלים מיוחדים, מערכי נתונים קנייניים ומומחיות טכנית ניכרת. נראה כי כעת, OpenAI שמה דגש רב יותר על יכולתם של מודלים גדולים, המסוגלים לעבד דיבור, תמונות ומידע אחר, לבצע גם משימות בעולם הפיזי. זה עשוי לשנות את מי שיפתח את הטכנולוגיה המכרעת לרובוטים בעתיד - והאם ספקים מיוחדים או פלטפורמות בינה מלאכותית גדולות ישלטו בתעשייה.

לכן, נסיגה מרובוטיקה אינה בהכרח משתמעת מהרה-ארגון. במקום זאת, הדבר יכול להצביע על כך ש-OpenAI רואה באינטליגנציה עבור רובוטים הרחבה של מודלי הבינה המלאכותית המרכזיים שלה. עם זאת, נותר לראות האם גישה זו תתגלה כבת קיימא בפועל: רובוטים חייבים לא רק לספק הדגמות משכנעות, אלא גם לתפקד בצורה אמינה, בטוחה וחסכונית בסביבות אמיתיות. החלטתה של OpenAI מעלה, אם כן, שאלה רחבה יותר: האם הרובוטיקה תהפוך בעתיד לנחלתן של פלטפורמות בינה מלאכותית פחות חזקות - או שמא היא תישאר תחום עצמאי שבו ידע מיוחד הוא קריטי?

נקודת המפנה המרכזית: כאשר מודל שפה הופך למוח רובוטי

OpenAI פירקה את צוות הרובוטיקה העצמאי שלה והעבירה את עובדיה לתחומים אחרים בחברה. במבט ראשון, נראה שמדובר בנסיגה מאחד מתחומי הבינה המלאכותית העתידיים הגלויים ביותר. במציאות, מדובר יותר בארגון מחדש אסטרטגי: מחקר הרובוטיקה משולב בפיתוח מודלים מרכזי, בעוד שרובוטיקה יישומית וחומרה ממוקמים בתחום המוצר והיישומים הרחב יותר. המסר ברור: OpenAI כבר לא רואה ברובוטים בעיקר תחום מחקר עצמאי, אלא כתחום יישום עבור מודלי הבינה המלאכותית הכלליים שלה.

להחלטה זו משמעות כלכלית וטכנולוגית רבה. היא מסמנת נקודת מפנה פוטנציאלית עבור כל תעשיית הרובוטיקה. במשך עשרות שנים, שליטה במכונות פיזיות נחשבה לבעיה מיוחדת ביותר הדורשת מודלים ייעודיים, מערכי נתונים, סביבות סימולציה וצוותי הנדסה. הנחה זו עצמה עומדת כעת בפני אתגר מצד אחת מחברות הבינה המלאכותית המשפיעות ביותר בעולם. אם מודלים גדולים, שאומנו באופן כללי, יכולים לשלוט ישירות ברובוטים, הערך משתנה מלהיות אך ורק בתוכנת רובוטיקה ייעודית, להכללה גוברת של מודלי הבסיס, תשתית המחשוב, כלכלת הנתונים והיכולת לפרוס מודלים באופן אמין בעולם הפיזי.

השאלה הפרובוקטיבית שבכותרת המשנה היא אפוא: האם הרובוטיקה תהפוך לאביזר גרידא עבור תאגידי הבינה המלאכותית הגדולים?

ארגון מחדש בעל עוצמה סמלית

בשנת 2024, OpenAI הקימה צוות רובוטיקה ייעודי ובמקביל הכריזה על שותפות עם סטארט-אפ הרובוטיקה Figure. המטרה הייתה לפתח מודלים של בינה מלאכותית עבור רובוטים דמויי אדם. שיתוף פעולה זה הסתיים בפברואר 2025 לאחר ש-Figure הודיעה על כוונתה לפתח מודלים של בינה מלאכותית רובוטית משלה. OpenAI, מצידה, הצהירה שהיא עובדת על רובוט דמוי אדם משלה. דיווחים מצביעים על כך שהחברה שואפת להדגמה ציבורית ראשונה בשנת 2027.

פירוק הצוות העצמאי, שהוכרז כעת, אינו אירוע פתאומי. זהו חלק מהתפתחות ארוכה יותר שבה OpenAI התאימה שוב ושוב את אסטרטגיית הרובוטיקה שלה. בשנת 2020, החברה סגרה קבוצת רובוטיקה קודמת. באותה תקופה, נתוני רובוטיקה מוגבלים וההבנה שמודלים של שפה גדולה עשויים להיות הדרך המהירה יותר לבינה מלאכותית כללית עוצמתית מילאו תפקיד משמעותי. צוות חדש הוקם בשנת 2024, וכעת ישנה חלוקה מחדש נוספת של מומחיות.

חוקרי הרובוטיקה יעבדו מעתה ואילך בארגון המחקר המרכזי תחת ניהולו של מנהל המחקר הראשי מארק צ'ן. צוותי הרובוטיקה היישומית והחומרה יעברו לארגון היישומי תחת ניהולו של הנשיא גרג ברוקמן. הפרדה זו חושפת את תשומת הלב. היא מראה ש-OpenAI מבחינה בין שתי רמות: מחקר מידול בסיסי, שיפתח גם יכולות רובוטיות בעתיד, ויישום מעשי בחומרה, בקרה, אינטגרציה ומוצרים.

דובר החברה הדגיש כי אין בכך כדי להעיד על נסיגה מתחום הרובוטיקה. הרובוטיקה נותרה חלק מחזון החברה לטווח ארוך. יחד עם זאת, הרה-ארגון מתואר כהאצה. החוקרים אמורים להיות משולבים באופן הדוק יותר בפיתוח המודלים הכללי, במקום לעבוד על מודלים של רובוטיקה ייעודיים בארגון נפרד. נותר לראות האם תיאור זה משקף במלואה את המציאות הכלכלית. פירוק צוות עצמאי תמיד כרוך בתעדוף: משאבים, תשומת לב, כוח מחשוב ומומחיות מנהיגותית מאוחדים.

האופי הקצר-טווח של ההחלטה

התזמון ראוי לציון. OpenAI רשמה דוכן לכנס CoRL באוסטין. הכנס ללמידת רובוטים הוא אחד המפגשים המדעיים החשובים ביותר למחקר רובוטיקה ולמידת מכונה. הופעה שם לא הייתה רק צעד יחסי ציבור, אלא גם איתות לחוקרים, משקיעים, כישרונות ושותפים פוטנציאליים.

אבל הדוכן נותר ריק. לא היה מיתוג גלוי של OpenAI וגם לא הדגמות. פער זה בין הנוכחות המתוכננת לנסיגה בפועל מראה עד כמה ההחלטה הייתה לכאורה קצרת טווח. ניתן לפרש זאת כסימן להערכה אסטרטגית מהירה. ייתכן שניסויים פנימיים הראו שהמודלים הכלליים של החברה התמודדו עם משימות רובוטיות טוב מהצפוי. ייתכן ש-OpenAI רצתה להקצות מחדש משאבים. ייתכן שגם יעילות ארגונית, בקרת עלויות או הכנה לפעילויות עתידיות בשוק ההון מילאו תפקיד.

מנקודת מבט כלכלית, אופיין קצר הטווח של טכנולוגיות אלו הוא קריטי. חברות עם משאבי מחשוב מוגבלים, חוקרים בשכר גבוה וצורכי השקעה עצומים אינן יכולות לעבוד ללא הגבלת זמן על כל תחומי הטכנולוגיה המבטיחים בו זמנית. כל החלטה עבור תחום אחד היא בו זמנית החלטה נגד, או לפחות בעד, תחום אחר. רובוטיקה היא תחום עתיר הון, גוזל זמן ואינו ודאי. מודלים, תוכנה ושירותי ענן מתרחבים מהר יותר. רובוט דמוי אדם, לעומת זאת, דורש פיתוח מכני, חיישנים, מפעילים, אספקת חשמל, בטיחות, ייצור, תחזוקה ואישור רגולטורי.

לכן, נראה כי OpenAI שוקלת האם עליה להתייחס לרובוטיקה כיישום של יכולת הליבה שלה, במקום לבנות אותה כפלטפורמה טכנולוגית אנכית נפרדת.

ההשערה של מודלים כלליים

בלב האסטרטגיה החדשה טמונה השערה טכנולוגית: מודלים כלליים שאומנו לשפה, קוד, תמונות ואולי גם וידאו יוכלו לשמש כבסיס לבינה מלאכותית מגולמת. בינה מלאכותית מגולמת מתייחסת למערכות שלא רק מעבדות מידע אלא גם תופסות את סביבתן באמצעות חיישנים, מקבלות החלטות ופועלות בעולם הפיזי באמצעות מפעילים. רובוטים, כלי רכב אוטונומיים, רחפנים, מניפולטורים תעשייתיים ומערכות סיוע ביתיות נופלים תחת קטגוריה זו.

רובוטיקה מסורתית התבססה זמן רב על גישה מקוטעת מאוד. תפיסה, תכנון נתיבים, בקרה, מניפולציה, זיהוי עצמים, שפה ותכנון משימות פותחו בדרך כלל בנפרד. רובוט יכול להיות טוב מאוד בביצוע פעולת אחיזה ספציפית, אך אינו מסוגל להגיב בגמישות לעצמים חדשים, סביבות משתנות או הפרעות בלתי צפויות. ההכללה הייתה מוגבלת. כל משימה חדשה דרשה לעתים קרובות נתונים חדשים, מודלים חדשים או תכנות מורכב.

מודלים גדולים של בינה מלאכותית משנים את ההיגיון הזה. הם יכולים להבין שפה, לפרש מידע חזותי, לפרק משימות, ליצור קוד וליישם ידע על העולם הפיזי. רובוט שמקבל הוראה לקחת כוס מלוכלכת מהשולחן ולהכניס אותה למדיח כלים לא צריך רק להזיז אחיזה. הוא צריך לזהות מהי כוס, כיצד לאחוז בה, אילו מכשולים קיימים, איזו תנועה הגיונית ומה לעשות במקרה של שגיאה. מודל כללי יכול לחבר את שרשרת התפיסה, השפה, התכנון והפעולה הזו.

OpenAI דיווחה כי חוקריה הניחו בתחילה שההתקדמות בתחום הרובוטיקה תתבסס בעיקר על עבודה כמו מודל יצירת הווידאו Sora. Sora דורש הבנה מסוימת של העולם הפיזי, כולל תנועה, עצמים, מרחב, סיבתיות ורצפים זמניים. עם זאת, מודלי Frontier האחרונים של החברה הוכיחו את יכולתם הישירה יותר למשימות רובוטיות. נראה כי הבנה זו הייתה גורם מרכזי לשינוי המיקוד הזה.

למה רובוטיקה כל כך קשה

הציפייה שמודלים כלליים יוכלו לשלוט ברובוטים נשמעת סבירה. עם זאת, אין להסתיר את העובדה שהעולם הפיזי מורכב יותר מבחינה טכנית וכלכלית מהעולם הדיגיטלי. מודל שפה יכול ליצור שגיאה בטקסט מבלי לגרום נזק חומרי מיידי. רובוט שאוחז בצורה שגויה יכול לשבור זכוכית, לפצוע אנשים, לפגוע במתקני ייצור או לשבש תהליכים יקרים.

רובוטיקה משלבת מספר תחומי בעיה קשים. ראשית, התפיסה אינה שלמה. מצלמות מספקות תמונות, אך צללים, השתקפויות, חסימות, תנאי תאורה משתנים וחפצים נעים מסבכים את הפרשנות. חיישני מגע, חיישני כוח, מצלמות עומק ולידר יכולים לעזור, אך הם מגבירים את המורכבות והעלויות. שנית, השליטה מדויקת. זרוע חייבת לדעת לא רק היכן לאחוז, אלא גם באיזה כוח, מהירות ובאיזה רצף. שלישית, הסביבה משתנה. מעבדה, מפעל או דירה לעולם אינם ניתנים לחיזוי לחלוטין. רביעית, בטיחות ואמינות הן קריטיות. מערכת עם שיעור הצלחה של 95 אחוז עשויה להיות מרשימה ביישום דיגיטלי, אך בלתי שמישה מבחינה כלכלית במפעל אם אחת מכל חמש משימות נכשלת.

לכך מתווספת בעיית הנתונים. האינטרנט מכיל כמויות עצומות של טקסט, תמונות, סרטונים וקוד. עם זאת, הוא מכיל הרבה פחות נתונים באיכות גבוהה על התנהגות רובוטים בסביבות אמיתיות. נתונים על כוחות, חיכוך, כוחות אחיזה, נקודות מגע, התנהגות חומרים, סיבולת, שגיאות ותיקונים יהיו בעלי ערך רב. נתונים כאלה חייבים להיאסף בניסויים יקרים בעולם האמיתי או להיווצר בסימולציות. סימולציות ניתנות להרחבה, אך הן לעולם לא מייצגות במלואן את הפיזיקה של העולם האמיתי. המעבר מסימולציה למציאות נותר אחד המכשולים המרכזיים ברובוטיקה.

ההיגיון הכלכלי מאחורי ההחלטה

ניתן להבין את המהלך של OpenAI כתגובה לדילמה כלכלית מהותית. לחברה יכולות מידול יוצאות דופן, משאבי מחשוב עצומים וגישה עולמית לכישרונות. יחד עם זאת, פיתוח חומרת רובוטים משלה הוא יקר, איטי ועתיר הון. השאלה, אם כן, היא: האם OpenAI צריכה להפוך לחברת רובוטיקה שלמה או לספק את שכבת הבינה המלאכותית שתפעיל רובוטים של יצרנים אחרים בעתיד?

פירוק הצוות העצמאי מצביע על האפשרות השנייה. נראה ש-OpenAI לא בהכרח רוצה להחזיק בכל הרכיבים של מערכת אקולוגית רובוטית בעצמה. במקום זאת, היא מתמקדת במה שהיא עושה הכי טוב: פיתוח מודלים רבי עוצמה וכלליים. מודלים אלה יכולים לשמש כשכבה קוגניטיבית עבור רובוטים, בעוד שיצרני חומרה, אינטגרטורים, לקוחות תעשייתיים וספקים מומחים מטפלים ביישום הפיזי.

מודל עסקי זה דומה לזה שבתעשיית התוכנה. מערכת הפעלה או פלטפורמת ענן לא בהכרח מוצעות עם כל מכשיר קצה. במקום זאת, מפעיל הפלטפורמה מספק את הבינה המרכזית, בעוד שיצרני חומרה, מפתחי יישומים וספקי שירותים מפיצים את הערך המוסף. בתחום הרובוטיקה, OpenAI עשויה בעתיד למלא את תפקידו של ספק בינה מלאכותית בתחום הרובוטיקה: מודלים, ממשקים, כלי פיתוח, תכונות אבטחה, הסקה מבוססת ענן, ואולי מודלים של חיוב מבוססי רישיון.

האטרקטיביות הכלכלית טמונה ביכולת ההרחבה שלו. מודל מבוסס קול או רב-מודאלי, לאחר פיתוחו, ניתן לספק אותו ללקוחות רבים באמצעות ממשקי API, שירותי ענן או הסכמי רישוי. העלויות השוליות לכל משתמש או רובוט נוסף הן נמוכות יחסית. רובוט פיזי, לעומת זאת, חייב להיות מיוצר, מועבר, מותקן, מתוחזק ובסופו של דבר מוחלף. כל מכשיר כובל הון, שרשראות אספקה, אנשי שירות ומלאי.

לכן, יהיה זה רציונלי ש-OpenAI תשלוט באינטליגנציית המודל ותפתח את החומרה עצמה, אם כי במידה מוגבלת, או תעבוד עם שותפים. רובוט דמוי אדם ייעודי יוכל לשמש כפלטפורמת ייחוס. הוא ידגים את יכולות המודלים, ייצר נתונים משלו וייצור שוק לשיתופי פעולה עתידיים. עם זאת, הוא לא בהכרח חייב להפוך למוצר סופי המיוצר בייצור המוני.

כוחה של כלכלת הפלטפורמות

השאלה הכלכלית החשובה ביותר אינה האם OpenAI יכול לבנות רובוטים. השאלה המכרעת היא מי שולט בפלטפורמה המרכזית של בינה מלאכותית מגולמת. אם מודלים כלליים אכן יהוו את הבסיס לשליטה ברובוטים, ייווצר מבנה כוח דומה לזה שנמצא במערכות הפעלה ניידות, תשתיות ענן או מודלים של שפות גדולות.

יצרן רובוטיקה עשוי להחזיק במכניקה, חיישנים ומפעילים מצוינים. עם זאת, אם המודל המכריע, כלי הפיתוח, צינור הנתונים ותשתית הענן מגיעים מספק בינה מלאכותית גדול, שרשרת הערך משתנה. יצרן החומרה עשוי להפוך לאינטגרטור, בעוד שספק המודל נהנה מהרווחיות הגבוהה ביותר, מנאמנות הלקוחות החזקה ביותר ומרוב השליטה על מחסנית הטכנולוגיה.

זה מסביר מדוע ההחלטה של ​​OpenAI רלוונטית הרבה מעבר לחברה עצמה. Figure, Tesla, Boston Dynamics, Agility Robotics, 1X, Apptronik, Unitree וחברות רבות אחרות עובדות על רובוטים דמויי אדם או רובוטים ייעודיים. חלקן נוקטות בגישה של פיתוח בינה מלאכותית רובוטית משלהן. אחרות מסתמכות על שיתופי פעולה עם ספקי בינה מלאכותית גדולים. המתח האסטרטגי טמון בעובדה ששותף חזק לבינה מלאכותית מביא תאוצה כיום, אך יכול גם ליצור תלות בטווח הארוך.

עבור סטארט-אפים בתחום הרובוטיקה, המסר אמביוולנטי. מצד אחד, עלויות הפיתוח של יכולות קוגניטיביות עשויות לרדת מכיוון שמודלים בסיסיים רבי עוצמה הופכים לזמינים. סטארט-אפ כבר לא צריך לפתח שפה, חזון ומודל תכנון מאפס. מצד שני, ההזדמנות לבידול פוחתת כאשר המודיעין המכריע נשלט על ידי כמה ספקים גדולים. התחרות עוברת אז לחומרה, אבטחה, אמינות, ייצור, מכירות, שירות ואינטגרציה ספציפית לתעשייה.

נתונים כמשאב נדיר חדש

בבינה מלאכותית דיגיטלית, גישה לנתונים הייתה זה מכבר יתרון תחרותי מכריע. כמויות עצומות של טקסט ותמונות קיימות באינטרנט. ברובוטיקה, מצב הנתונים שונה. נתוני אינטראקציה מהעולם האמיתי הם נדירים, יקרים וקשים לתקינה. לכל רובוט יש חיישנים, מפעילים, גיאומטריות גוף ומשימות שונות. נתונים שנאספו באמצעות זרוע רובוטית ספציפית לא ניתנים להעברה פשוטה לרובוט דמוי אדם.

לכן, היכולת לייצר נתונים משלו הופכת לחשובה יותר ויותר. חברה המפעילה רובוטים במפעלים, מרכזים לוגיסטיים, בתים או מעבדות אוספת מידע יקר ערך על פעולות, שגיאות, תיקונים ותגובות משתמשים בעולם האמיתי. ניתן להשתמש בנתונים אלה לשיפור מודלים. זה יוצר מעגל למידה: פריסות רבות יותר מובילות ליותר נתונים, נתונים רבים יותר משפרים את המודלים, מודלים טובים יותר מגדילים את היכולת התפעולית, ויכולת תפעולית גבוהה יותר מובילה ליותר פריסות.

OpenAI יכולה לבנות את המעגל הזה באמצעות שותפויות, ממשקי API, פלטפורמות מפתחים או פרויקטים פיילוט משלה. במובן זה, רובוט דמוי אדם של החברה לא יהיה רק ​​מוצר אלא גם מקור נתונים. הוא יוכל להדגים כיצד מודלים נכשלים בעולם הפיזי, היכן נדרשים נתוני אימון נוספים, ואילו מנגנוני בטיחות נדרשים.

במקביל, עולות שאלות בנוגע להגנה על מידע, שאלות אתיות וגיאופוליטיות. רובוטים בבתים, במתקני טיפול, במפעלים ובמרחבים ציבוריים עשויים לתעד פרופילי תנועה, פנים, קולות, מיקומים ודפוסי התנהגות. מי שמחזיק בבעלותו, מעבד ומשתמש בנתונים אלה לצורך אימון מודלים, צובר השפעה ניכרת. לכן, הכוח הכלכלי של בינה מלאכותית מגולמת ינבע לא רק מכוח מחשוב וממודלים, אלא גם מריבונות נתונים ואמון.

הפתרון הכמעט-פנים-ארגוני: כיצד Xpert.Digital סוגרת פערים תפעוליים בשיווק ומכירות B2B – עסק חכם מונחה תוכן - תמונה: Xpert.Digital

Xpert.Digital הוא מרכז תעשייתי B2B מונחה נתונים בראשות Konrad Wolfenstein . החברה משמשת כפתרון חיצוני, מעין פנימי, עבור שותפים תעשייתיים, וסוגרת פערים תפעוליים בשיווק, תוכן ומכירות - מבלי לדרוש משאבים נוספים מצד הלקוח.

מידע נוסף כאן:

• הפתרון הכמעט-פנים-ארגוני: כיצד Xpert.Digital סוגרת פערים תפעוליים בשיווק ומכירות B2B – עסקים חכמים מונעי תוכן

מצוות מחקר למערכת אקולוגית של מוצרים

ההפרדה בין מחקר לפיתוח יישומי אינה רק פרט ארגוני. היא מדגימה כיצד OpenAI מתכוונת לגשת לרובוטיקה בעתיד. חוקרים תחת מארק צ'ן יעבדו ככל הנראה על שיפור מודלים כלליים לתפיסה, תכנון, הבנה מרחבית, שפה ופעולה. הארגון היישומי, בראשות גרג ברוקמן, יתרגם יכולות אלו למערכות קונקרטיות: שילוב חומרה, תוכנת בקרה, בטיחות, בדיקות, פרויקטים פיילוט, ואולי גם מוצרים מסחריים.

חלוקת עבודה זו יכולה להיות יעילה משום שהיא מונעת כפילויות במאמץ. צוות רובוטיקה נפרד עשוי לפתח מודלים משלו, למרות שלארגון המחקר המרכזי כבר יש מומחיות דומה. שילוב מאפשר יישום ישיר של התקדמות במודלי שפה, תפיסה רב-מודאלית, יצירת קוד ומידול עולם על יישומי רובוטיקה. זה מפחית חיכוכים ומאיץ את העברת המחקר למוצרים.

יחד עם זאת, אינטגרציה טומנת בחובה סיכונים. רובוטיקה אינה רק יישום של בינה מלאכותית. היא דורשת ידע ספציפי במכניקה, הנדסת בקרה, היתוך חיישנים, מערכות בזמן אמת, מדעי החומרים, בטיחות וייצור. אם חוקרי רובוטיקה יתעסקו אך ורק בצוותי מודל גדולים, קיים סיכון שידע מיוחד זה יאבד ממשמעותו. התוצאה עלולה להיות מודלים שיבצעו ביצועים טובים במבחנים אך ייכשלו בסביבות אמיתיות.

האתגר הכלכלי טמון במציאת האיזון הנכון. הפרדה רבה מדי מובילה לחוסר יעילות ולהשקעות כפולות. ריכוזיות רבה מדי עלולה לזלזל בדרישות הספציפיות של העולם הפיזי. לכן, OpenAI חייבת להבטיח שהמומחיות ברובוטיקה לא רק תישמר, אלא גם תשולב ביעילות בפיתוח מודלים ומוצרים.

החשיבות של הרובוט ההומנואידי

דווח כי OpenAI עובדת על רובוט דמוי אדם משלה. סם אלטמן מכוון, על פי הדיווחים, להדגמה ציבורית ראשונה בשנת 2027. רובוט דמוי אדם אינו בהכרח צורת המכונה היעילה ביותר מבחינה כלכלית. עבור משימות תעשייתיות רבות, זרועות ייעודיות, מערכות דמויות רכב, רובוטים ניידים או פתרונות אוטומציה נייחים זולים ואמינים יותר. שימוש בבני אדם כמודל אינו תמיד הפתרון הטכנולוגי הטוב ביותר.

מדוע חברות עדיין משקיעות ברובוטים דמויי אדם? הסיבה העיקרית טמונה באוניברסליות של הסביבה. מפעלים, מחסנים, משרדים, בתי חולים וחללי מגורים בנויים בעיקר עבור בני אדם. מדרגות, ידיות דלתות, כלים, מדפים, מתגים, לוחות בקרה של מכונות ומשטחי עבודה מתוכננים עבור מידות גוף האדם ודפוסי תנועה. רובוט דמוי אדם יכול לעבוד בסביבות קיימות מבלי להזדקק לעיצוב מחדש מלא.

זה יכול להפחית את עלויות היישום. במקום לעצב מחדש מפעל לאוטומציה ייעודית, ניתן לשלב רובוט דמוי אדם בתהליכים קיימים. הוא יוכל להעביר חומרים, להפעיל מכונות, לבצע משימות הרכבה פשוטות, לתמוך בבקרת איכות או לעבוד באזורים מסוכנים. עם זאת, האם זה כדאי מבחינה כלכלית תלוי במידה רבה בעלות לשעה, אמינות, דרישות תחזוקה ומגוון המשימות בפועל.

עבור OpenAI, רובוט דמוי אדם יכול לשמש גם כאובייקט הדגמה אסטרטגי. זה יוכיח שהמודלים שלהם יכולים לא רק לייצר טקסט, תמונות או קוד, אלא גם להתמודד עם משימות פיזיות מורכבות. הדגמה משכנעת בשנת 2027 עשויה לשכנע משקיעים, לקוחות וכישרונות. זה יכול גם להגביר את שוק רישיונות הבינה המלאכותית של רובוטים. עם זאת, הדגמה עדיין אינה מוצר לשוק המוני. המבחן האמיתי טמון בשאלה האם רובוטים יכולים לפעול בצורה אמינה, בטוחה וחסכונית במשך מספר חודשים.

סכנת הכללה יתרה

הרעיון שמודלים לשימוש כללי יכולים להחליף מודלים של רובוטיקה ייעודיים הוא מפתה. הוא מבטיח פחות צוותים, פחות כפילויות בפיתוח והרחבה מהירה יותר. אך הוא יכול גם להוביל להערכה נמוכה של התמחות. העולם הפיזי אינו סתם עוד מודליות לצד טקסט ותמונה. יש לו חוקים משלו: חיכוך, משקל, אינרציה, גמישות, בלאי, בטיחות, צריכת אנרגיה והפרעות בלתי צפויות.

מודל למטרות כלליות עשוי להבין שיש לאחוז בחפץ. עם זאת, ייתכן שהוא יתקשה לקבוע את כוח האחיזה הנכון עבור זכוכית שבירה, חומר עבודה חלקלק או פיסת מתכת חמה. הוא יכול להבין שפה, אך אינו יכול להעריך באופן מהימן האם חיישן פגום, מפעיל מתחמם יתר על המידה, או האם תנועה מהווה סכנה לאנשים. יכולות אלו דורשות לעתים קרובות מודלים ספציפיים לתחום, מערכות בקרה וארכיטקטורות בטיחות.

לכן, הפיתוח הסבירה יותר אינו תחליף מלא, אלא חלוקת עבודה. מודלים למטרות כלליות יכולים ליצור את השכבה הקוגניטיבית: הבנת שפה, פירוש משימות, זיהוי אובייקטים, יצירת תוכניות וטיפול בחריגים. רכיבים ייעודיים ימשיכו להיות אחראים לבקרה בזמן אמת, בקרת מנוע, בקרת כוח, כיבוי בטיחותי, מיזוג חיישנים וחומרה אמינה. השאלה המכרעת היא כיצד שכבות אלו מחוברות.

עבור OpenAI, פירוש הדבר שפירוק צוות הרובוטיקה אינו בהכרח אומר את סוף הידע הייעודי. ייתכן שזה גם אומר שידע זה משולב במבנים אחרים. האם זה יצליח ייראה על ידי השאלה האם החברה תפתח מערכות רובוטיות שלא רק מספקות הדגמות מרשימות אלא גם מתפקדות בצורה אמינה בתנאים אמיתיים.

השלכות על שוק העבודה

לשינוי המבני יש גם השלכות על שוק העבודה. רובוטיקה הוא תחום רב-תחומי. הוא משלב הנדסת מכונות, הנדסת חשמל, מדעי המחשב, מדעי הקוגניציה, מדעי החומרים, הנדסת בקרה ובינה מלאכותית. עד כה, חוקרי רובוטיקה המתמחים היו מאורגנים לעתים קרובות במחלקות או בסטארט-אפים משלהם. כאשר חברות בינה מלאכותית גדולות משלבות רובוטיקה בצוותי המודל שלהן, מסלולי הקריירה, מערכי המיומנויות ומבני התגמול ישתנו.

חוקרים בעלי ניסיון בלמידת חיזוקים, ראייה ממוחשבת, בינה מלאכותית מגולמת, סימולציה, בקרה ומודלים רב-מודאליים עשויים להפוך ליקרים יותר בעתיד. במקביל, מהנדסי רובוטיקה מסורתיים עלולים להיות נתונים ללחץ להרחיב את כישוריהם כך שיכללו למידת מכונה, פיתוח תוכנה ותשתיות נתונים. הגבול בין חוקר בינה מלאכותית, מהנדס רובוטיקה ומפתח מוצר הולך ומטשטש.

עבור אנשים מוכשרים, השתלבות בחברת בינה מלאכותית גדולה יכולה להיות אטרקטיבית. הם מקבלים גישה לכוח מחשוב, נתונים, ארכיטקטורות מודלים וערוצי הפצה גלובליים. עם זאת, עבור התעשייה, זה יכול להוביל גם לקונסולידציה. חברות ספורות שולטות במודלים החשובים ביותר, במשאבי המחשוב הגדולים ביותר ובחלק משמעותי מהכישרונות המובילים. סטארט-אפים צריכים להתמקד יותר בנישות, חומרה, שווקים אזוריים, יישומים מיוחדים או נתונים קנייניים.

השפעה על התעשייה ועל עסקים קטנים ובינוניים

המעבר הפוטנציאלי למודלים רובוטיים כלליים יותר עשוי להפוך את האוטומציה לדמוקרטית. עד כה, רובוטיקה מתקדמת הוגבלה לעתים קרובות לתאגידים גדולים בעלי הון, צוותי הנדסה ומחזורי יישום ארוכים. עסקים קטנים ובינוניים (SME), עסקי מלאכה, בתי חולים, ספקי לוגיסטיקה וחקלאים התקשו לעתים קרובות ליישם אוטומציה בצורה כלכלית.

אם מודל כללי יכול להבין משימות באמצעות שפה, לזהות אובייקטים ולתכנן פעולות, חברות קטנות יותר יוכלו להפיק תועלת מפתרונות רובוטיקה סטנדרטיים. עובד מחסן יוכל להסביר לרובוט נייד בשפה טבעית אילו משטחים יש להזיז. מנהל מעבדה יוכל להורות לרובוט לבצע משימות טיפול בדגימות חוזרות ונשנות. עסק קטן יוכל להשתמש בעוזר נייד להובלת חומרים, בדיקה או משימות הרכבה פשוטות.

זה לא בהכרח יוביל לעלייה מיידית וסוחפת בביקוש לרובוטיקה. המכשולים נותרו גבוהים: עלויות רכישה, אינטגרציה, הכשרה, תחזוקה, בעיות אחריות, אבטחת סייבר וקבלת עובדים. עם זאת, בטווח הארוך, השילוב של בינה מלאכותית כללית, עלויות חומרה מופחתות ואמינות משופרת עשוי לפתוח שווקים חדשים. משימות מסוכנות, מונוטוניות, תובעניות פיזית, או בהן כוח אדם מצומצם, יהיו אטרקטיביות במיוחד.

במקביל, קיים סיכון לתלות חדשה. חברות המשתמשות בבינה מלאכותית רובוטית כשירות עשויות לוותר על נתונים, ידע תהליכים ובקרה תפעולית למפעילי הפלטפורמות. מי ששולט במודלים יכול להשפיע על מחירים, זמינות, פונקציונליות ופיתוחים עתידיים. עבור תשתיות קריטיות, שירותי בריאות וייצור, ריבונות טכנולוגית היא לפיכך נושא חשוב יותר ויותר.

המימד הגיאופוליטי של בינה מלאכותית מגולמת

רובוטיקה אינה רק שוק, אלא גם מגזר אסטרטגי. רובוטים ממלאים תפקיד בייצור, הגנה, לוגיסטיקה, חקלאות, שירותי בריאות ותשתיות קריטיות. אם השליטה הקוגניטיבית ברובוטים תלויה במספר קטן של ספקי בינה מלאכותית גלובליים, נוצרות תלות חדשות. ממשלות וחברות חייבות להבהיר אילו מודלים עשויים לשמש, היכן מאוחסנים נתונים, כיצד מטופלות פגיעויות אבטחה ומי אחראי במקרה של שגיאות.

ארצות הברית מתגאה בחברות בינה מלאכותית חזקות, מרכזי נתונים גדולים ומעצבי שבבים מובילים. סין משקיעה רבות ברובוטיקה, ייצור ובינה מלאכותית. אירופה מחזיקה במומחיות תעשייתית, ספקי רכב, טכנולוגיית אוטומציה ומוסדות מחקר חזקים, אך מפגרת מאחור בפיתוח מודלים בסיסיים גדולים ותשתיות מחשוב. חוסר איזון זה עלול להחמיר ככל שהרובוטיקה תסתמך יותר ויותר על מודלים כלליים של בינה מלאכותית.

עבור חברות אירופאיות, הסתמכות אך ורק על מודלים של מפעילי פלטפורמות זרים תהיה מסוכנת אסטרטגית. יחד עם זאת, פיתוח כל מודל ורכיב באופן פנימי יהיה לא מציאותי. אסטרטגיה הגיונית יותר תהיה כזו שתסתמך על ממשקים פתוחים, כוח מחשוב אירופי, ריבונות נתונים תעשייתית, תקני אבטחה ומומחיות חזקה באינטגרציה. אירופה יכולה למלא תפקיד חשוב במיוחד ברובוטיקה אמינה, בטוחה ומוסדרת עבור התעשייה, שירותי הבריאות ותשתיות ציבוריות.

למה משקיעים צריכים לצפות

מנקודת מבטו של משקיע, החלטתה של OpenAI היא סימן אות, אך לא הוכחה חותכת. היא מראה שחברת בינה מלאכותית מובילה מתייחסת לרובוטיקה לא כתחום מחקר מבודד, אלא כהרחבה של אסטרטגיית המידול שלה. דבר זה עלול להפעיל לחץ על השוק עבור סטארט-אפים בתחום הרובוטיקה המיוחדת. במקביל, הדבר עלול להאיץ את כל המגזר, מכיוון שמודלים גדולים יוכלו להפחית את עלויות הפיתוח ואת זמן ההגעה לשוק.

על משקיעים להבחין בין שתי רמות. הרמה הראשונה נוגעת למודל ולכלכלת הפלטפורמה. כאן, ספקי בינה מלאכותית גדולים יכולים לנצח משום שהם שולטים בכוח מחשוב, נתונים, כישרונות וערוצי הפצה. הרמה השנייה נוגעת ליישום פיזי. כאן, יצרני חומרה, חברות חיישנים, מומחי מפעילים, אינטגרטורים, ספקי אבטחה וחברות שירות נותרים רלוונטיים. מודל חזק לבדו אינו בונה רובוט.

חברות התופסות אחת מהתפקידים הבאים עשויות להיות מעניינות במיוחד: הן מחזיקות בנתונים תפעוליים קנייניים, מפתחות חומרה אמינה לסביבות ספציפיות, בעלות אישורים רגולטוריים, מיומנות בשילוב המערכות שלהן בתהליכים תעשייתיים קיימים, או מציעות שירותי אבטחה ותחזוקה. גורמים אלה קשים יותר לשכפול מאשר ממשק תוכנה או הדגמה.

ההימור האמיתי של OpenAI

OpenAI מהמרת שהגבול בין חשיבה דיגיטלית לחשיבה פיזית מצטמצם, יותר ממה שמומחים רבים שיערו בעבר. אם מודל יכול לשלב שפה, תמונות, קוד, וידאו ופעולה מרחבית במערכת אחת, אז רובוטיקה עשויה כבר לא להיות מוגדרת על ידי מודלים ייעודיים, אלא על ידי איכות האינטליגנציה הכללית שלה.

הימור זה נועז, אך לא בלתי מציאותי. ההיסטוריה של הבינה המלאכותית מראה שוב ושוב שגישות כלליות יכולות להחליף פתרונות ייעודיים ברגע שהן מגיעות לסף ביצועים קריטי. זיהוי דיבור, זיהוי תמונה, תרגום ויצירת קוד טופלו בתחילה כבעיות נפרדות. מודלים רב-מודאליים גדולים טשטשו חלקית את הגבולות הללו. יהיה זה הגיוני שרובוטיקה תבוא בעקבותיה כתחום הבא.

עם זאת, העולם הפיזי הוא המבחן הקשה ביותר. רובוט לא רק צריך להיראות אמין; הוא חייב לפעול בצורה אמינה, להגיב בבטחה, לפעול בצורה חסכונית ולהיות שמיש לטווח ארוך. לכן, המדד המכריע לא יהיה האלגנטיות של ההדגמה, אלא העלות למשימה שהושלמה, שיעור השגיאות, הזמינות, הבטיחות ומהירות ההרחבה.

שוק חדש פוטנציאלי לבינה מלאכותית רובוטית

אם ההשערה של OpenAI תתברר כנכונה, שוק חדש יופיע: בינה מלאכותית רובוטית כשירות. חברות יוכלו להנפיק רישיונות למודלים כדי לצייד את הרובוטים שלהן בתפיסה, תכנון, דיבור ויכולת הסתגלות. החיוב יכול להתבסס על שימוש ב-API, דמי רישיון לכל רובוט, קיבולת ענן או חלוקת הכנסות.

זה ישנה את שרשרת הערך. יצרני חומרה ימשיכו לבנות רובוטים, אך רוב הקניין הרוחני בעל הרווח הגבוה יישאר בידי מפעילי המודל. אינטגרטורים של מערכות יתאימו יישומים, יפתחו ארכיטקטורות אבטחה וישלבו רובוטים בתהליכים קיימים. ייתכן שלקוחות לא יקנו עוד רובוטים בודדים, אלא יקבלו רובוטיקה כשירות.

שוק כזה יציע יתרונות משמעותיים לגודל. מודל יחיד, לאחר פיתוחו, יוכל תיאורטית לשלוט בסוגים רבים של רובוטים. ניתן יהיה להשתמש בו במפעל, במחסן, בבית חולים או בבית. הסתגלות לא תושג עוד רק באמצעות מכניקות חדשות, אלא באמצעות נתונים, כוונון עדין, כללי בטיחות וממשקים ספציפיים לתחום.

במקביל, הדבר יגביר את הריכוזיות. חברות עם המודלים הגדולים ביותר, מספר מרכזי הנתונים הרב ביותר והגישה הטובה ביותר לנתוני אינטראקציה יוכלו לבנות אפקט רשת חזק. הרובוטיקה תעוצב פחות על ידי ספקי בינה מלאכותית קטנים ומתמחים רבים ויותר על ידי מספר פלטפורמות השולטות ביסודות הקוגניטיביים.

למה גמילה אינה שם נרדף לויתור

פירוק צוות רובוטיקה עצמאי יכול להתפרש כנסיגה. במקרה של OpenAI, לעומת זאת, פרשנות זו פשטנית מדי. החברה מצהירה במפורש שרובוטיקה נותרה חלק מחזונה ארוך הטווח. העברת המחקר לארגון המרכזי והעבודה היישומית לארגון היישומי מרמזת על אינטגרציה ולא על נטישה מוחלטת.

השאלה המכרעת היא האם OpenAI רואה ברובוטיקה מוצר ליבה או תחום יישום עבור מוצרי הליבה שלה. במקרה הראשון, החברה תשקיע רבות בייצור, שרשראות אספקה, מכירות ושירות. במקרה השני, היא תציע בעיקר מודלים, ממשקים, כלי פיתוח, ואולי גם חומרת ייחוס. ההחלטה הנוכחית מציעה את הגישה השנייה.

זה הגיוני מבחינה כלכלית. בינה מלאכותית פתוחה יכולה ליצור ערך רב יותר עם המודלים הכלליים שלה על ידי שליטה בשכבת המודיעין, במקום לבנות בו זמנית עסק חומרה עתיר הון. פיתוח רובוט קנייני עדיין יכול להיות מועיל, שכן הוא משמש כפלטפורמת בדיקות, מקור נתונים ואיתות אסטרטגי. אבל זה לא חייב להיות מודל העסקי המרכזי.

הסיכונים של האסטרטגיה החדשה

הסכנה הגדולה ביותר טמונה בהערכת חסר של מורכבות הרובוטיקה. מודלים כלליים יכולים להפגין יכולות מרשימות, אך מערכות רובוטיות חייבות לתפקד באופן אמין בעולם האמיתי. החלטה שגויה עלולה לגרום לסיכוני בטיחות, בעיות אחריות, נזק תדמיתי וסכסוכים רגולטוריים. במיוחד בתעשייה, זמן השבתה, דיוק וחזרתיות הם קריטיים.

סיכון נוסף הוא התלות בכוח מחשוב. רובוטים דורשים לעתים קרובות קבלת החלטות בזמן אמת. אם כל תהליך תפיסה, תכנון או תיקון עובר דרך חיבור ענן, מתעוררות בעיות של השהייה, תלות ברשת ואבטחה. לכן, ייתכן שמערכות עתידיות יצטרכו לבצע חלק מהמודיעין ישירות על הרובוט. זה דורש מודלים יעילים, שבבים מיוחדים ויכולות חזקות במצב לא מקוון.

לבסוף, קיים סיכון שהתמקדות במודלים כלליים מפחיתה את חשיבות הידע הספציפי לתחום. מודל שמציג ביצועים טובים במבחן ביצועים אינו עדיין רובוט למפעל, בית חולים או משק בית. הספקים המצליחים יהיו אלו שישלבו בינה כללית עם ידע מעמיק בתעשייה, ארכיטקטורת אבטחה וחומרה אמינה.

מה יקבע כעת את גורל התעשייה

השאלה המרכזית לשנים הקרובות לא תהיה האם רובוטים זקוקים לבינה מלאכותית. על כך אין כיום עוררין במידה רבה. השאלה המכרעת היא איזו ארכיטקטורה תנצח. האם מודלים של רובוטיקה ייעודית ימשיכו לשלוט משום שהם אמינים, יעילים ובטוחים יותר? או שמא מודלים בסיסיים כלליים יהוו את הבסיס הקוגניטיבי לרוב היישומים הרובוטיים?

התשובה ככל הנראה תמצא את עצמה איפשהו בין שני הקצוות הללו. מודלים למטרות כלליות יטפלו ברמות העליונות של תפיסה, שפה, תכנון ופירוק משימות. מערכות ייעודיות ימשיכו להידרש לבקרה בזמן אמת, אבטחה, חישה ושילוב חומרה. לכן, התחרות לא תהיה רק ​​בין "למטרות כלליות" ל"ייעודיות". היא תקבע מי שולט בממשקים, בזרימת הנתונים, בכלי הפיתוח ובערוצי ההפצה.

עם הארגון מחדש שלה, OpenAI נקטה עמדה ברורה. היא בונה על כך שהמודלים הכלליים שלה יוכלו לבצע ישירות משימות רובוטיות. זה מעביר את הרובוטיקה מתחום מחקר מבודד לליבת אסטרטגיית המידול שלה. אין מדובר בכניעה לעולם הפיזי, אלא בניסיון לכבוש אותו באמצעות גמישות דיגיטלית.

האם מאמץ זה יצליח לא יימדד על ידי הודעות לעיתונות או דוכני כנסים. הוא יימדד על ידי האם רובוטים יום אחד לא רק ירשמו קהל אלא גם יעבדו בצורה אמינה במפעלים, מחסנים, בתי חולים ובתים. עד אז, החלטת OpenAI נותרה איתות חשוב, אך עדיין לא סופי: הרובוטיקה עשויה לא להיעלם. עם זאת, היא תהפוך יותר ויותר לחלק מפלטפורמות בינה מלאכותית מרכזיות.

מנראות לאמון: הנתיב הניתן להרחבה שלך עם Xpert.Digital - תמונה: Xpert.Digital

ב-B2B תעשייתי, קשרים עסקיים בני קיימא לעיתים רחוקות נוצרים בן לילה. הם מתפתחים צעד אחר צעד - באמצעות נראות, רלוונטיות מקצועית, נקודות מגע חוזרות ואמון גובר. מודל 4 השלבים של Xpert.Digital מטפל בדיוק בזה: הוא מציע נתיב מובנה שמתחיל בנקודת כניסה ניתנת לניהול ויכול להתפתח לשיתוף פעולה מעמיק יותר בפיתוח עסקי במידת הצורך.

במקום להסתמך על הבטחות שיווקיות קולניות, מודל זה שם את מערכת היחסים בחזית. חברות מתחילות עם מדדים מוגדרים בבירור וניתנים לחישוב בקלות, ולאחר מכן מחליטות, בהתבסס על ניסיונן האישי, עד כמה הן רוצות להרחיב את שיתוף הפעולה. גורם מפתח לתהליך בניית האמון הבלתי מופרע הזה: הפלטפורמה נמנעת לחלוטין ממודעות פרסום מעצבנות, כך שהמוקד העריכה נשאר אך ורק על המומחיות של החברות.

מידע נוסף כאן:

• מנראות לאמון: הנתיב הניתן להרחבה שלך עם Xpert.Digital

☑️ שפת העסקים שלנו היא אנגלית או גרמנית

☑️ חדש: התכתבות בשפת האם שלך!

Konrad Wolfenstein

אני והצוות שלי שמחים לעמוד לרשותכם כיועצים האישיים שלכם.

ניתן ליצור איתי קשר על ידי מילוי טופס יצירת הקשר כאן [email protected]:או פשוט להתקשר אליי למספר 49 7348 4088 965+. כתובת הדוא"ל שלי היא

אני מצפה בקוצר רוח לפרויקט המשותף שלנו.

☑️ תמיכה לעסקים קטנים ובינוניים באסטרטגיה, ייעוץ, תכנון ויישום

☑️ יצירה או התאמה מחדש של האסטרטגיה הדיגיטלית והדיגיטציה

☑️ הרחבה ואופטימיזציה של תהליכי מכירה בינלאומיים

☑️ פלטפורמות מסחר B2B גלובליות ודיגיטליות

☑️ פיתוח עסקי חלוצי / שיווק / יחסי ציבור / ירידי סחר